Aller au contenu

Université Catholique de Lille · M2 International Management · 2026–2027

Data Analytics for Business

Toutes les fonctions qu'un manager international dirigera reposent désormais sur la donnée. Ce cours ne fait pas des étudiants des data scientists : il les prépare à commander un travail d'analyse, à le questionner et à agir.

  • 3 ECTS
  • 6 séances, 18 heures, de décembre 2026 à janvier 2027
  • Enseigné en anglais
  • Campus Vauban, Lille, et une séance en ligne

Où en est le cours

La première séance a lieu le mercredi 9 décembre 2026, de 13:00 à 17:00, sur le campus. Les dates et échéances sont listées plus bas.

Heures de Paris. Toutes les dates

Les séances

  1. Séance 1 : From data to decisions

    mercredi 9 décembre 2026 · 13:00–17:00 · sur le campus

    Avant, pendant et après (4 heures)
    Avant
    Environ 1 h 30. Lire Provost et Fawcett, chapitres 1 et 2. Apporter un ordinateur portable ; les fichiers du cas sont distribués en séance.
    En séance
    Le contrat du cours (évaluation, règles sur l'IA, groupes). L'échelle de l'analytique, et pourquoi tant de projets data échouent. Les arbres de KPI : un exemple complet, puis à vous. Nettoyage des données du cas et premiers tableaux croisés. Formation des groupes et remise des notes de cadrage. Un ticket de sortie d'une minute, puis le premier QCM.
    Après
    Jalon 1, à rendre le mardi 15 décembre à 23:59 : votre jeu de données nettoyé et un arbre de KPI d'une page pour votre note de cadrage.
    Notions clés
    Maturité analytique, KPI, indicateurs avancés et retardés, qualité des données, granularité, tableau croisé.
  2. Séance 2 : Data visualisation and storytelling

    jeudi 17 décembre 2026 · 13:00–16:00 · en ligne · Comment se connecter

    Avant, pendant et après (3 heures)
    Avant
    Environ 2 heures. Lire Knaflic, chapitres 1 à 3. Suivre le guide d'installation, sur cette page, pour connecter les données du cas à Data Studio : le temps de séance va à la conception, pas aux identifiants.
    En séance
    Retour collectif sur le jalon 1. Comment l'œil lit un graphique. Une clinique des graphiques publiés, dont certains trompeurs. En salles de sous-groupe, chaque groupe construit un premier tableau de bord pour sa note. Critique croisée et test des cinq secondes. QCM dans les dix dernières minutes.
    Après
    Jalon 2, à rendre le lundi 4 janvier à 23:59 : votre tableau de bord provisoire et le récit en trois phrases de votre principal résultat. Retour écrit d'ici le mercredi 6 janvier.
    Notions clés
    Choix du graphique, attributs pré-attentifs, encombrement, axes honnêtes, hiérarchie d'un tableau de bord, arc narratif.
  3. Vacances d'hiver

    Du 18 décembre 2026 au 6 janvier 2027 · environ 12 heures par étudiant

    Votre groupe mène l'essentiel de son analyse et rédige une première version du tableau de bord et de la note. Un plan raisonnable : trois blocs d'environ quatre heures, deux avant le 24 décembre et un après le 1er janvier. Je réponds aux e-mails jusqu'au 22 décembre puis à partir du 4 janvier : envoyez vos questions sur le jalon 2 avant le 22.

  4. Séance 3 : SQL essentials for managers

    jeudi 7 janvier 2027 · 10:00–12:00 · sur le campus

    Avant, pendant et après (2 heures)
    Avant
    Environ 1 heure. Faire la fiche d'échauffement SQL de 30 minutes, et lire le retour sur le jalon 2.
    En séance
    Comment les tables du cas s'articulent. Une démonstration en direct dans DuckDB, dans le navigateur. Des exercices de difficulté croissante : compléter une requête à moitié écrite, puis en écrire une à partir d'une question de gestion. Trouver l'erreur dans des requêtes écrites par une IA qui ont l'air justes. QCM.
    Après
    Ajouter à votre note un résultat obtenu en SQL.
    Notions clés
    Table, clé primaire et clé étrangère, jointure, agrégation, duplication de lignes.
  5. Séance 4 : Predictive analytics for decision-makers

    jeudi 7 janvier 2027 · 13:00–16:00 · sur le campus

    Avant, pendant et après (3 heures)
    Avant
    Environ 1 h 30. Lire Provost et Fawcett, chapitres 5 et 7 (surapprentissage ; ce qui fait un bon modèle).
    En séance
    L'intuition d'abord, sans formules. Un notebook Google Colab préparé : vous l'exécutez, changez quelques réglages et lisez les résultats ; vous n'écrivez pas de code. Les groupes comparent deux modèles avec un tableau de coûts simple. Vous rédigez le jalon 3 en séance, puis passez le QCM.
    Après
    Le jalon 3 est remis en fin de séance : une note d'une page par groupe sur ce que prédit votre modèle, avec quelle qualité, ses limites et la décision que vous fonderiez ou non dessus.
    Notions clés
    Données d'apprentissage et de test, surapprentissage, fuite de données, précision et rappel, espérance de gain, segmentation.
  6. Séance 5 : Generative AI, governance and the EU AI Act

    vendredi 8 janvier 2027 · 09:00–12:00 · sur le campus

    Avant, pendant et après (3 heures)
    Avant
    Environ 1 heure, de préférence pendant les vacances d'hiver. Lire la page de synthèse de la Commission européenne sur l'AI Act, et apporter votre projet en cours.
    En séance
    Partie 1, environ 70 minutes : atelier IA sur votre propre projet. Partie 2, environ 70 minutes : l'essentiel du RGPD pour l'analyse, les niveaux de risque de l'AI Act et sa modification de 2026, et un cas pratique : est-ce à haut risque ? Partie 3, environ 30 minutes : atelier projet, puis le dernier QCM.
    Après
    Les slides du pitch et le lien du tableau de bord sont à rendre le vendredi 8 janvier à 12:45.
    Notions clés
    Vérification, modèles de prompt, hallucination, base légale, minimisation des données, pseudonymisation, niveaux de risque, déployeur, obligation de transparence.
  7. Séance 6 : Capstone: pitch your insights

    vendredi 8 janvier 2027 · 13:00–16:00 · sur le campus · Examen écrit et pitchs des groupes

    Avant, pendant et après (3 heures)
    Avant
    Être assis à 12:55, avec un stylo et votre carte d'étudiant. Les corrigés des QCM des séances 3 et 4 s'ouvrent le matin de l'examen, pour réviser.
    En séance
    13:00 à 13:30 : examen écrit individuel, sans documents, sur papier. 13:35 à 15:35 : pitchs des groupes dans un ordre tiré au sort, 15 minutes chacun (10 de pitch, 4 de questions, 1 de changement) ; chaque membre répond à au moins une question. 15:35 à 16:00 : bilan et suites.
    Après
    Note finale, annexe sur l'usage de l'IA et formulaire de contribution des pairs à rendre le lundi 11 janvier à 23:59.
    À noter
    S'il y a plus de huit groupes, le temps de pitch est réduit et les horaires définitifs sont annoncés à la séance 5.

Pour les étudiants inscrits : les slides de chaque séance s'ouvrent avec le mot de passe donné en cours. Questions : [email protected].

Séance 2 en ligne : comment se connecter

Jeudi 17 décembre 2026, de 13:00 à 16:00, heure de Paris. La séance est en direct et interactive, et elle n'est pas enregistrée.

  1. Le lien de la visioconférence est donné en cours à la séance 1 et envoyé par e-mail. Il n'est pas publié sur cette page.
  2. Utilisez un ordinateur portable, pas un téléphone : vous construirez un tableau de bord dans Data Studio pendant la séance.
  3. Avant le jour J, suivez le guide d'installation et connectez les données du cas à Data Studio avec votre compte Google.
  4. Testez caméra, micro et connexion, et connectez-vous 10 minutes avant, à 12:50.
  5. Gardez la caméra allumée pendant le travail de groupe en salles de sous-groupe.
  6. Le QCM de fin de séance ouvre à 15:50, depuis cette page.

Guide d'installation : Data Studio, PDF en anglais (3 pages)

Un problème le jour même : écrivez à [email protected].

Échéances

Le bloc de janvier est intensif : quatre séances en deux jours. Prévoyez la révision de l'examen et la lecture de la séance 5 avant le 7 janvier, pour garder la soirée du 7 pour répéter le pitch. La note finale est due trois jours après le pitch, pour tenir compte des questions reçues.

Tableau 1 : Échéances, heure de Paris.
QuoiPour quand
Jalon 1 : jeu de données nettoyé et arbre de KPIPlateforme pédagogiquemar. 15 déc. 2026, 23:59
Jalon 2 : tableau de bord provisoire et récit en trois phrasesPlateforme pédagogiquelun. 4 janv. 2027, 23:59
Jalon 3 : note d'évaluation du modèle, une par groupeRédigé en séancejeu. 7 janv. 2027, fin de la séance 4
Slides du pitch et lien du tableau de bordPlateforme pédagogiqueven. 8 janv. 2027, 12:45
Examen écrit : être assis, avec un stylo et sa carte d'étudiantSalle d'examen, sur le campusven. 8 janv. 2027, 12:55
Note finale, annexe sur l'usage de l'IA et formulaire de contribution des pairsPlateforme pédagogiquelun. 11 janv. 2027, 23:59
QCM de fin de séance (tableau 3)Cette pageEn séance, puis jusqu'à la fermeture

Un rendu en retard perd 1 point sur 20 sur sa propre note par jour entamé, sauf motif justifié. Parlez-m'en avant l'échéance plutôt qu'après.

Évaluation

Tous les acquis d'apprentissage sont évalués. Les notes sont données sur 20.

Tableau 2 : Évaluation.
Type d'évaluationPoids
Contrôle continu
Jalons (en groupe)15 déc. ; 4 janv. ; 7 janv.Usage de l'IA : Jalon 1 : niveau 2. Jalons 2 et 3 : niveau 315 %
Participation, QCM de fin de séance comprisSéances 1 à 6Usage de l'IA : QCM : niveau 1, notes autorisées5 %
Projet de groupe : tableau de bord et note d'analyseTableau de bord 8 janv., 12:45 ; note de 4 pages au plus 11 janv., 23:59Usage de l'IA : Niveau 3, avec déclaration30 %
Pitch de groupe15 minutes, séance 6Usage de l'IA : Préparation : niveau 3. Présentation et questions : niveau 120 %
Examen final
Examen écrit individuel, sans documents30 minutes, séance 6Usage de l'IA : Niveau 130 %
Total100 %

Les évaluations ouvertes, comme le projet et les jalons, vous laissent travailler comme en entreprise, IA comprise. Les évaluations surveillées, l'examen écrit et les questions en direct après le pitch, vérifient ce que vous savez faire seul. La note individuelle d'un travail de groupe peut être ajustée si les formulaires confidentiels de contribution montrent un net déséquilibre, toujours après un échange avec le groupe.

QCM de fin de séance

Après les séances 1 à 5, un QCM de 10 questions en 10 minutes vérifie les idées clés ; à partir de la séance 2, deux questions reviennent sur les séances précédentes. Chacun le passe seul et sans IA, notes autorisées, une seule fois, connecté avec un compte Google (ou sur papier, avec le même poids). La participation compte le fait de passer le QCM dans sa fenêtre, pas la note ; les quatre meilleurs sur cinq comptent. Le corrigé complet s'ouvre à la fermeture.

Tableau 3 : Fenêtres des QCM, heure de Paris.
QCMOuvertureFermeture
Séance 1mer. 9 déc., 16:40mer. 16 déc., 23:59
Séance 2jeu. 17 déc., 15:50mer. 6 janv., 23:59
Séance 3jeu. 7 janv., 11:50ven. 8 janv., 08:00
Séance 4jeu. 7 janv., 15:55ven. 8 janv., 08:00
Séance 5ven. 8 janv., 11:50lun. 11 janv., 23:59

Les QCM des séances 3 et 4 ferment le matin de l'examen, pour que leurs corrigés servent à réviser.

Ce que deviennent les données des QCM

Règles sur l'IA générative

Bien utiliser l'IA est l'un des acquis du cours : l'IA est donc permise, dans des limites qui varient selon la tâche. Chaque tâche porte un niveau de l'AI Assessment Scale (Perkins, Roe et Furze, 2025). Les niveaux disent à quoi la tâche est destinée ; ce n'est pas un outil de détection. L'usage permis s'élargit au fil du cours, du niveau 2 en décembre au niveau 4 dans l'atelier de la séance 5.

Tableau 4 : Niveaux de l'AI Assessment Scale dans ce cours.
NiveauCe que cela veut dire
1. Sans IAConnaissances et savoir-faire sont montrés sans IA, ici sous surveillance.Examen écrit ; QCM de fin de séance ; présentation du pitch et questions
2. IA pour planifierL'IA peut aider à planifier et à développer des idées ; ce que vous rendez est votre travail.Jalon 1
3. IA en collaborationL'IA peut aider à réaliser la tâche, rédaction, retours et améliorations compris. Vous vérifiez chaque sortie et en répondez.Jalons 2 et 3 ; projet de groupe ; préparation du pitch
4. IA pleineL'IA est attendue : l'objectif n'est atteignable ni par l'IA seule ni par une personne seule dans le temps donné.Atelier de la séance 5
5. IA exploratoireL'IA sert de façon créative à résoudre des problèmes ou à inventer des solutions.Non utilisé dans ce cours
  • Déclaration. Le projet de groupe comprend une annexe d'une demi-page qui dit quels outils d'IA vous avez utilisés, pour quelles tâches, et comment vous avez vérifié leurs sorties. Une déclaration honnête n'est jamais pénalisée. Un usage non déclaré, un usage pendant une évaluation surveillée, et des données, sources ou résultats inventés sont des manquements à l'intégrité académique.
  • Responsabilité. Vous répondez de tout ce que vous rendez. « L'IA l'a dit » n'est pas une justification acceptable, ni dans ce cours ni au travail.
  • Protection des données. Ne collez jamais de données personnelles, confidentielles ou propriétaires dans un outil d'IA public. Le jeu de données du cours est en données ouvertes anonymisées précisément pour vous entraîner sans ce risque.

Les fiches du cours, ouvertes à tous

Les slides sont chiffrées pour les élèves. Chaque deck a aussi un résumé public : les idées clés, les formules et un exemple calculé, en français, en anglais et en allemand.

Toutes les fiches, en liste de lecture

Les 6 fiches
  1. Séance 1

    Des données à la décision : l'échelle analytique, les arbres de KPI et un nettoyage honnête

    Formuler une question de gestion, décomposer un objectif en arbre de KPI et nettoyer un vrai jeu de données e-commerce avant de compter : la méthode.

  2. Séance 2

    Visualisation de données et récit : choisir le graphique, corriger ceux qui trompent, écrire le constat

    Comment l'œil lit un graphique, choisir le bon, quatre façons de tromper avec des chiffres justes, et faire d'un tableau de bord une décision.

  3. Séance 3

    L'essentiel du SQL pour managers : lire une requête, contrôler une jointure, auditer le SQL écrit par une IA

    Lire et vérifier du SQL : clés et granularité, SELECT, WHERE, GROUP BY, jointures qui dupliquent ou perdent des lignes, audit du SQL d'une IA.

  4. Séance 4

    L'analyse prédictive pour décideurs : ce qu'apprend un modèle, quatre pièges, et le prix de chaque erreur

    Ce qu'apprend un modèle, quatre pièges (surapprentissage, fuite, échantillon biaisé, fausse cause) et le prix des erreurs pour choisir entre deux modèles.

  5. Séance 5

    IA générative, RGPD et AI Act en 2026 : ce que l'analyste et le manager doivent savoir

    Utiliser un assistant d'IA sur un projet data et vérifier ce qu'il produit, puis le RGPD, les niveaux de risque et les dates de l'AI Act modifié en 2026.

  6. Séance 6

    Présenter ses résultats à des décideurs : la recommandation d'abord, trois preuves, des réponses honnêtes

    Une structure en dix minutes pour défendre une recommandation fondée sur les données, ce qui convainc un comité, répondre aux questions, éviter les pièges.

Syllabus

Le syllabus détaillé du cours, version 1.2 du 1er novembre 2026, suit la structure de la fiche de cours de la faculté. Il est rédigé en anglais, langue du cours ; voici l'essentiel en français. Le contenu peut être ajusté avant le début du cours ; la structure de l'évaluation ne changera pas après la séance 1.

Syllabus, PDF en anglais (14 pages)Guide d'installation : Data Studio, PDF en anglais (3 pages)

1. Prérequis

Bonne compréhension de l'anglais. Bonne connaissance des notions générales de gestion et de management. Aucune base en statistique, programmation ou bases de données n'est demandée : tout le contenu technique est construit depuis le début, et chaque outil utilisé en cours tourne dans un navigateur.

2. Objectifs du cours

  • Développer la culture de la donnée dont un manager international a besoin pour commander, questionner et exploiter un travail d'analyse, plutôt que pour le produire en spécialiste.
  • Parcourir toute la chaîne de valeur de l'analyse, du cadrage d'une question de gestion à la défense d'une recommandation, sur un seul jeu de données international réel.
  • Maîtriser en pratique les outils de base de l'analyse : tableur, tableaux de bord, requêtes SQL et modèles prédictifs sans code.
  • Communiquer des résultats chiffrés de façon convaincante à des décideurs non techniques.
  • Examiner les questions de gouvernance, d'éthique et de réglementation que posent la donnée et l'IA en Europe, en particulier le RGPD et l'AI Act.
  • Adopter un regard critique et réflexif sur la donnée et sur les sorties des outils d'IA générative, leurs limites et leurs modes d'échec compris.

Pourquoi ce cours, maintenant

  • La culture des données est devenue une attente de base. Dans l'enquête 2026 de DataCamp auprès de plus de 500 dirigeants d'entreprise aux États-Unis et au Royaume-Uni, 88 % jugent la culture des données de base importante au quotidien, mais 60 % disent manquer de compétences en données.
  • Les écoles de commerce font de la culture de l'IA une compétence de base. Un cadre sur l'IA dans l'enseignement de la gestion, publié en janvier 2026 par Inspire Higher Ed avec l'AACSB, le GMAC et la Graduate Business Curriculum Roundtable, observe que la culture de l'IA est de plus en plus vue comme une compétence de base plutôt que comme une spécialisation.
  • En Europe, c'est aussi une question de droit. Depuis février 2025, le règlement européen sur l'IA (AI Act) impose aux organisations qui fournissent ou utilisent des systèmes d'IA de prendre des mesures pour la culture de l'IA de leur personnel ; une modification en vigueur depuis juillet 2026 en fait un soutien plutôt qu'une garantie de niveau. L'essentiel du règlement s'applique depuis août 2026, et les obligations pour les usages à haut risque, comme le recrutement assisté par l'IA, s'appliqueront à partir du 2 décembre 2027, quand beaucoup d'entre vous occuperont leur premier poste de manager.

3. Ce que les étudiants apprennent à faire

LO1
Cadrer. Traduire un problème de gestion en question d'analyse, choisir le type d'analytique qui convient (descriptive, diagnostique, prédictive ou prescriptive) et définir les indicateurs qui mesureront le progrès.
LO2
Préparer et extraire. Nettoyer des données tabulaires réelles dans un tableur, et extraire ce qu'il faut d'un jeu de données à plusieurs tables avec le SQL de base (SELECT, WHERE, GROUP BY, JOIN).
LO3
Concevoir et communiquer. Construire des graphiques et des tableaux de bord honnêtes, tournés vers la décision, et structurer un résultat en un récit court et convaincant.
LO4
Interpréter des modèles. Lire la sortie des techniques prédictives courantes (régression, classification, segmentation), l'évaluer avec des métriques qui reflètent les coûts métier, et repérer surapprentissage, fuite de données, échantillons biaisés et confusion entre corrélation et causalité.
LO5
Utiliser l'IA avec rigueur. Accélérer le travail d'analyse avec un assistant IA généraliste, en le sollicitant efficacement, en vérifiant ses sorties et en documentant son usage.
LO6
Évaluer la gouvernance. Repérer les questions de RGPD et d'AI Act que pose un projet d'analyse ou d'IA, et expliquer ce dont un manager reste responsable quand une décision s'appuie sur l'IA.

4. Contenu du cours

  • L'échelle de maturité de l'analytique : descriptive, diagnostique, prédictive et prescriptive.
  • Culture de la donnée et décision fondée sur les données : des objectifs stratégiques aux arbres de KPI.
  • Types de données, qualité des données et coût métier des données de mauvaise qualité.
  • Visualisation : principes de perception, choix des graphiques, tableaux de bord pour dirigeants.
  • Récit par la donnée : structurer une analyse en recommandation pour un public non technique.
  • Le modèle relationnel et l'essentiel du SQL pour managers.
  • Analyse prédictive : régression, classification et segmentation, données d'apprentissage et de test, évaluation par des métriques métier, corrélation et causalité.
  • L'IA générative comme assistant d'analyse : modèles de prompt, méthodes de vérification, hallucinations et autres limites.
  • Gouvernance de la donnée et de l'IA en Europe : l'essentiel du RGPD pour l'analyse, l'architecture par niveaux de risque de l'AI Act et son calendrier, obligations des déployeurs de systèmes d'IA.

5. Méthodes d'apprentissage et d'enseignement

Cours magistraux, démonstrations guidées, ateliers pratiques et projet de groupe. Une participation active est attendue en cours et dans le travail de groupe. Les groupes de quatre ou cinq sont formés à la séance 1, en mêlant volontairement parcours et nationalités. Chacun apporte son ordinateur portable à chaque séance, y compris celle en ligne.

Un cas réel, de la première heure à la dernière

Le cours s'appuie sur l'historique de commandes d'Olist, une place de marché brésilienne publiée en données ouvertes : environ 100 000 commandes de 2016 à 2018, réparties en neuf tables liées. Chaque groupe reçoit une note de cadrage à la première séance et défend sa recommandation dans un pitch final.

  • Un seul cas, du début à la fin. Une même analyse grandit de séance en séance, au lieu d'un nouvel exemple jouet chaque semaine.
  • Voir, puis faire. Chaque technique est d'abord montrée sur un exemple complet, puis pratiquée avec aide, puis appliquée par le groupe à sa propre note.
  • Préparer, pratiquer, appliquer. Une courte préparation avant chaque séance (une à deux heures) libère le temps de cours pour la pratique plutôt que pour l'exposé.
  • Des retours tôt, des notes tard. Les trois jalons sont courts et reviennent avec un retour, pour que les problèmes apparaissent avant le rendu final plutôt que dedans.
Tableau 5 : Charge de travail de l'étudiant.
TypeHeures
Cours magistraux et démonstrations guidées8
Ateliers appliqués et projet de groupe10
Total des enseignements18
Préparation avant les séances (lectures et échauffements)7
Jalon 14
Travail de projet pendant les vacances, jalon 2 compris12
Note finale, slides et annexe sur l'IA8
Répétition du pitch2
Révision de l'examen écrit3
Travail personnel36
Charge totale de l'étudiant54

Conseils pour réussir

  • Partez de la décision, pas des données. Un beau tableau de bord qui ne répond à aucune question rapporte peu.
  • Notez chaque choix de nettoyage au moment où vous le faites. Il vous servira pour la note, et pour les questions après le pitch.
  • Vérifiez les sorties de l'IA contre les données, à chaque fois. Les erreurs plausibles sont les plus difficiles à voir.
  • Répétez le pitch à voix haute, chronomètre en main, au moins deux fois.

6. Outils et données

Tout tourne dans un navigateur et tout est gratuit. Un ordinateur portable est nécessaire à chaque séance ; pour la séance en ligne, un portable vaut bien mieux qu'un téléphone.

Tableau 6 : Outils.
OutilSert à
Google Sheets ou Excel pour le webNavigateur, avec un compte Google ou Microsoft gratuitNettoyage, tableaux croisés
Data Studio, ex-Looker Studio (version gratuite)Navigateur, avec un compte GoogleTableaux de bord
DuckDB dans le navigateurshell.duckdb.org ; des copies des tables du cas prêtes à interroger sont fourniesSQL
Google ColabNavigateur, avec un compte Google ; notebook préparé, aucun code à écrireModèles prédictifs guidés
Un assistant IA de votre choixChatGPT, Claude, Copilot, Gemini ou Le Chat ; les offres gratuites suffisentAtelier de la séance 5
Olist Brazilian E-Commerce Public DatasetFourni en séance ; licence CC BY-NC-SA 4.0Le cas suivi

Data Studio et Colab demandent un compte Google. Si vous préférez ne pas utiliser votre compte personnel, créez-en un pour le cours. Orange Data Mining, logiciel gratuit à interface glisser-déposer, permet d'aller plus loin après la séance 4 ; il est facultatif.

7. Bibliographie

Lectures essentielles

  • Provost, F. et Fawcett, T. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media. Chapitres 1 et 2 avant la séance 1 ; chapitres 5 et 7 avant la séance 4.
  • Knaflic, C. N. (2015). Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley. Chapitres 1 à 3 avant la séance 2.
  • Davenport, T. H. et Harris, J. G. (2017). Competing on Analytics: The New Science of Winning. Édition mise à jour. Harvard Business Review Press. Lecture de fond pour tout le cours ; aucun chapitre imposé.

Lectures complémentaires

  • Berinato, S. (2019). Data Science and the Art of Persuasion. Harvard Business Review, 97(1), 126–137.
  • Perkins, M., Roe, J. et Furze, L. (2025). Reimagining the Artificial Intelligence Assessment Scale: a refined framework for educational assessment. Journal of University Teaching and Learning Practice, 22(7). doi:10.53761/rrm4y757
  • Wexler, S., Shaffer, J. et Cotgreave, A. (2017). The Big Book of Dashboards, Wiley.
  • Règlement (UE) 2024/1689 sur l'intelligence artificielle (AI Act), modifié par le règlement (UE) 2026/1744 ; règlement (UE) 2016/679, le règlement général sur la protection des données.

Ressources en ligne

Mettre vos références en forme. Google Scholar donne chaque source en BibTeX (Citer, puis BibTeX) ; collez-les dans latexci.com, un formateur gratuit que j'ai réalisé, choisissez APA 7e édition et copiez la liste dans Word ou Google Docs, italique et retrait compris. Sans compte. Vérifiez chaque entrée sur la source avant de rendre.

8. Règles du cours

  • Assiduité. Avec six séances, chacune compte vraiment. La présence est attendue à chaque séance et obligatoire à la séance 6 ; la feuille d'émargement est signée chaque matin et chaque après-midi. En cas d'empêchement, prévenez-moi ainsi que la coordinatrice du programme à l'avance.
  • Absence à une évaluation. Selon les règles du programme, une absence à une évaluation (examen écrit, pitch, jalon 3 rédigé en séance) est notée 0, et son poids n'est pas reporté sur les autres évaluations. Un motif justifié est traité avec la coordinatrice du programme.
  • Séance en ligne. Merci de garder la caméra allumée pendant le travail de groupe. La séance est interactive et n'est pas enregistrée.
  • Groupes. Les groupes sont fixés à la séance 1. Si votre groupe rencontre des difficultés, venez me voir tôt : un problème se règle bien plus facilement en décembre qu'en janvier.
  • Accessibilité. Si vous bénéficiez d'un aménagement, par exemple un tiers temps aux examens écrits, prévenez-moi avant le 18 décembre 2026 pour qu'il soit en place à l'examen.
  • Intégrité académique. Les règles de l'université s'appliquent à tout travail évalué. Les règles sur l'IA ci-dessus disent ce qui est permis pour chaque tâche.
  • Questions. Écrivez-moi quand vous voulez à [email protected] ; je réponds sous deux jours ouvrés. Je reste 15 minutes après chaque séance sur le campus, et un rendez-vous en ligne est possible sur demande.

Syllabus version 1.2 du 1er novembre 2026. Coordinatrice du programme : Véronique Flambard-Vigeant.

Enseignant

Sitraka Forler, architecte de systèmes et data scientist en entreprise. Le cours est conçu pour que chaque outil tourne dans un navigateur, gratuitement.

Collaborer →À propos →