Ce cours offre aux étudiants en ingénierie une compréhension approfondie de l’intelligence artificielle générative, en mettant l’accent sur la conception, l’implémentation et le déploiement de modèles génératifs avancés. Les étudiants exploreront les architectures fondamentales telles que les réseaux antagonistes génératifs (GAN), les autoencodeurs variationnels (VAE), les modèles autorégressifs, les modèles de diffusion et les systèmes à base de transformeurs comme GPT. Le cours introduit également la génération augmentée par récupération (RAG), un paradigme puissant qui renforce les grands modèles de langage en y intégrant des sources de connaissances externes pour une génération contextualisée et fondée sur des données fiables. En plus de maîtriser les techniques de modélisation essentielles, les étudiants étudieront les tendances récentes telles que les modèles fondamentaux (foundation models), la génération multimodale, et l’intégration des modèles génératifs dans des systèmes d’IA agentique (agents autonomes, orientés vers des objectifs, capables de raisonner, planifier et utiliser des outils). Des projets pratiques permettront aux étudiants d’appliquer ces concepts à des tâches réelles impliquant du texte, des images, de l’audio et de la génération intermodale. Les enjeux éthiques, y compris les biais, la désinformation et le déploiement responsable, seront également abordés. À l’issue du cours, les étudiants seront préparés à concevoir, ajuster et évaluer des systèmes d’IA générative dans des contextes industriels et de recherche.

Temps présentiel : 30 heures

Charge de travail étudiant : 70 heures

Méthode(s) d'évaluation : Examen final, Examen partiel, Travail personnel