L’intelligence artificielle franchit les murs des écoles de management

Si elle est si importante dans les entreprises, les étudiants ne devraient-ils pas devenir des experts en données, algorithmes, codage et se destiner en fait à devenir des ingénieurs ? La réponse est à la fois oui et non.

Stats et grandes écoles

Les écoles de management proposent généralement un cours d’initiation aux statistiques en première année et quelques cours facultatifs quantitatifs par la suite. Dans de nombreuses écoles, ces cours sont souvent enseignés de manière traditionnelle : autrement dit, avec des formules ennuyeuses, un jeu de données vieux de 10 ans comportant 10 variables (si vous avez de la chance !) et l’utilisation d’un logiciel de tableur standard. L’innovation pédagogique est pourtant nécessaire à une époque où les entreprises performantes sont de plus en plus dépendantes de l’IA, qui associe à la fois Big data, algorithmes et puissance de calcul. En outre, les étudiants doivent savoir quelles sont les limites juridiques et éthiques lorsqu’ils utilisent des données générées par des individus. Ils ont aussi besoin de comprendre la RGPD qui est en vigueur depuis le 25 mai 2018.

Associations inter-écoles pour performer

Les applications d’intelligence artificielle telles que la reconnaissance d’images, les chatbots et le traitement du langage naturel nécessitent une compréhension de base des algorithmes sous-jacents et des compétences en codage. Les écoles de management s’associent donc à des écoles d’ingénieurs pour proposer des cours de machine learning. Par exemple, HEC Paris et l’Ecole Polytechnique mais aussi l’ESSEC et Centrale Supélec proposent tous deux des programmes de master communs. Bien que de telles collaborations enrichissent la portée du programme académique, elles ne donnent pas nécessairement aux étudiants en management une connaissance approfondie de la création de valeur à partir de données.

Collaboration avec les entreprises pour transformer

Les partenariats avec les entreprises sont le nouveau mode d’enseignement de l’analyse d’entreprise. Par exemple, la chaire d’analyse stratégique de l’ESSEC, parrainée par Accenture, forme les étudiants à devenir des traducteurs de données. L’écosystème de la chaire est constitué d’étudiants, de consultants d’Accenture, de professeurs, de fournisseurs de données et d’anciens de la chaire. Les étudiants apprennent à coder avec Python mais aussi R et s’exercent à la visualisation de données avec Tableau. Ils travaillent en groupes sur des cas d’analyse stratégique fournis par de grandes entreprises et sont supervisés par des consultants et des data scientists d’Accenture qui fournissent respectivement des informations sur le secteur et des pratiques optimales en matière d’analyse.

La collaboration avec les entreprises est essentielle. Travailler avec leurs données internes permet aux étudiants de comprendre le contexte d’origine et la façon dont les données peuvent être transformées en valeur métier. Les cours académiques sont bien sûr indispensables mais apprendre à créer de la valeur commerciale requiert à la fois des analyses et des ensembles de données riches. Le véritable différenciateur est la force du réseau du secteur privé.

Replacer l’homme au centre

Comment les étudiants des écoles de management utilisent-ils ces compétences dans leur travail ? Ne devraient-ils pas se cantonner aux métiers du monde des affaires pour lesquels ils sont formés ? Oui, cela est vrai mais le responsable de demain doit également pouvoir collaborer étroitement avec les scientifiques du secteur de l’information et consommer, et non produire, l’IA. Les étudiants ayant une expérience de l’IA jouissent d’un avantage concurrentiel important sur le marché du travail. Pas seulement pour leurs connaissances analytiques, mais pour le fait qu’ils comprennent que la créativité ne peut venir que d’eux-mêmes, pas des machines.