2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3720 intitulée :
Software engineering with IA
Bachelier en Informatique orientation Réseaux et Télécommunications / Bloc 3
- option Développement
Informations
Responsable d'UE : François ROLAND
Bloc : IRT3
Période : 1er quadrimestre
Durée : 48 h
Crédits : 4 ects
UE Prérequises : aucune
UE Corequises : aucune
Activité d'apprentissage (AA)
- Agile IA Project : 48 h, Erwin DESMET, François ROLAND
Connaissances et compétences préalables
- Maîtrise de la programmation orientée objet en Python
- Notions de développement web côté client (JavaScript)
- Gestion de bases de données relationnelles
- Compréhension du fonctionnement d'une API REST
- Usage courant de Git (branches, commits, pull requests)
- Base acquise en Java durant le cursus BA3 (socle de raisonnement objet)
- Méthodes Agile /Scrum
- Aucune connaissance préalable en IA ou en LLM n'est requise, le cours part de zéro sur ces notions
Contribution aux objectifs du référentiel de compétences de l'ARES
- Communiquer et informer
- Choisir et utiliser les moyens d’informations et de communication adaptés
- Mener une discussion, argumenter et convaincre de manière constructive
- Assurer la diffusion vers les différents niveaux de la hiérarchie (interface)
- Utiliser le vocabulaire adéquat
- Présenter des prototypes de solution et d’application techniques
- Utiliser une langue étrangère
- Collaborer à la conception, à l’amélioration et au développement de projets techniques
- Elaborer une méthodologie de travail
- Planifier des activités
- Analyser une situation donnée sous ses aspects techniques et scientifiques
- Rechercher et utiliser les ressources adéquates
- Proposer des solutions qui tiennent compte des contraintes
- S’engager dans une démarche de développement professionnel
- Prendre en compte les aspects éthiques et déontologiques
- S’informer et s’inscrire dans une démarche de formation permanente
- Développer une pensée critique
- Travailler tant en autonomie qu’en équipe dans le respect de la structure de l’environnement professionnel
- S’inscrire dans une démarche de respect des réglementations
- Respecter le code du bien-être au travail
- Participer à la démarche qualité
- Respecter les normes, les procédures et les codes de bonne pratique
- Intégrer les différents aspects du développement durable
- Collaborer à l’analyse et à la mise en œuvre d’un système informatique
- En choisissant une méthode d’analyse adaptée, exprimer une solution avec les formalismes appropriés
- Sur base de spécifications issues d’une analyse : (1) développer une solution logicielle ; (2) mettre en œuvre une architecture matérielle
- Assurer la maintenance, le suivi et l’adaptation des choix technologiques qui ont été implémentés
- Assurer la sécurité du système
Acquis d'apprentissage spécifiques
Compétences techniques
- Intégrer une API de modèle de langage dans une application web
- Concevoir des prompts et exploiter des sorties structurées et multimodales
- Mettre en œuvre des architectures IA avancées (RAG, function calling, streaming)
- Appliquer les bonnes pratiques de sécurité applicative
- Déployer et maintenir une application en production (CI/CD, PaaS)
Compétences méthodologiques et agiles
- Travailler selon la méthode agile Scrum : sprints, sprint planning, sprint review, backlog priorisé (MoSCoW)
- Rédiger des user stories et répartir le travail en équipe
- Justifier les choix d'architecture par des ADR (Architecture Decision Records)
- Évaluer rigoureusement la qualité d'un système IA
- Documenter un usage réfléchi et critique de l'IA (journal d'usage)
Compétences comportementales
- Collaborer en équipe avec Git (revue de code, pull requests)
- Communiquer techniquement (pitch, démo, soutenance individuelle)
- Travailler en autonomie entre les séances encadrées
- S'adapter à un changement de spécifications en cours de sprint (posture face à un client agile)
Contenu de l'AA
- Fondamentaux des LLM : paysage des modèles en 2026, anatomie d'une requête API, prompt engineering
- Sortie structurée avec Pydantic, multimodalité (PDF, image, audio, vidéo), streaming
- Function calling et agents IA
- RAG (Retrieval Augmented Generation) avec embeddings stockés en base SQL
- Sécurité applicative : injection de prompt, rate limiting, CORS, validation des entrées
- Évaluation des systèmes IA, coûts et observabilité
- RGPD, AI Act et éthique de l'IA
- Déploiement en production et patterns d'architecture
- Méthodologie agile en projet : sprints, user stories, sprint reviews
- Développement d'une application complète intégrant l'API Gemini, au choix parmi six thématiques (analyse de contrats, pré-consultation médicale, tutorat pédagogique, tri de candidatures, comptes rendus de réunion, assistant support client)
- Progression en trois sprints : prototype fonctionnel, fonctionnalités avancées, production et déploiement
- Soutenance finale individuelle
Répartition des heures
8 h de théorie, 40 h d'autonomie
Méthodes d'enseignement
Cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Langues d'enseignement
Français, anglais
Supports
Copies de présentations, syllabus, notes de cours, notes d'exercices, activités sur eCampus
Ressources bibliographiques
Documentation technique
- Documentation officielle de l'API Gemini : ai.google.dev/gemini-api/docs
- Référence complète de l'API Gemini : ai.google.dev/api
- Cookbook Gemini avec exemples de code : github.com/google-gemini/cookbook
- OWASP Top 10 for LLM Applications : genai.owasp.org
Cadre réglementaire
- Règlement général sur la protection des données, RGPD, règlement UE 2016/679 : eur-lex.europa.eu
- Règlement européen sur l'intelligence artificielle, AI Act, règlement UE 2024/1689 : eur-lex.europa.eu
Littérature scientifique fondatrice
- Vaswani et al., "Attention is all you need" (2017) : arxiv.org/abs/1706.03762
- Lewis et al., "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (2020) : arxiv.org/abs/2005.11401
- Wei et al., "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models" (2022) : arxiv.org/abs/2201.11903
Méthodologie agile
- Schwaber et Sutherland, Scrum Guide officiel : scrumguides.org
- Téléchargement PDF du Scrum Guide : scrumguides.org/download.html
Ouvrages et guides complémentaires
- Chip Huyen, "Designing Machine Learning Systems", O'Reilly : huyenchip.com
- Prompt Engineering Guide (dair-ai), ressource collaborative sur le prompt engineering et le RAG : promptingguide.ai
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
- Évaluation continue : 40 points (collectif)
- Pitch et démo live devant jury : 16 points (collectif)
- Architecture et qualité de code : 16 points (collectif)
- Journal IA individuel : 8 (individuel)
- Soutenance individuelle : 12 (individuel)
- Rapport et documentation : 8 points (collectif)
Cette UE n'est pas rejouable en 2de session.