Objectif : Former des experts capables de concevoir et piloter des solutions informatiques avancées intégrant l’intelligence artificielle, d’optimiser les processus métiers et de transformer les organisations grâce à l’innovation technologique dans un contexte économique global.
Thèmes et axes possibles de thèse
- Ingénierie logicielle appliquée au management et transformation numérique des entreprises.
- Intelligence artificielle en business : algorithmes prédictifs, automatisation des processus décisionnels.
- Cybersécurité organisationnelle, éthique de l’IA et gouvernance des données.
- Big Data, machine learning et optimisation stratégique des opérations.
–
Outils méthodologiques mobilisables
Outils présentés et utilisés en fonction des besoins du projet (sélection adaptée) :
- Programmation et modélisation : Python, R pour analyses IA et data science.
- Méthodes quantitatives avancées : machine learning, simulations, tests algorithmiques.
- Études de cas techniques : implémentation d’IA en contexte business, benchmarks de solutions.
Des modules de perfectionnement offrent en plus un accès à des formations complémentaires en outils numériques.
–
Débouchés professionnels possibles
- Chief Technology Officer (CTO), responsable IA ou data scientist en entreprise.
- Consultant en transformation digitale, ingénieur business IA ou expert en cybersécurité.
- Product manager pour solutions IA, architecte de logiciels stratégiques.
- Enseignant-chercheur en ingénierie informatique appliquée au management.
–
Prérequis
- Diplôme de Master (ou équivalent) en informatique, ingénierie, data science, IA ou gestion des systèmes d’information.
- Expérience professionnelle (au moins 3-5 ans) en développement logiciel, data analysis, IA ou projets digitaux en entreprise.
- Projet de recherche liant ingénierie informatique et applications business/IA.
–
Programme détaillé
–
Modules de perfectionnement et outils complémentaires
- Outils techniques : Python (data science, IA), SPSS/R pour statistiques, CRM intégrés à l’IA, frameworks machine learning (TensorFlow, Scikit-learn).
- Domaines classés : statistiques, mathématiques appliquées, sociologie des organisations numériques, finance algorithmique.
- Modules transversaux : FLE sur objectifs spécifiques (rédaction technique), anglais des affaires tech, lecture critique et coaching de thèse.
Ces ressources visent à enrichir la formation doctorale de manière ciblée et progressive.
–
Publication et activités scientifiques
- Accompagnement pour publication dans des revues scientifiques internationales en IA et ingénierie (fin 2ᵉ ou 3ᵉ année).
- Intégration aux animations scientifiques du laboratoire DBA de la Global Institute Geneva (ateliers IA, présentations du lab « Docteur IA »).