IA et green IT [Catalogue Api E26]

IA et green IT

API0100

Intelligence Artificielle et Green IT au service des systèmes d’information

Responsable de l'Api

Marie-Hélène ABEL

Autres intervenants

Ahmed Lounis, UTC

2 représentants de la société mc2i

Résumé

L’Api a pour objectif de sensibiliser à l’écoconception et au développement d’un outil intégrant de l’IA pour faire des pré audits d’écoconception basé sur le Référentiel Général d'Écoconception de Services Numériques. Elle s’adresse à tout élève ingénieure/ingénieur ayant des compétences en développement informatique et en intelligence artificielle.

Typologie Api

Modalité : #Partenariat

Format : #Stage

Complément : #Projet

Domaine

Intelligence Artificielle

Public visé

GX avec des compétences en IA et développement informatique

Pas de prérequis stricts mais des connaissances en programmation comme celIes dispensées en INF2, LO21, NF16, SR01 ou équivalent.

Des connaissances dispensées en LO17/AI31, ML01, SY09, AI28, SR10 ou NF17 sont recommandées mais pas nécessaires.

Objectifs pédagogiques

Objectif de l’Api :

Sensibilisation à l’écoconception et au développement d’un outil intégrant de l’IA pour faire des pré audits d’écoconception basé sur le RGESN

Objectifs spécifiques :

Appréhender le Référentiel Général d'Écoconception de Services Numériques (RGESN)
Créer un outil de scoring d'écoconception propulsé par l'IA pour réaliser des pré-audits personnalisés basés sur le RGESN.
Objectifs transversaux :

Savoir analyser et modéliser un problème
Savoir s’organiser
Savoir collaborer
Savoir respecter un planning
Savoir présenter le travail réalisé

Programme

Phase 1 (1^er jour)

Présentation du sujet et de la problématique par les intervenants de mc2i
Présentation du travail attendu : En groupe de 3 à 5étudiants, imaginer et prototyper une solution d'évaluation « bout-en-bout », intégrant obligatoirement une Interface Homme-Machine (IHM) claire et fonctionnelle. Le recours à des solutions low-code ou no-code est autorisé et encouragé pour accélérer le prototypage, afin de permettre au groupe de concentrer ses efforts sur le paramétrage et la logique IA de la solution

Avec notamment, parmi les éléments structurant :

L'utilisation de l'IA est obligatoire dans la solution finale, quel que soit le cas d'usage choisi
Au lancement du challenge, mc2i fournira une liste de critères prioritaires du RGESN. Le groupe pourra alors :
- Se concentrer sur ces critères clés pour un prototype ciblé et bien maîtrisé,
- Ou enrichir l'analyse avec la globalité des 76 critères pour une couverture plus complète.

Phase 2 (3 jours)

Réalisation d’un mini-projet en groupe de 3 à 5 étudiants afin de créer un outil de scoring d'écoconception propulsé par l'IA pour réaliser des pré-audits personnalisés basés sur le RGESN.

Phase 3 (dernier jour)

Travail sur la présentation du résultat et présentation devant un jury composé de personnes de mc2i et de l’UTC

Un prix du meilleur projet sera remis

Fonctionnalités envisageables (exemples non exhaustifs)

À titre d'inspiration, la solution pourrait intégrer tout ou partie des fonctionnalités suivantes. La valeur du projet résidera dans la cohérence et la qualité de la solution proposée, pas dans l'exhaustivité des fonctionnalités implémentées.

Une fonctionnalité permettant à l'entreprise d'injecter facilement son contexte (ex: URL du site, dépôt de code, ou questionnaire guidé).
Une matrice de notation dynamique basée sur les critères du RGESN.
Une fonctionnalité d'ingestion et d'analyse de fichiers (ex. : code HTML, cahier des charges) par l'IA.
Un assistant conversationnel (chatbot) capable de poser des questions de contexte et de qualification à l'utilisateur.
Un module d'analyse comparative entre différents sites web ou applications.
La génération automatique d'un rapport de sortie comprenant : un score de maturité, des recommandations concrètes et un plan d'action priorisé.

Contraintes réglementaires, confidentialité & sécurité des données

Cette section constitue une contrainte technique structurante du projet. Elle devra faire l'objet d'une réflexion approfondie et d'une réponse concrète dans votre prototype.

Nature des données à risque

Dans le cadre d'un pré-audit d'écoconception, les données collectées peuvent inclure :

Des données personnelles au sens du RGPD : adresses email, noms d'utilisateurs, identifiants, adresses IP présentes dans les logs ou le code.
Des données confidentielles d'entreprise : code source propriétaire, clés d'API, tokens d'authentification, architecture technique interne.
Des données métier sensibles : cahiers des charges, stratégie produit, informations financières éventuellement mentionnées dans les documents soumis.

Mesures de sécurité attendues

Le groupe devra identifier les risques liés au traitement de ces données et proposer des réponses techniques et organisationnelles. Voici quelques exemples de pistes à explorer (exemples non exhaustifs):

Anonymisation / pseudonymisation des données avant envoi au modèle IA (suppression d'emails, noms, IPs, tokens…)
Traitement local : privilégier des modèles exécutables en local (ex : Ollama, LM Studio) pour éviter tout envoi vers des API tierces
Politique de minimisation : ne transmettre à l'IA que les fragments strictement nécessaires à l'analyse, pas les fichiers bruts complets
Journalisation & traçabilité : loguer les appels IA pour permettre un audit des données transmises
Consentement éclairé : informer l'utilisateur de ce qui est envoyé au service IA et lui permettre de valider avant envoi
Conformité RGPD : identifier si les CGU du service IA utilisé (OpenAI, Mistral, etc.) sont compatibles avec un usage en contexte professionnel

Évaluation

L’évaluation s’effectuera sous la forme d’une soutenance de 15 minutes comprenant une courte démonstration (livre ou vidéo), selon les critères présentés le 1^er jour, devant un jury composé de représentants de mc2i et l’UTC.

Catalogue Api E26