Study Programmes 2026-2027
CGDO0001-1  
Gestion 4, Outils numériques de gestion 2
Duration :
12h Th, 12h Pr
Number of credits :
Bachelor's degree in accounting2
Lecturer :
Frédéric Remy
Coordinator :
Frédéric Remy
Language(s) of instruction :
French language
Organisation and examination :
Teaching in the second semester
Units courses prerequisite and corequisite :
Prerequisite or corequisite units are presented within each program
Learning unit contents :
Exploitation des données et technologies émergentes

Ce module vise à développer la capacité de l'étudiant à exploiter les données issues des systèmes numériques de l'entreprise afin de produire des informations utiles à la gestion et à la prise de décision.

L'étudiant est amené à découvrir les principes de la Business Intelligence, des tableaux de bord et des indicateurs de performance, ainsi que les possibilités offertes par l'automatisation des processus et l'intelligence artificielle.

Une attention particulière est portée à l'utilisation critique des outils numériques : qualité des données, pertinence des indicateurs, vérification des résultats produits par les outils automatisés et protection des informations.

L'approche est essentiellement pratique et s'appuie sur des situations de gestion. 

Les temps sont donnés à titre indicatif et ne tiennent pas compte du travail à domicile et en autonomie



.1 Business Intelligence et exploitation des données - 4 h
Contenu
Pourquoi exploiter les données ?
Données opérationnelles vs données décisionnelles
Sources de données
Qualité des données
Introduction à la Business Intelligence

2. KPI et tableaux de bord de gestion - 4 h
Qu'est-ce qu'un KPI ?
Indicateurs financiers
Indicateurs commerciaux
Indicateurs opérationnels
Indicateurs de stocks
Indicateurs clients
Indicateurs de performance
Objectif / résultat / écart
Choix des indicateurs
Principes de visualisation
Erreurs à éviter
Exemple

3. Automatisation des processus de gestion - 4 h
Qu'est-ce qu'un processus ?
Tâches répétitives
Automatisation
Workflow
Déclencheur
Condition
Action
Notification
Validation
Archivage
Introduction à Power Automate ou à un outil similaire.
Exemple
Travail pratique

4. Intelligence artificielle appliquée à la gestion - 4 h
Qu'est-ce que l'intelligence artificielle ?
IA traditionnelle / IA générative
Modèles de langage
Cas d'utilisation en entreprise
Recherche et synthèse
Rédaction
Analyse de documents
Analyse de données
Préparation de rapports
Aide à la communication
Génération de formules ou de requêtes
Automatisation assistée par IA
Introduction au prompting

5. Limites, contrôle et utilisation responsable de l'IA - 4 hHallucinations
Erreurs factuelles
Données inventées
Biais
Vérification des résultats
Traçabilité
Confidentialité
Données personnelles
Données comptables et financières
Propriété intellectuelle
Validation humaine
Limites de l'IA dans la prise de décision

6. Projet intégrateur - 4h
Learning outcomes of the learning unit :
Au terme du module, l'étudiant sera capable de :

A. Exploiter des données à des fins de gestion
  • identifier les données pertinentes pour répondre à une problématique de gestion ;
  • identifier différentes sources de données ;
  • comprendre les principes de préparation et de transformation des données ;
  • sélectionner les informations pertinentes parmi un ensemble de données ;
  • interpréter les résultats obtenus à partir des données.
B. Comprendre et utiliser les principes de la Business Intelligence
  • définir la notion de Business Intelligence (BI) ;
  • expliquer la chaîne :
Données ? traitement ? analyse ? visualisation ? décision

  • comprendre le rôle d'un outil de BI ;
  • identifier les principales étapes de construction d'un rapport ;
  • construire des visualisations simples à partir d'un jeu de données ;
  • utiliser un outil de BI tel que Power BI dans un contexte de gestion.
C. Construire et interpréter un tableau de bord
  • identifier les objectifs d'un tableau de bord ;
  • sélectionner des indicateurs clés de performance (KPI) pertinents ;
  • distinguer indicateurs financiers, commerciaux et opérationnels ;
  • choisir une représentation graphique adaptée ;
  • interpréter les résultats présentés dans un tableau de bord ;
  • identifier les limites et les risques d'une mauvaise interprétation des données.
D. Comprendre les possibilités de l'automatisation
  • identifier les tâches répétitives pouvant être automatisées ;
  • représenter simplement un processus automatisable ;
  • comprendre les notions de déclencheur, condition et action ;
  • identifier les avantages et les limites de l'automatisation ;
  • concevoir un scénario simple d'automatisation d'une tâche administrative ou de gestion.
E. Utiliser l'intelligence artificielle dans un contexte professionnel
  • distinguer IA, IA générative et modèles de langage ;
  • identifier des cas d'utilisation pertinents de l'IA en gestion ;
  • formuler une demande structurée à un outil d'IA générative ;
  • utiliser l'IA pour assister certaines tâches professionnelles ;
  • analyser et vérifier les résultats produits par une IA ;
  • identifier les risques liés aux erreurs, aux hallucinations, aux biais et à la confidentialité des données ;
  • déterminer quelles informations peuvent ou ne peuvent pas être communiquées à un outil d'IA.
F. Adopter une utilisation critique et responsable des technologies À partir d'une situation professionnelle, l'étudiant sera capable de :

  • identifier les données pertinentes ;
  • choisir un outil numérique approprié ;
  • justifier ce choix ;
  • vérifier la qualité des résultats ;
  • identifier les risques liés à l'utilisation de l'outil ;
  • proposer une utilisation responsable de la technologie.
Prerequisite knowledge and skills :
Prérequis : notions de système d'information, de données, de processus, d'ERP et de CRM acquises dans le Module 1 ; maîtrise des fonctionnalités de base et avancées du tableur acquise dans l'enseignement Excel.
Planned learning activities and teaching methods :
Utilsiation d'uneédagogie basée sur la résolution de problèmes professionnels.

  • Présentations théoriques courtes ;
  • démonstrations ;
  • exercices pratiques ;
  • études de cas ;
  • analyse de données ;
  • mises en situation ;
  • travaux individuels et en groupe ;
  • utilisation d'outils numériques.
Mode of delivery (face to face, distance learning, hybrid learning) :
Présenteil 
Recommended or required readings :
Assessment methods and criteria :
Première session.

Projet intégrateur : 60 %

L'étudiant doit produire un mini outil de pilotage numérique comprenant :

  • une analyse de données ;
  • un tableau de bord ;
  • plusieurs KPI ;
  • une proposition d'automatisation ;
  • une utilisation documentée de l'IA ;
  • une vérification critique des résultats.
Évaluation individuelle : 40 %

Pour la seconde session, la pondération reste identique, si le projet n'obtient pas 10/20 en juin, il devra être amélioré et représenté, sinon la note est maintenue.

Critères de cotation des exercices.

  • Pertinence de l'analyse 25 %
  • Choix des indicateurs 20 %
  • Utilisation des outils numériques 20 %
  • Capacité à interpréter les résultats 15 %
  • Analyse critique / vérification 10 %
  • Communication professionnelle 10 %
Utilisation de l'IA interdite tant pour les laboratoires, rapports et travaux que pour l'examen. Sauf mentions contraires éventuelles dans les consignes d'un travail.
Work placement(s) :
Organizational remarks :
Cette unité d'enseignement s'inscrit dans le prolongement de l'enseignement Excel et du Module 1 « Systèmes numériques de gestion ». Elle ne vise pas l'apprentissage des fonctionnalités avancées du tableur, déjà abordées dans l'enseignement dédié, mais l'exploitation de données issues de différents systèmes numériques, leur transformation en informations utiles à la gestion et l'utilisation de technologies permettant d'automatiser et d'améliorer les processus décisionnels.
Contacts :
Frédéric.remy _at_ hers.be Remplacer -at_ par @ et enlever les accents.