Les électifs Operations, Data & Artificial Intelligence for Business en bref
- Campus
- Lyon
- Type
- Domaine d'électifs
- Niveau
- M1 et M2
- Langue
- Anglais pour la plupart des électifs, plusieurs en français
- Électifs au catalogue
- 33 en 2026-2027
- Principaux enseignants
- Yeming Gong, Ajay Kumar, Benoit Loeillet, Franck Jaotombo, Jean-Baptiste Vaujour, Noël Ballay
Les électifs Operations, Data & Artificial Intelligence for Business d'emlyon regroupent 33 cours du catalogue 2026-2027, en anglais pour la plupart : analyse de données, Python, machine learning, IA, big data, modèles d'affaires numériques, lean, logistique, aide à la décision, décarbonation et financement de projets. Vous les choisissez pour composer votre propre spécialisation, avec ou sans l'un des tracks du domaine.
Ils se suivent à Lyon, en M1 comme en M2.
Pour l'entretien emlyon, ils conviennent aux candidats qui visent les métiers de la donnée et de l'IA, les opérations et la supply chain, ou le conseil en transformation, y compris sans formation d'ingénieur.
Que recouvrent les électifs Operations, Data & Artificial Intelligence for Business d'emlyon ?
Le domaine Operations, Data & Artificial Intelligence for Business est l'un des plus larges du catalogue. Il reprend les cours des tracks Conseil, Data Analyst, Data science & AI with coding et Digital Supply Chain Management, ainsi qu'Operations Strategy, du track Strategy analytics, tous présentés dans leurs fiches. Il y ajoute une quinzaine d'autres électifs.
Ces électifs se répartissent en quatre familles : la data et l'IA (Introduction to Data Analytics & Business Intelligence, Introduction to Python for Data Analysis, Business Statistics & Data Analysis, VBA pour l'entreprise, Machine Learning for business, Business analytics, AI & Business, Big Data & Cloud Computing), le numérique (Digital business models, Digital Strategy), les opérations (Lean management, Logistics management, Méthodes d'aide à la décision), et deux électifs de Jean-Baptiste Vaujour qui prolongent le conseil vers la décarbonation et le financement de grands projets (Decarbonisation: from theory to practice, International Project Finance & Management).
Débuter en data et en IA, sans profil d'ingénieur
Plusieurs électifs du domaine s'adressent à des étudiants qui n'ont jamais codé, ou presque. Introduction to Data Analytics & Business Intelligence, de Benoit Loeillet, met l'étudiant dans la peau d'un data analyst, avec un outil sans code : nettoyage et qualité des données, manipulation, visualisation, tableaux de bord, restitution et storytelling, jusqu'à l'analyse d'un vrai jeu de données tiré d'un cas.
Introduction to Python for Data Analysis, d'Ajay Kumar, prépare aux premiers postes de business analyst ou de data analyst, par la pratique de Python sur de vraies tâches d'analyse. Business Statistics & Data Analysis, de Franck Jaotombo, consolide les bases de statistique avec des séances pratiques sur logiciel, pour ceux qui visent ensuite des cours plus quantitatifs. VBA pour l'entreprise, de Delphine Billouard-Fuentes, part d'Excel pour apprendre à programmer en VBA, puis fait concevoir un tableau de bord interactif dans un jeu d'entreprise. Machine Learning for business, présenté plus bas, prend ensuite le relais.
Pour un candidat issu d'une prépa économique ou littéraire, c'est un point rassurant : à l'entretien emlyon, vous pouvez dire que vous voulez acquérir une compétence data sans prétendre être déjà technicien. Les tracks Data Analyst et Data science & AI with coding, présentés dans leurs fiches, vont plus loin.
À quels profils / projets professionnels cette spécialisation peut servir pour l'entretien emlyon ?
Ces électifs parlent d'abord aux candidats qui visent les métiers de la donnée sans venir d'une filière scientifique : business analyst, data analyst, chef de projet data ou IA. Introduction to Python for Data Analysis prépare explicitement à ces premiers postes, et AI & Business donne le recul nécessaire pour piloter un projet d'IA, avec ses biais et ses risques.
Ils conviennent aussi aux futurs professionnels des opérations, de la logistique et de l'industrie : Lean management forme à l'amélioration continue, à l'usine comme au bureau ou à l'hôpital, et Logistics management couvre l'ensemble des décisions logistiques d'une entreprise. Les deux électifs de Jean-Baptiste Vaujour parlent aux futurs consultants en développement durable et aux candidats attirés par le financement d'infrastructures et de projets d'énergie.
À l'entretien de personnalité, partez d'un problème concret que la donnée ou l'organisation aurait pu résoudre : une file d'attente interminable, un stock mal géré dans un magasin, une association noyée sous les tableurs. Dites quel électif vous apprendrait à le régler.
Quels sont les principaux électifs du domaine Operations, Data & Artificial Intelligence for Business ?
Les principaux cours présentés ci-dessous donnent un aperçu non exhaustif des électifs proposés dans ce domaine.
Non exhaustif
AI & Business
Benoit Loeillet
Le cours donne une base solide sur l'IA et une vision concrète de ses usages dans les différents secteurs. Il part des notions de base et de l'histoire de l'IA, du test de Turing aux systèmes experts, puis traite du big data et de la stratégie de données, de la qualité des données et des biais, des systèmes de recommandation, du machine learning et des usages du deep learning en entreprise.
Par des discussions et des travaux de groupe, les étudiants mesurent ce que les outils d'IA apportent, mais aussi les difficultés de leur mise en œuvre : questions éthiques, biais, fraude et analyse des risques.
Machine Learning for business
Franck Jaotombo, avec Vincent Schoots
Ouvert à ceux qui acceptent d'apprendre les bases de Python et de fournir un vrai effort, ce cours pratique initie au machine learning appliqué à l'entreprise. Chaque séance associe les principes et les grands algorithmes, puis des exercices sur des jeux de données réels ou pédagogiques, avec les bibliothèques Pandas et Scikit-Learn.
Un projet, individuel ou en groupe, court sur tout le cours : vous repartez avec un travail concret qui montre vos nouvelles compétences.
Business analytics
Imen Ben Mohamed
Le cours couvre les trois niveaux de l'analyse de données en entreprise : décrire ce qui s'est passé, anticiper ce qui va arriver, recommander une décision. Les séances alternent notions et ateliers : contexte métier des données, initiation à Python, préparation des données, visualisation et statistique, premiers modèles de machine learning, puis création et partage de rapports avec Power BI.
Big Data & Cloud Computing
Sajad Nazari
Ce cours pratique présente le big data et le cloud du point de vue de l'entreprise, avec Amazon Web Services et Apache Hadoop. Les étudiants apprennent comment les données sont stockées, traitées et exploitées à grande échelle : les « 4 V » du big data, les modèles de service du cloud, Hadoop et ses outils, Apache Spark, Databricks, les lacs et entrepôts de données.
L'objectif est de savoir concevoir une solution de données capable de monter en charge, et d'en évaluer le coût, la performance et l'effet sur l'activité, sans oublier les questions éthiques posées par ces infrastructures.
Digital business models
Frédéric Moisan
Le cours étudie ce qui crée de la valeur dans l'économie numérique : nouvelles stratégies de prix, publicité personnalisée, plateformes et effets de réseau. Les étudiants utilisent le business model canvas, puis sa version pour les plateformes multifaces, afin d'évaluer la proposition de valeur d'une activité numérique et ses arbitrages.
Une attention spéciale est portée aux modèles d'affaires des applications construites sur des plateformes numériques et sur l'IA, pour apprendre à créer de la valeur dans cette économie.
Méthodes d'aide à la décision
Yacine Rekik
« Diriger, c'est prendre des décisions et en assumer les conséquences » : le cours part de ce principe pour étudier les mécanismes psychologiques et sociologiques de la décision, dans l'urgence, la crise, le conflit ou le risque. Il met en garde contre l'excès d'obéissance et de formalisme, qui peut faire perdre le sens des responsabilités et le discernement.
En parallèle, il présente des méthodes quantitatives pour structurer une décision : les probabilités, la recherche opérationnelle, l'optimisation, la modélisation, la simulation et la décision multicritère.
Lean management
Noël Ballay
Né au Japon après la Seconde Guerre mondiale, le système de production de Toyota n'a été baptisé « Lean » qu'en 1987, par des chercheurs du MIT, et les entreprises occidentales ont longtemps cru qu'il s'agissait d'une boîte à outils. Le cours le présente comme une philosophie d'amélioration continue fondée sur le respect des personnes, qui s'applique aujourd'hui aux bureaux, à la R&D, à l'administration ou à la santé.
Les étudiants apprennent les outils (flux tirés et poussés, SMED, TRS, PDCA, A3, cinq pourquoi, cartographie de la chaîne de valeur) et les pratiques de management qui les font durer : leadership au service des équipes, visites de terrain (gemba walks), rituels visuels. Un jeu d'entreprise se déroule sur plusieurs séances, les études de cas remplacent le cours magistral dès que possible, et chaque outil est testé sur un problème réel avant d'être expliqué.
Logistics management
Yeming Gong
Le cours présente la logistique comme une composante centrale de la supply chain, et en couvre toutes les décisions : prévoir les besoins, concevoir le réseau, gérer les stocks, exploiter les entrepôts, organiser le transport de marchandises sur longue et courte distance.
Il insiste sur l'optimisation et l'analyse de cas, avec une partie consacrée aux méthodes quantitatives et une autre aux approches qualitatives, pour relier la théorie à la mise en œuvre. Yeming Gong assure aussi Operations Strategy, présenté dans la fiche du track Strategy analytics.
Decarbonisation: from theory to practice
Jean-Baptiste Vaujour
Le cours couvre toute la chaîne de la décarbonation, de la comptabilité carbone à la conception d'un plan de transformation complet pour une entreprise. Il passe de l'action de l'entreprise aux marchés du carbone et aux politiques publiques : normes concurrentes de mesure des émissions et facteurs d'émission, leviers et résistances au changement, passage du produit au cycle de vie et de l'entreprise au territoire, taxe carbone ou marché du carbone, système européen d'échange de quotas, prix interne du carbone.
Les étudiants présentent en classe des stratégies de décarbonation, et des experts du carbone peuvent intervenir sur des études de cas, selon leurs disponibilités.
International Project Finance & Management
Jean-Baptiste Vaujour
Centré sur les infrastructures et l'énergie, le cours montre comment de grands projets internationaux sont conçus, structurés, financés et gérés grâce aux techniques du financement de projet. Il traite des fonds propres, avec la constitution d'un consortium d'investisseurs et le calcul de la rentabilité, puis de la dette, avec la négociation face à un pool de prêteurs et les critères de financement.
Viennent ensuite la gestion des risques et les clauses contractuelles, l'impact environnemental et social, avec l'acceptation locale des projets, la lutte contre la corruption et les principes de l'Équateur, puis les questions juridiques et le rôle des institutions publiques. Le cours est assuré par un expert du financement de projet, avec des invités.
Comment se construit une spécialisation par les électifs ?
Selon la brochure du Programme Grande École, vous construisez en M1 une première spécialisation, par des parcours fléchés ou des cours électifs, puis vous l'approfondissez ou la diversifiez en M2. Dans ce domaine, les tracks Conseil, Data Analyst, Data science & AI with coding et Digital Supply Chain Management offrent des parcours fléchés ; les électifs servent à composer le vôtre, ou à compléter un track.
Quelques exemples de combinaisons, selon l'offre de l'année :
- Débuter en data : Introduction to Data Analytics & Business Intelligence, Introduction to Python for Data Analysis, Machine Learning for business
- IA et stratégie : AI & Business, Digital business models, Big Data & Cloud Computing
- Opérations et logistique : Lean management, Logistics management, Méthodes d'aide à la décision
- Conseil et transition : Decarbonisation: from theory to practice, International Project Finance & Management, Business analytics
À l'entretien emlyon, montrez que vous savez où vous allez : un électif pour apprendre, puis un électif pour appliquer.
Quelles compétences développe-t-on ?
Vous apprendrez à mener une analyse de données de bout en bout, avec ou sans code, à programmer en Python ou en VBA, à construire un premier modèle de machine learning, à comprendre une architecture big data et cloud, à évaluer un projet d'IA et ses risques, à concevoir un modèle d'affaires numérique, à améliorer un processus avec les outils du lean, à organiser des flux logistiques, à bâtir un plan de décarbonation et à monter le financement d'un grand projet.
Le jour de l'entretien de personnalité, ces compétences vous aident à parler de data et d'IA avec des exemples précis, plutôt qu'avec des mots à la mode.
Professeurs notables du domaine
Yeming Gong
Professeur de management science, directeur du Business Intelligence Center, responsable des électifs Logistics management et Operations Strategy
Docteur en management science de la Rotterdam School of Management (Université Érasme), Yeming Gong a été chercheur postdoctoral à la Booth School of Business de l'Université de Chicago avant de rejoindre emlyon, où il a été successivement professeur assistant, professeur associé puis professeur. Il dirige le Business Intelligence Center de l'école.
Ses recherches portent sur l'interface entre les systèmes d'information et les opérations, la logistique et la supply chain ; son profil fait état d'environ 70 articles dans des revues à comité de lecture. Il a publié Global Operations Strategy: Fundamentals and Practice (Springer, 2013), un manuel de stratégie des opérations à l'échelle mondiale, et reçu en 2009 un prix du meilleur article décerné par l'IIE (Institute of Industrial Engineers). Un rapport scientifique de MHI l'a cité parmi les dix meilleurs spécialistes de l'entreposage et de la logistique.
Pour l'entretien emlyon
Il étudie la façon dont l'information transforme la logistique. Préparez l'exemple d'un service dont vous avez vu les coulisses, un drive, un entrepôt, une plateforme de livraison, et dites ce que les données pourraient y améliorer.
Ajay Kumar
Professeur associé de business analytics, responsable de l'électif Introduction to Python for Data Analysis
Docteur en business analytics et systèmes d'information de l'Indian Institute of Technology de Delhi (2017), Ajay Kumar a été chercheur postdoctoral à la Harvard Business School (2018) puis au MIT (2019), et chargé de cours à l'Université Columbia, avant de rejoindre emlyon en 2019. Son profil fait état de plus de 40 articles publiés ou à paraître, notamment dans la Harvard Business Review et dans des revues de systèmes d'information et de recherche opérationnelle.
Ses recherches portent sur les effets de l'IA et de l'analyse de données sur l'innovation, la stratégie et la productivité des entreprises, sur les biais liés au numérique et sur la détection des fausses informations. Avec James W. Taylor, il a proposé dans l'European Journal of Operational Research (2024) un modèle d'IA explicable qui repère les fausses informations en combinant le titre, le texte et l'image principale d'un article, avec de meilleurs résultats que les méthodes fondées sur un seul type de données.
Pour l'entretien emlyon
Il travaille sur la détection des fausses informations par l'IA. Préparez l'exemple d'une fausse information que vous avez crue, ou presque, et dites quels indices auraient dû vous alerter.
Pourquoi choisir les électifs Operations, Data & Artificial Intelligence for Business et en parler pendant son entretien emlyon ?
Les électifs Operations, Data & Artificial Intelligence for Business d'emlyon associent la data, l'IA, le numérique, les opérations et la logistique, avec deux ouvertures vers la décarbonation et le financement de projets. Ils conviennent aux candidats qui veulent apprendre à décider avec des données, y compris sans formation scientifique.
À l'entretien emlyon, présentez-les comme une montée en compétence progressive, reliée à un métier précis.
Exemple : « En prépa ECG, j'ai pris goût aux probabilités, mais je n'ai jamais vraiment codé. Je veux commencer par Introduction to Python for Data Analysis, puis suivre Machine Learning for business. Mon objectif : devenir business analyst dans un club sportif, où les données servent de plus en plus à recruter et à préparer les matchs. »
