Stratégies de traitement des données sur Internet

Enseignants

Viseur Robert;

Langue
d'enseignement

Français

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

Compétence 1 : Elaborer des stratégies de communication qui intègrent les différents aspects de la culture numérique. Acquis d’apprentissage 1.1. Analyser de manière prospective la communication interactive et collaborative d’une organisation, son secteur d’activités et son contexte social, culturel, technologique, économique, politique et juridique. 1.3. Concevoir et mettre en oeuvre des dispositifs et des actions de communication interactive et collaborative intégrant les ressources et les contraintes humaines, financières, matérielles et juridiques d’une organisation. 1.4. Concevoir et mettre en oeuvre les procédés d’évaluation de ces dispositifs et actions de communication, savoir interpréter avec discernement les données de l’évaluation et prendre les mesures correctrices appropriées. Compétence 2 : Connaître et orchestrer les pôles technique, créatif et marketing des projets numériques en communication des organisations. Acquis d’apprentissage 2.1. Maîtriser les grands principes d’architecture, de fonctionnement et de sécurisation des réseaux informatiques et socionumériques d’une organisation. 2.2. Maîtriser les langages et les techniques des différents vecteurs de la communication (l’oral, l’écrit, la photo, la vidéo, le son, le graphisme, le multimédia). 2.3. Maîtriser les méthodes et les techniques de conception, de rédaction, d’édition, de référencement et de partage de contenus sur les médias sociaux et les plateformes collaboratives. 2.4. Maîtriser les principales méthodes et les techniques de collecte, de traitement et de visualisation des données issues du web. 2.5. Constituer, entretenir et mobiliser des réseaux de communication, tant en interne qu’en externe. 2.6. Optimiser l’animation et la modération de communautés en ligne. Compétence 4 : Mobiliser et produire des connaissances en stratégie de la communication et en culture numérique de façon étayée et méthodique, dans le cadre d’une réflexion critique ou d’un projet de recherche. Acquis d’apprentissage 4.2. A partir de savoirs multidisciplinaires, développer une réflexion critique et étayée sur les enjeux humains et sociétaux des technologies numériques, y compris les questions juridiques, déontologiques et éthiques. 4.4. Rendre compte d’une recherche et de ses résultats de façon claire, cohérente et structurée, par voie écrite et orale, et en respectant les exigences de la communication scientifique. 4.5. Actualiser ses savoirs et ses pratiques en mettant en oeuvre des techniques de veille sur le numérique, les médias sociaux et la communication interactive et collaborative.

Contenu

L’enseignement de « Stratégies de traitement des données sur Internet » développe cinq thématiques :
1. les technologies fondamentales d’Internet :

• les protocoles réseaux (résumé),
• le concept de cloud computing,
• les langages du Web (HTML, JSON, XML…),
• le concept de Web sémantique ;

2. le fonctionnement des moteurs de recherche incluant :

• le concept d’indexeur,
• l’architecture d’un moteur de recherche,
• les opérateurs de recherche avancée,
• les stratégies de recherche complexe,
• l’optimisation du référencement (SEO) ;

3. le fonctionnement des IA génératives incluant :

• les caractéristiques de ChatGPT,
• les usages et mésusages académiques des IA génératives,
• les usages professionnels des IA génératives ;

4. les outils de la communication commerciale en ligne :

• le tracking (en particulier sur le Web),
• la publicité ciblée,
• l’analyse de performances ;

5. l’étude de cas « newsbots » incluant :

• l’architecture de ce type de système,
• l’utilisation des API OpenAI (GPT),
• l’optimisation du référencement,
• les limitations des technologies utilisées,
• les impacts sur le plan des modèles d’affaires.

Le fonctionnement des moteurs de recherche et les technologies utilisées en publicité ciblée sont systématiquement mis en lien avec les technologies de base d’Internet et du Web.
Le support de cours comporte cinq modules :

• la présentation du cours,
• le fonctionnement des moteurs de recherche,
• les IA génératives,
• la publicité ciblée,
• l’étude de cas « newsbot ».

Ce support est complété par des modules supplémentaires, dont le contenu est hors matière d’examen théorique, fournis en soutien aux travaux personnels et collectifs.

Méthodes d'enseignement

Les méthodes d’enseignements incluent :

• un cours magistral,
• des travaux à domicile,
• une évaluation intermédiaire (théorie),
• un travail individuel (structure de rapport imposée),
• un travail collectif (structure de rapport imposée).

La plateforme Moodle donne accès :

• au support de cours (PDF),
• aux articles dont la lecture est imposée,
• aux ressources dont la consultation est conseillée,
• à un test formatif (préparation aux QCM),
• aux dépôts des travaux.

Modes d'évaluation
des acquis des étudiants

Première session :
L'évaluation est progressive et inclut trois épreuves complémentaires :

• un examen de connaissance (30%) à mi-parcours portant sur un ensemble de concepts préalablement communiqués et présentés dans le support de cours (modalité : examen écrit hors session),
• un travail pratique individuel (20%) portant sur la présentation brève de deux cas pratiques de traitement de données et mobilisant les concepts assimilés (modalité : remise d'un rapport hors session),
• un travail pratique de groupe (50%) mobilisant des outils collaboratifs ainsi que les concepts assimilés et portant sur l'analyse approfondie et la présentation d'un cas pratique de traitement de données (modalité : remise d'un rapport commun).

Les 3 épreuves doivent être présentées.
Tout travail incomplet, bâclé et/ou non relu est refusé.
Tout travail non remis ou remis hors délais sans justification
officielle (p. ex. certificat), est considéré comme non déposé, ce qui
entraîne de facto l’échec de l’UE toute entière.
Seconde session :
En seconde session, l’examen prend la forme d’un examen théorique classique sur
base de la matière comprise dans le support de cours.

Bibliographie

• Allary, J., & Balusseau, V. (2018). La publicité à l'heure de la data: Ad tech et programmatique expliqués par des experts. Dunod.
• Cardon, D. (2019). Culture numérique (Vol. 5). Paris: Presses de sciences Po.
• Mesguich, V., & Thomas, A. (2013). Net recherche 2013: surveiller le web et trouver l'information utile. De Boeck.
• Viseur, R. (2023). Éthique du dropshipping SEO à l’ère des IA génératives. Management & Datascience.
• Viseur, R. (2021). Du tracking, des contre-mesures et de leur efficacité dans la publicité ciblée. Revue ouverte d’ingénierie des systèmes d’information, 2(1).

Voir la bibliographie complète intégrée au support de cours sur Moodle.

Faculté ou entité
en charge

> ESPB