École Privée d’Ingénierie du Niger — L’école du nouveau monde

✉ elearning@epiniger.edu.ne    🌐 epiniger.edu.ne

EPI e-Learning

L'école du nouveau monde · Plateforme e-Learning

Unité d’enseignement : GELO · S6 · UE1 — Technologies Émergentes & Marchés

  • Passation des Marchés Publics IT

    Ce cours prépare les futurs ingénieurs en génie logiciel à intervenir dans la commande publique informatique au Niger, du côté de l’acheteur (rédaction de DAO et de CCTP, évaluation des offres) comme du côté du prestataire (réponse aux appels d’offres). Il couvre le Code des marchés publics nigérien et le rôle de l’ARMP, la préparation des dossiers d’appel d’offres IT, les règles des bailleurs internationaux (BAD, Banque mondiale, PNUD) et la rédaction d’une offre technique et financière. Les références réglementaires sont présentées à titre indicatif : les étudiants apprennent à toujours vérifier les textes en vigueur.

    Objectifs d’apprentissage

    • Maîtriser le cycle complet de passation des marchés publics informatiques au Niger.
    • Préparer et analyser les dossiers d’appel d’offres IT : DAO, CCTP, BPU, critères de sélection.
    • Comprendre les procédures des marchés IT financés par les bailleurs internationaux (BAD, BM).
    • Répondre à un appel d’offres public IT en tant que prestataire : offre technique et financière.

    Prérequis

    Droit du Travail & Contrats Numériques (DTC4112, S4) ; Gestion de Projet IT — Agile/Scrum/PMBOK.

    Plan du cours

    1. Leçon 1 — Cadre Juridique des Marchés Publics IT Niger
    2. Leçon 2 — Dossier d’Appel d’Offres IT
    3. Leçon 3 — Marchés IT des Bailleurs Internationaux
    4. Leçon 4 — Réponse à un Appel d’Offres IT

    Travaux pratiques

    • TP : analyse d’un DAO réel pour un système de gestion scolaire au Niger — identification des failles (leçon 2).
    • Application : comparaison d’un DAO ARMP Niger avec un DAO BAD pour un système ERP (leçon 3).
    • TP : rédaction d’une offre complète (technique + financière) pour un marché IT fictif au Niger (leçon 4).

    Modalités d’évaluation

    Volume horaire : CM 20 h, TD 6 h, TP 0 h, TPE 14 h (CTT 40 h) — 2 crédits. Évaluation CC + ET : contrôle continu 40 % (études de cas, offre rédigée, quiz), examen terminal 60 %. Nature : mixte. Les « TP » du plan sont réalisés en TD et en travail personnel encadré.

    Bibliographie

    • ARMP Niger, Code des Marchés Publics 2023 (armp.ne).
    • BAD, Règles et procédures de passation des marchés (afdb.org — gratuit).
    • Banque mondiale, Procurement Regulations for IPF Borrowers et documents types (worldbank.org/procurement — gratuit).
    • UEMOA, directives de 2005 relatives aux marchés publics (uemoa.int).

  • Cloud Computing & DevOps

    Ce cours forme les étudiants de S6 à concevoir, automatiser et exploiter des infrastructures cloud modernes. Il couvre les services fondamentaux d’AWS et d’Azure, l’infrastructure as code (Terraform, CloudFormation, Ansible), la conteneurisation (Docker, Kubernetes, Helm) et les pratiques DevOps (CI/CD, supervision, SLO). Les exemples s’appuient sur des applications nigériennes (gestion de scolarité, portail de paiement, services municipaux) et tiennent compte des contraintes locales : latence vers les régions cloud, coût de la bande passante, souveraineté des données. Toutes les configurations fournies ont été validées par des outils (cfn-lint, ansible –syntax-check, validation de schéma Kubernetes, actionlint).

    Objectifs d’apprentissage

    • Maîtriser les services cloud AWS et Azure : compute, storage, networking, IAM.
    • Concevoir et déployer une infrastructure cloud sécurisée et scalable (Infrastructure as Code).
    • Implémenter un pipeline CI/CD complet pour une application web avec GitHub Actions.
    • Appliquer les pratiques DevOps : conteneurisation Docker, orchestration Kubernetes.

    Prérequis

    Administration Réseaux & Serveurs Windows (ASW5131, S5) ; Linux LPI 201 — Administration intermédiaire. Maîtrise de la ligne de commande Linux, de Git et de l’adressage IPv4.

    Plan du cours

    1. Leçon 1 — Fondamentaux du Cloud Computing
    2. Leçon 2 — Infrastructure as Code (IaC)
    3. Leçon 3 — Conteneurisation et Orchestration
    4. Leçon 4 — CI/CD et Pratiques DevOps

    Travaux pratiques

    • TP : déploiement d’une application web complète (VPC, EC2, RDS, S3) avec Terraform (leçon 2).
    • TP : pipeline CI/CD complet — push → tests → build Docker → deploy K8s → monitoring (leçon 4).

    Modalités d’évaluation

    Volume horaire : CM 20 h, TD 10 h, TP 10 h, TPE 20 h (CTT 60 h) — 3 crédits. Évaluation CC + ET : contrôle continu 40 % (TP, comptes rendus, quiz), examen terminal 60 %. Nature : mixte.

    Bibliographie

    • A. Wittig & M. Wittig, Amazon Web Services in Action, Manning.
    • B. Burns et al., Kubernetes: Up and Running, O’Reilly.
    • Y. Brikman, Terraform: Up & Running, O’Reilly.
    • B. Beyer et al., Site Reliability Engineering, O’Reilly (sre.google, gratuit).

  • Intelligence Artificielle & Machine Learning

    Ce cours de S6 approfondit l’intelligence artificielle moderne : réseaux de neurones profonds, architectures avancées (CNN, réseaux récurrents, Transformers), IA générative (LLM, RAG, fine-tuning) et enjeux éthiques de l’IA en Afrique. Chaque leçon combine un cours détaillé, un exemple résolu, des exercices corrigés dont les programmes ont été testés, et un quiz final vérifie les acquis. Il s’appuie sur des cas nigériens : imagerie médicale, scoring de microfinance, services publics en français et en haoussa.

    Objectifs d’apprentissage

    • Comprendre les architectures des réseaux de neurones profonds et leurs applications industrielles.
    • Implémenter et fine-tuner des modèles de Deep Learning avec TensorFlow/Keras et PyTorch.
    • Appliquer l’IA générative (LLM, RAG, prompt engineering) à des applications métier.
    • Évaluer les enjeux éthiques et sociaux de l’IA dans le contexte africain et nigérien.

    Prérequis

    Python & Data Science (PDS5141, S5) ; Statistiques & Data Analysis (SDA4122, S4). Aisance en Python (NumPy, pandas), notions d’algèbre linéaire (produit matriciel) et de dérivées.

    Plan du cours

    1. Leçon 1 — Réseaux de Neurones et Deep Learning
    2. Leçon 2 — Architectures Avancées de Deep Learning
    3. Leçon 3 — IA Générative et LLMs
    4. Leçon 4 — IA Éthique, Responsable et Applications Africaines

    Travaux pratiques

    • Exercices de programmation NumPy : MLP pour XOR, calcul d’attention, recherche par similarité.
    • TP : développement d’un chatbot RAG en français/haoussa pour un service public nigérien (leçon 4).

    Modalités d’évaluation

    Volume horaire : CM 20 h, TD 10 h, TP 10 h, TPE 20 h (CTT 60 h) — 3 crédits. Évaluation CC + ET : contrôle continu 40 % (TP, exercices, quiz), examen terminal 60 %. Nature : mixte.

    Bibliographie

    • A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow, O’Reilly.
    • I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press (deeplearningbook.org, gratuit).
    • F. Chollet, Deep Learning with Python, Manning.
    • A. Vaswani et al., « Attention Is All You Need », NeurIPS, 2017.