Dossier de référence · IA et systèmes d’information de gestion

Enseigner les systèmes d’information de gestion à l’ère de l’IA

Automatisation des processus, données, BI, RGPD, sécurité : les SI de gestion sont au cœur des usages de l’IA en entreprise, et les nouveaux programmes du DCG et du DSCG l’intègrent dès la session 2027. Ce dossier propose un générateur de TD, six TD complets avec éléments de corrigé, une grille d’évaluation qui résiste à l’IA, des astuces de classe et des formations gratuites pour les étudiants.

Mis à jour le 6 novembre 2026 · Textes vérifiés à cette date · Par Sylvain Marsol, enseignant en systèmes d’information (SI, SIC, SIRH), référent du master contrôle de gestion à l’ISTEF

2027première session des DCG et DSCG réformés ; les nouveaux programmes s’enseignent depuis la rentrée 2026
Fraudel’usage de l’IA générative sans travail personnel d’appropriation est qualifié de fraude pour le mémoire
6TD complets, du BTS au master, avec éléments de corrigé
1générateur pour adapter un TD à votre niveau et à votre règle d’usage de l’IA

L’essentiel en 6 points

  • Les SI de gestion deviennent la discipline de l’IA appliquée : données, automatisation, contrôle, sécurité, conformité. C’est là que les étudiants apprennent à s’en servir sans s’y fier aveuglément.
  • Les programmes ont bougé : au DCG, l’UE 8 fait une large place à l’analyse de données et à l’automatisation ; au DSCG, l’UE 5 intègre les usages de l’IA, la cybersécurité et la sobriété numérique.
  • La compétence qui monte est la vérification : savoir où une réponse plausible est fausse, et le prouver.
  • Les données fictives règlent la question de la confidentialité et permettent d’y cacher des anomalies : c’est ce qui rend un TD formateur.
  • La règle d’usage de l’IA s’écrit dans chaque consigne : non autorisée, outil déclaré, ou objet d’étude.
  • L’évaluation porte sur le raisonnement : justification, preuve, oral court. Un livrable bien présenté ne prouve plus rien à lui seul.

Les textes

Ce que les nouveaux programmes demandent

L’arrêté du 4 août 2025, publié au Bulletin officiel de l’enseignement supérieur du 28 août 2025, réécrit les programmes du DCG et du DSCG. Ils s’appliquent aux épreuves à partir de la session 2027.

DCG, UE 8 · Systèmes d’information de gestion

  • L’analyse de données occupe environ la moitié du volume : manipulation, requêtes, visualisation, premières notions de science des données appliquées à la comptabilité.
  • Management du SI, performance des processus (automatisation, RPA, dématérialisation des flux comptables).
  • Enjeux du SI : durabilité, frugalité, cybersécurité, RGPD.

Présentation selon une analyse de préparateur (MaxCompta) ; reportez-vous au programme officiel pour le détail.

DSCG, UE 5 · Management des SI

  • Les usages de l’IA, et son rôle dans la détection des risques.
  • « Sécuriser et rendre durable le système d’information » : RGPD, ISO 27001, directive NIS2, gestion des identités et des accès.
  • CSRD, normes ESRS, Green IT et sobriété numérique.

Même source pour la présentation ; volumes horaires dans le programme officiel.

Mémoire et usage de l’IA

  • Pour le mémoire (UE 7 du DSCG) et le rapport de stage (UE 13 du DCG), l’usage d’une IA générative qui n’est pas suivi d’un travail personnel d’appropriation des contenus produits constitue une fraude.
  • L’IA n’est donc pas interdite : c’est l’absence d’appropriation qui est sanctionnée.

Voir aussi mémoire, rapport de stage et IA : les règles.

Le règlement européen sur l’IA demande en outre, depuis le 2 février 2025, aux organisations qui utilisent l’IA de former leur personnel à un niveau suffisant de maîtrise (article 4) : les étudiants en alternance y sont exposés dès leur entreprise d’accueil.

La pédagogie

Cinq principes pour enseigner les SI avec l’IA

  1. Le processus avant l’outilUn étudiant qui sait décrire un processus et ses contrôles saura automatiser avec n’importe quel outil ; l’inverse n’est pas vrai.
  2. Des données fictives, avec des piègesDoublons, dates mal formatées, changement de RIB caché : l’erreur à trouver est le cœur du TD.
  3. La vérification comme compétence notéeRecalcul manuel, rapprochement, cas témoin : chaque résultat porte sa preuve.
  4. Une règle d’usage de l’IA expliciteDans chaque consigne, au même titre que la durée et le livrable. Voir écrire la consigne IA d’un devoir.
  5. L’IA comme objet d’étudeComparer la réponse de l’assistant à la sienne, repérer l’erreur et l’expliquer : c’est l’exercice qui forme le mieux le regard critique.

Votre outil

Générer un TD de systèmes d’information

Choisissez le thème, le niveau, la place de l’IA et la durée. Vous obtenez une trame de TD minutée, la consigne d’usage de l’IA et la modalité d’évaluation qui vont avec, et une demande prête à copier pour générer les données fictives et la liste des anomalies du corrigé.

1Le thème
2Le niveau
3La place de l'IA
4La durée

Rien n'est enregistré. Trame à adapter à votre référentiel et à votre groupe.

Six TD complets

Énoncés et éléments de corrigé

Entreprises et données fictives. Générez les jeux de données avec l’outil ci-dessus, puis refaites le TD vous-même : il arrive qu’un assistant annonce des anomalies qu’il n’a pas introduites.

TD 1 · Automatisation · BTS à licence · 2 h

Automatiser la validation des factures fournisseurs

Contexte : une PME de négoce reçoit 400 factures par mois ; la validation par courriel prend douze jours. Données : trente factures fictives, dont trois doublons et deux changements de RIB.

  1. Représentez le processus actuel (acteurs, étapes, délais).
  2. Repérez les risques et les contrôles manquants.
  3. Concevez le processus automatisé et placez-y les contrôles.
  4. Proposez trois indicateurs de suivi.
Éléments de corrigé
  • Risques : doublon de paiement, faux RIB, absence de séparation des tâches, perte de piste d’audit.
  • Contrôles attendus : rapprochement commande-réception-facture, détection des doublons (fournisseur et numéro), blocage des RIB modifiés jusqu’à vérification par contre-appel, approbation par le responsable du budget, journal des validations.
  • Indicateurs : délai moyen de validation, taux de factures en contrôle manuel, nombre d’anomalies détectées.
  • Prolongement : le flux Power Automate de contrôle des RIB.
Le piège de l’IA : elle propose volontiers un flux « tout automatique », sans validation humaine ni séparation des tâches.

TD 2 · BI · licence à master · 4 h

Construire un tableau de bord commercial fiable

Contexte : la direction commerciale veut suivre CA, marge et délais de paiement par client et par région. Données : deux cents lignes de ventes fictives, avec doublons, dates mal formatées et deux régions mal orthographiées.

  1. Nettoyez les données avec Power Query et documentez chaque étape.
  2. Construisez le modèle : table de faits, dimensions, table de dates.
  3. Écrivez les mesures et vérifiez-les à la main sur un client.
  4. Rédigez trois constats chiffrés pour la direction.
Éléments de corrigé
  • Le nombre de lignes et le total après nettoyage s’expliquent par les doublons supprimés.
  • Modèle en étoile ; la table de dates est marquée et couvre toute la période.
  • Mesures : voir le tutoriel DAX ; le délai de paiement est une approximation, à présenter comme telle.
  • Les constats citent un chiffre, une comparaison et une cause possible, sans conclure au-delà des données.
Le piège de l’IA : des formules plausibles sur des données sales. Le recalcul manuel fait apparaître l’écart.

TD 3 · Bases de données · licence · 2 h · IA objet d’étude

Interroger une base avec et sans IA

Données : quatre tables fictives (clients, commandes, lignes, factures), dont une commande sans facture et un client en double.

  1. Lisez le schéma : clés primaires, clés étrangères, cardinalités.
  2. Écrivez à la main : les commandes sans facture, le CA par région, les clients sans commande depuis six mois.
  3. Faites écrire les mêmes requêtes par un assistant, en ne lui donnant que le schéma.
  4. Comparez les résultats ligne à ligne et expliquez chaque écart.
Éléments de corrigé
  • Commandes sans facture : jointure externe gauche et test IS NULL ; une jointure interne les fait disparaître.
  • Le client en double fausse le CA par client ; il faut le repérer avant de regrouper.
  • Les requêtes complètes figurent dans le tutoriel SQL.
Le piège de l’IA : les jointures externes oubliées et les doublons non traités.

TD 4 · RGPD · licence à master · 2 h

Mettre en conformité un usage de l’IA par les RH

Contexte : le service RH veut faire résumer les entretiens annuels par un assistant d’IA. Données : la description d’un traitement fictif, volontairement incomplète.

  1. Rédigez la fiche du registre des traitements.
  2. Repérez les données excessives et sensibles.
  3. Décidez si une analyse d’impact est nécessaire et justifiez.
  4. Proposez les règles d’usage : données interdites, contrat, information des salariés, CSE.
Éléments de corrigé
  • Fiche type : voir le tutoriel registre.
  • Évaluation de salariés : vigilance sur l’article 22 du RGPD (pas de décision exclusivement automatisée) et sur le classement à haut risque du règlement sur l’IA pour la gestion des travailleurs.
  • Information préalable des salariés (Code du travail, L. 1222-4) et consultation du CSE (L. 2312-8).
  • L’outil se valide avec la fiche de validation.
Le piège de l’IA : elle déclare un traitement « conforme » sans vérifier la base légale ni la durée de conservation.

TD 5 · Sécurité · BTS à master · 2 h

Déjouer une fraude au faux fournisseur

Données : un dossier fictif : courriel de changement de RIB avec ses en-têtes, facture urgente, historique des paiements, procédure interne existante.

  1. Repérez les indices dans le courriel et la facture.
  2. Reconstituez le scénario d’attaque.
  3. Proposez la procédure de vérification.
  4. Rédigez la note d’incident et les mesures correctives.
Éléments de corrigé
  • Indices : urgence, adresse de réponse différente, échec SPF ou DKIM, RIB dans un autre pays.
  • Procédure : contre-appel au numéro connu, vérification du bénéficiaire, double validation, délai avant premier paiement.
  • Les huit règles et l’outil d’analyse : dossier fraudes.
Le piège de l’IA : un courriel rédigé par une IA n’a plus de fautes ; la vérification ne peut plus reposer sur la forme.

TD 6 · SIRH · licence à master · 4 h

Fiabiliser les indicateurs sociaux

Données : une extraction fictive de SIRH pour 180 salariés, avec des incohérences de dates.

  1. Contrôlez la qualité de l’extraction.
  2. Calculez effectif, entrées, sorties, rotation et absentéisme, avec leurs définitions.
  3. Calculez les écarts de rémunération par catégorie et repérez les groupes trop petits pour être publiés.
  4. Rédigez la note au CSE en respectant l’anonymat.
Éléments de corrigé
  • Dates de sortie antérieures aux dates d’entrée, doublons d’identifiant : à corriger avant tout calcul.
  • Chaque indicateur est accompagné de sa formule écrite.
  • Un groupe de moins de cinq personnes ne se commente pas et ne se diffuse pas.
  • Prolongement : IA et ressources humaines.
Le piège de l’IA : elle calcule sans hésiter des moyennes sur des groupes de deux personnes.

Évaluer

Une grille qui note le raisonnement

Le livrable seul ne prouve plus la compétence. Cette grille déplace les points vers ce que l’IA ne fait pas à la place de l’étudiant. Pour tester un sujet existant : mon évaluation résiste-t-elle à l’IA ?

CritèreCe qu’on attendPoids indicatif
Justesse vérifiéeLes résultats sont justes et chacun porte sa preuve : recalcul, rapprochement, cas témoin.30 %
JustificationChaque choix est expliqué, avec la règle ou la donnée qui le fonde.25 %
Regard critiqueLes erreurs, limites et hypothèses non vérifiées sont repérées, y compris celles de l’IA.20 %
Conformité et contrôleDonnées personnelles, séparation des tâches, piste d’audit sont pris en compte.15 %
Oral courtTrois minutes pour expliquer un choix tiré au sort dans le livrable.10 %

Astuces de classe

Ce qui fonctionne en salle

  • Projeter l’erreur de l’IAUne requête fausse générée en direct, corrigée par la classe : dix minutes qui valent un cours sur la vérification.
  • Un jeu de données par groupeGénérez des variantes (mêmes anomalies, valeurs différentes) : les copies identiques deviennent visibles.
  • La déclaration d’usageOutil, demandes formulées, ce qui a été modifié : trois lignes jointes au livrable quand l’IA est autorisée.
  • Le cas réel anonymiséUne fraude racontée par un alternant, un incident RGPD vécu en stage : le contexte professionnel ancre la règle.
  • L’attestation de la CNILLe MOOC de la CNIL délivre une attestation de suivi : un prérequis simple avant un TD sur le RGPD.
  • Les alternants comme relaisDemandez-leur quels outils d’IA leur entreprise autorise, et pourquoi : la discussion couvre tout le programme.

Questions fréquentes

Vos questions sur l’enseignement des SI avec l’IA

Faut-il interdire l’IA en TD de systèmes d’information ?

Pas forcément. Interdisez-la quand l’objectif est l’acquisition d’un geste de base (écrire une jointure, construire un modèle) ; autorisez-la et faites-la déclarer quand l’objectif est la conception ; faites-en l’objet d’étude quand l’objectif est le regard critique. L’essentiel est que la règle soit écrite dans la consigne.

Comment savoir si un étudiant a utilisé l’IA ?

Les détecteurs ne sont pas fiables : voir ce que valent les détecteurs d’IA. Mieux vaut une évaluation qui porte sur la justification et un oral court sur un choix du livrable.

Les étudiants peuvent-ils utiliser des données de leur entreprise d’alternance ?

Seulement avec l’accord de l’entreprise, et jamais dans un compte personnel d’IA. Pour les TD, des données fictives suffisent et permettent de cacher des anomalies.

Quel outil utiliser en classe ?

Celui dont l’établissement a validé les conditions, avec des comptes rattachés à l’établissement si possible. À défaut, l’IA comme objet d’étude peut se faire en démonstration projetée par l’enseignant, sans compte étudiant.

Sources

Citer ce dossier : Decryptia, « Enseigner les systèmes d’information de gestion à l’ère de l’IA », mis à jour le 6 novembre 2026, https://decryptia.fr/enseigner-si-gestion-ia/

La série « IA et systèmes d’information de gestion » : fraudes dopées à l’IA, les données de l’entreprise face aux assistants d’IA, IA, bases de données et BI. Pour les enseignants : le guide pour préparer ses cours avec l’IA et tous nos contenus éducation.