ECTS
120 crédits
Durée
2 ans
Composante
Sciences économiques, gestion, mathématiques et informatique
Présentation
L'offre de formation pour la rentrée 2026 est en cours de construction. À titre indicatif, vous pouvez consulter l'offre 2025-2026.
Le marqueur fort du master IES-D3S est le haut niveau de multi-disciplinarité, gage d’une capacité de recul sur les données et d’adaptation aux besoins variés des entreprises.
Si la thématique de l’innovation est placée au centre de la pédagogie, avec pour objectif de montrer comment les problématiques économiques et managériales se croisent avec celles des Data Sciences dans ce domaine riche en données d’origine et de nature très diverses, les compétences développées par les étudiants ne s’y limitent pas.
Les secteurs visés sont aussi bien ceux de la banque (scoring pour le crédit par exemple), que de la finance (notation extra-financière des entreprises), du développement durable (construction d’indicateurs de la RSE), de l’énergie (optimisation de la production et du stockage en lien avec la décentralisation du secteur) ou d'autres secteurs pour lesquels les données économiques jouent un rôle important.
Les diplômés sont amenés à exercer leur métier soit au sein de grandes entreprises de ces secteurs disposant de services d’études dédiés, soit au sein de structures spécialisées dans le conseil et la prestation de services aux entreprises de ces secteurs.
Objectifs
Le master IES-D3S vise à former des ingénieurs maîtrisant toute la chaîne de collecte, mise en forme, traitement et exploitation des données économiques, financières et extra financières utiles aux entreprises pour penser et faire évoluer leur stratégie.
Savoir-faire et compétences
A l'issue de la formation, les diplômés disposent, d’une part, de solides compétences en économie et gestion, indispensables pour comprendre la nature des données et l’information qui peut en être extraite afin de créer de la valeur au sein de l’entreprise et, d’autre part, d'une parfaite maîtrise des méthodes informatiques statistiques et mathématiques permettant la collecte, la mise en forme et le traitement de ces données.
Organisation
Le master comporte deux parcours:
- le parcours Data Science for Social Sciences (D3S) qui peut être intégré à l'issue d'une Licence mention Economie, d'une Licence mention Economie & Gestion (parcours économie), d'une Licence mention MIA-SHS, d'une Licence mention Mathématique, d'une MIAGE ou éventuellement une autre formation comparable suivie en France ou à l'étranger.
- le parcours CMI-D3S qui ne peut être intégré qu'en ayant suivi le parcours sélectif CMI-D3S au sein de la Licence mention Economie Gestion de l'Université Paris Nanterre. Ce parcours est le seul à disposer du label Cursus Master en Ingénierie correspondant à l'accréditation par le réseau FIGURE. Ce parcours ouvrira en septembre 2023, la première promotion de L1 ayant été enrolée en septembre 2020.
Une très grande majorité des cours est commune aux deux parcours. La parcours CMI-D3S comporte des cours additionnels, souvent sous forme d'atelier et de mise en pratique.
Les deux parcours peuvent être suivis en alternance.
Ouvert en alternance
Cet enseignement est ouvert en alternance.
Programme
Sélectionnez un programme
Data Sciences for Social Sciences
L'offre de formation pour la rentrée 2026 est en cours de construction. À titre indicatif, vous pouvez consulter l'offre 2025-2026.
Ce parcours s'adresse aux étudiants titulaires d'une Licence mention Economie, d'une Licence mention Economie & Gestion (parcours économie), d'une Licence mention MIA-SHS, d'une Licence mention Mathématique, d'une MIAGE.
L'accès à partir d'une autre formation comparable suivie en France ou à l'étranger peut être envisagée.
Ce parcours ne confère pas aux étudiants le bénéfice du label Cursus Master en Ingénierie (CMI).
UE Connaissances et compétences disciplinaires fondamentales
18 créditsUE Méthodes informatiques
6 créditsBases de données avancées
3 crédits30hFondamentaux en machine learning
3 crédits30h
UE Méthodes mathématiques et statistiques
6 créditsAnalyse des données
3 crédits30hEconométrie des séries temporelles / données haute fréquence
3 crédits30h
UE Information économique et financière
6 créditsEconomie et droit des données et du numérique
3 crédits24hInformation comptable, financière et extra financière
3 crédits24h
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsMise à niveau en informatique
3 crédits12hProgrammation avancée
3 crédits30h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Projets académiques et professionnels
3 créditsGestion de projets
3 crédits18h
UE Connaissances et compétences disciplinaires fondamentales
15 créditsUE Méthodes informatiques
6 créditsFondamentaux sur les données non structurées
3 crédits30hUtilisation de l'IA dans un acdre académique et prof
3 crédits24h
UE Méthodes mathématiques et statistiques
3 créditsStatistique et analyse Baysiennes
3 crédits30h
UE Information économique et financière
6 crédits
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsProjet tuteuré pluri annuel
6 crédits24h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Stage ou Travail personnel de Recherche
6 créditsStage ou mission d'apprentissage
6 crédits
UE Connaissances et compétences disciplinaires fondamentales
19,5 créditsUE Méthodes informatiques
6 créditsDonnées non structurées : Data Analytics et Data Lake
3 crédits36hApprofondissements en machine learning
3 crédits36h
UE Méthodes mathématiques et statistiques
6 créditsThéorie et pratique des graphes et réseaux
3 crédits36hMicroéconométrie
3 crédits36h
UE Information économique et financière
7,5 créditsApprofondissements en économie de l'entreprise et innovation
4,5 crédits36hExploitation de l'information brevet
3 crédits36h
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsProjet tuteuré pluri annuel
6 crédits24h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Projets académiques et professionnels
1,5 créditsActivité en lien avec la vie de la formation
1,5 crédits
UE Connaissances et compétences disciplinaires fondamentales
9 créditsAnalyse sémantique de données textuelles
4,5 crédits36hSolutions techniques pour le big data et l'informatique
4,5 crédits36h
UE Stage ou travail de recherche
21 créditsStage ou mission d'apprentissage
21 crédits
Data Sciences for Social Sciences Cursus Master en Ingénierie - CMI
L'offre de formation pour la rentrée 2026 est en cours de construction. À titre indicatif, vous pouvez consulter l'offre 2025-2026.
Le parcours CMI-D3S ne peut être intégré qu'en ayant suivi le parcours sélectif CMI-D3S au sein de la Licence mention Economie & Gestion de l'Université Paris Nanterre. Il correspond donc à une formation sur 5 ans couvrant les niveaux L et M.
Ce parcours est le seul à disposer du label Cursus Master en Ingénierie accordé suite à l'accréditation par le réseau FIGURE.
Ce parcours ouvrira en septembre 2023, la première promotion de L1 ayant été enrôlée en septembre 2020.
UE Connaissances et compétences disciplinaires fondamentales
18 créditsUE Méthodes informatiques
6 créditsBases de données avancées
3 crédits30hFondamentaux en machine learning
3 crédits30h
UE Méthodes mathématiques et statistiques
6 créditsAnalyse des données
3 crédits30hEconométrie des séries temporelles / données haute fréquence
3 crédits30h
UE Information économique et financière
6 créditsEconomie et droit des données et du numérique
3 crédits24hInformation comptable, financière et extra financière
3 crédits24h
UE Connaissances et compétences d'approfondissement
6 créditsMise à niveau en informatique
3 crédits12hProgrammation avancée
3 crédits30h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Projets académiques et professionnels
3 créditsGestion de projets
3 crédits18h
UECO UE supplément CMI
9 créditsAtelier d'analyse conjoncturelle
4,5 crédits30hAtelier mathématiques et probabilités
4,5 crédits30h
UE Connaissances et compétences disciplinaires fondamentales
15 créditsUE Méthodes informatiques
6 créditsFondamentaux sur les données non structurées
3 crédits30hUtilisation de l'IA dans un acdre académique et prof
3 crédits24h
UE Méthodes mathématiques et statistiques
3 créditsStatistique et analyse Baysiennes
3 crédits30h
UE Information économique et financière
6 crédits
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsProjet tuteuré pluri annuel
6 crédits24h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Stage ou travail personnel de recherche
6 créditsStage ou mission d'apprentissage
6 crédits
UECO UE supplément CMI
3 crédits
UE Connaissances et compétences disciplinaires fondamentales
19,5 créditsUE Méthodes informatiques
6 créditsDonnées non structurées : Data Analytics et Data Lake
3 crédits36hApprofondissements en machine learning
3 crédits36h
UE Méthodes mathématiques et statistiques
6 créditsThéorie et pratique des graphes et réseaux
3 crédits36hMicroéconométrie
3 crédits36h
UE Information économique et financière
7,5 créditsApprofondissements en économie de l'entreprise et innovation
4,5 crédits36hExploitation de l'information brevet
3 crédits36h
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsProjet tuteuré pluri annuel
6 crédits24h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Projets académiques et professionnels
1,5 créditsActivité en lien avec la vie de la formation
1,5 crédits
UECO UE supplément CMI
12 créditsDatanomics
3 crédits24hValorisation du projet tuteuré
9 crédits48h
UE Connaissances et compétences disciplinaires fondamentales
9 créditsAnalyse sémantique de données textuelles
4,5 crédits36hSolutions techniques pour le big data et l'informatique
4,5 crédits36h
UE Stage ou travail personnel de recherche
21 créditsStage ou mission d'apprentissage
21 crédits
Admission
Capacité d'accueil
Master 1: 30
