Programme des enseignements

L’objectif est de former des ingénieurs experts en statistique et modélisation stochastique et capables de s’adapter à tous les domaines où les statistiques sont nécessaires. Dans cette optique, les cours dispensés ont pour objectifs de renforcer et d’élargir les compétences en modélisation statistique des étudiants et de leur fournir des compétences pluridisciplinaires et transversales. A l’issue de leur formation, les étudiants de cette filière auront les compétences spécifiques suivantes :

• Savoir introduire de nouvelles méthodes statistiques et expertiser les pratiques existantes ;
• Capacité à mettre en œuvre des méthodes d'analyse d'image ainsi que les techniques de filtrage ;
• Capacité à mobiliser et d'utiliser à bon escient des outils d'aide à la décision dans le domaine de la gestion des risques (industriels (fiabilité-qualité), environnementaux et financiers) ;
• Capacité à construire des modèles complexes ou novateurs de prévisions ;
• Capacité à s’adapter à des problématiques provenant de différents secteurs d’activités comme l’industrie, le secteur bancaire, l’environnement, les services, en maîtrisant les techniques statistiques requises (statistique bayésienne, statistique des processus, chaînes de Markov, machine learning…) et les modalités de traitement des données massives ;
• Capacité à innover et à mener des activités de recherche en statistique fondamentale et appliquée.

Pour répondre aux exigences de la filière, en plus du tronc commun à tous les élèves de troisième année, l’enseignement est divisé en quatre unités d'enseignement (UE). L’accent est placé sur la maitrise des outils probabilistes et statistiques pour la modélisation de processus aléatoire dans le domaine de l’industrie. Les thématiques principales abordées incluent la statistique des processus, les systèmes dynamiques aléatoires, le filtrage particulaire, la qualité et la fiabilité, le traitement de l’image et l’analyse de survie. La filière intègre également une UE sur l’apprentissage automatique permettant d’acquérir de l'expérience dans l'utilisation et le développement des techniques d’apprentissage automatique (Machine Learning, Deep Learning) et de maîtriser les traitements de données volumineuses et hétérogènes. Transversalement à ces unités d'enseignement, les applications en informatique (R, Python, Matlab) sont omniprésentes à travers les divers projets qui jalonnent la filière.

Des séminaires professionnels présentent la richesse des métiers offerts en ingénierie statistique et sont en même temps l’occasion d’une présentation par les praticiens des outils ou modèles statistiques utilisés dans l’entreprise. La pratique de la langue anglaise est renforcée, à travers la rédaction et présentation d’un projet méthodologique correspondant à une initiation à la veille scientifique sur une durée de cinq mois, et à travers certains enseignements pouvant être dispensés en anglais.

L’ENSAI offre la possibilité aux élèves de 3ème année qui le souhaitent de se préparer en vue d'une carrière de chercheur en entreprise au sein des services Recherche et Développement ou dans le secteur académique. Dans le cadre de l'option formation par la recherche (Ofpr), ces élèves bénéficient au cours de leur dernière année d’études à l’ENSAI d’un aménagement de leur scolarité qui leur permet de suivre le master 2 de mathématiques fondamentales parcours Aléa à l'Université de Rennes . La filière comprend ainsi des cours fondamentaux et théoriques en statistique sur lesquels vont s'appuyer le parcours recherche.

A l’issue de ce parcours, ils pourront poursuivre cette formation par une thèse académique ou de type Cifre (Convention Industrielle de Formation par la Recherche).

Chaque année, sur l’effectif total de la filière, environ un tiers poursuit ses études par une thèse Cifre ou académique. Les thèses académiques sont en général encadrées dans des laboratoires de recherche de l’Inserm, de l’Inria, du Crest, du CNRS, de l’Inra ou dépendant d’autres Grandes Écoles. Les thématiques principales de recherche, couvrent de nombreux domaines comme l’industrie, les sciences de l'ingénieur, la fiabilité, l’énergie et l’environnement, la biologie, la santé. A l'issue de la thèse, les types d'emploi possibles sont : chercheurs et enseignants chercheurs dans le domaine des mathématiques appliquées et ingénieurs de recherche (industrie, sociétés de service, ...). Parmi les entreprises signataires de thèses Cifre ou organismes de recherche, on peut citer Renault SA, EUROCOPTER, Thales, Safran, Airbus, SNCF, Orange, EDF, AXA, BNP, ONERA, INRA, INRIA, CEA…

La filière permet aux étudiants d'accéder aux métiers de la recherche et de l'ingénierie de l'aléatoire dans les domaines de l'industrie, dans les sociétés de conseils et les organismes nationaux d'études et de recherche. Les secteurs concernés sont l'aéronautique, l'agroalimentaire, l'environnement et l’énergie, l’assurance et finance, le biomédical. L'équipe pédagogique collabore, par le biais de contrats de recherche ou de suivi pédagogique, avec EDF, RTE, Air liquide, SNCF, Météo France, Safran, Thales, AIRBUS, IFREMER, Orange, CEA, INRIA, INRA. L’introduction des séminaires consacrés aux études de cas réels, la pratique des principaux logiciels statistiques, les nombreux projets associés à certains enseignements et les stages en milieu professionnel contribuent à former des ingénieurs opérationnels en milieu professionnel. Les débouchés principaux sont : data-scientist junior, ingénieur R&D, ingénieur sureté et fonctionnement, ingénieur qualité, consultant statisticien au sein de bureaux d'études de grandes entreprises et d'organismes publics, ...