Ce Master en Intelligence Artificielle offre une formation pratique en machine learning, deep learning, NLP, apprentissage par renforcement, ainsi qu’en modèles génératifs, IA frugale et apprentissage scientifique. Axé sur les applications, l’éthique et la réduction des biais, il prépare à des carrières en recherche, industrie et entrepreneuriat. Merci de consulter le site (https://ai-master.lisn.fr/) avant de postuler ou de nous contacter.
Alors que l’IA transforme les industries dans le monde entier, ce Master en Intelligence Artificielle offre une formation avancée et pratique aux domaines clés de l’IA et du Machine Learning : apprentissage statistique, deep learning, traitement du langage naturel (NLP) et apprentissage par renforcement.
En intégrant des techniques de pointe comme les modèles génératifs, l’IA frugale et l’apprentissage scientifique, les étudiants acquièrent à la fois une solide base théorique et des compétences pratiques. Avec un accent sur l’application concrète, l’éthique et la réduction des biais, le programme prépare à des carrières en recherche, industrie et entrepreneuriat.
Informations
Compétences
Les diplômés de ce programme seront capables de :
- Concevoir et déployer des modèles de machine learning et de deep learning dans divers domaines.
- Mettre en œuvre des techniques avancées d’IA, y compris les modèles génératifs et l’apprentissage par renforcement, avec des frameworks modernes.
- Analyser et visualiser des jeux de données complexes pour soutenir la prise de décision fondée sur les données.
- Appliquer les principes d’une IA éthique, équitable et responsable dans des contextes réels.
- Concevoir des solutions d’IA pour des secteurs tels que la santé, la finance, les systèmes autonomes et le traitement du langage naturel.
- Développer une perspective critique sur l’histoire et l’évolution de l’IA, en reliant les idées fondatrices aux avancées actuelles.
Objectifs pédagogiques de la formation
- Fournir une compréhension approfondie de l'apprentissage automatique, de l'optimisation et des techniques de modélisation statistique.
- Donner aux étudiants une expérience pratique de la mise en œuvre de l’IA à l’aide d’outils tels que scikit-learn, TensorFlow et PyTorch.
- Développer une expertise dans des domaines spécialisés tels que le traitement du langage naturel (NLP), l’apprentissage par renforcement, les modèles génératifs et la sûreté de l’IA.
- Cultiver les compétences nécessaires pour relever les défis éthiques de l’intelligence artificielle, notamment les questions liées à l’équité, aux biais et à la transparence.
- Préparer les diplômés à occuper des postes de leadership dans la recherche, l’innovation et le déploiement de l’IA, que ce soit dans le milieu académique, l’industrie ou les startups.
Débouchés
Professionnels
Après Master + Doctorat : chercheur ou enseignant-chercheur
Consultant
Consultant·e
data scientist
Ingénieur de recherche
Ingénieur de recherche ou d'études
ingénieur.e d'étude
Ingénieur.e d’études
ingénieur développement
Ingénieur développement
Poursuite d’études
Data Scientist, Data Analyst, Ingénieur·e en Machine Learning dans des secteurs innovants (tech, finance, santé, énergie, etc.) ;
Master 2
domaines de l’apprentissage statistique, de l’intelligence artificielle ou de l’analyse de données avancée
Tarifs et bourses
Les montants peuvent varier selon les formations et votre situation.
Voie d’accès
Capacité d’accueil
Places
Public visé et prérequis
Ce parcours requiert de bonnes bases en mathématiques et en informatique:
• Probabilités et statistiques
• Algèbre linéaire
• Programmation scientifique
• Visualisation des données
• (optionnel) Calcul différentiel et intégral
Période(s) de candidature
Du 15/01/2026 au 16/03/2026
Du 17 février au 16 mars 2026
Pour connaître la plateforme sur laquelle vous devez candidater, vous trouverez plus de renseignements sur la page Candidater à nos masters. Vous trouverez ci-dessous la liste des pièces justificatives demandées sur la plateforme Inception.
Pièces justificatives
Obligatoires
Liste récapitulative des études depuis le BAC mentionnant exclusivement l'année d'étude, la formation, l'établissement, la moyenne générale et la mention obtenue.
Choix de parcours.
Copie du passeport.
Lettre de motivation.
Lettre de recommandation ou évaluation de stage.
Pièce libre.
Questionnaire rempli (à télécharger sur la page web du master).
Tous les relevés de notes des années/semestres validés depuis le BAC à la date de la candidature.
Attestation de niveau d'anglais (obligatoire pour les non anglophones).
Curriculum Vitae.
Facultatives
Résultats test GMAT/GRE.
Dossier VAPP (obligatoire pour toutes les personnes demandant une validation des acquis pour accéder à la formation) https://www.universite-paris-saclay.fr/formation/formation-continue/validation-des-acquis-de-lexperience.
Document justificatif des candidats exilés ayant un statut de réfugié, protection subsidiaire ou protection temporaire en France ou à l’étranger (facultatif mais recommandé, un seul document à fournir) :
- Carte de séjour mention réfugié du pays du premier asile
- OU récépissé mention réfugié du pays du premier asile
- OU document du Haut Commissariat des Nations unies pour les réfugiés reconnaissant le statut de réfugié
- OU récépissé mention réfugié délivré en France
- OU carte de séjour avec mention réfugié délivré en France
- OU document faisant état du statut de bénéficiaire de la protection subsidiaire en France ou à l’étranger.
| Subjects | ECTS | Semestre | Lecture | TD | practical class | Cours-TD | Lecture/practical class | TD-TP | distance-learning course | Project | Supervised studies |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Foundational Principles of ML (M1 Informatique) | Semestre 2 | 10.5 | 10.5 | ||||||||
| [AI] TC1: MACHINE LEARNING ALGORITHMS | Semestre 1 | 15 | 6 | ||||||||
| [AI] TC2: OPTIMIZATION | Semestre 1 | 12 | 4.5 | 4.5 | |||||||
| [AI] OPT4: DEEP LEARNING | Semestre 1 | 10.5 | 10.5 | ||||||||
| [AI] OPT 17: Hands-on NLP | Semestre 2 | 10.5 | 10.5 | ||||||||
| [AI] PRE1: APPLIED STATISTICS | Semestre 1 | 10.5 | 10.5 | ||||||||
| [AI] PRE2: MATHEMATICS FOR DATA SCIENCE | Semestre 1 | 12 | 4.5 | 4.5 | |||||||
| [AI] OPT 13: Theorie de l'information | Semestre 1 | 10.5 | 10.5 | ||||||||
| [AI] TC3: INFORMATION RETRIEVAL | Semestre 1 | 9 | 12 | ||||||||
| [AI] OPT 16: Creation of an AI challenge | Semestre 2 | 10.5 | 10.5 | ||||||||
| Subjects | ECTS | Semestre | Lecture | TD | practical class | Cours-TD | Lecture/practical class | TD-TP | distance-learning course | Project | Supervised studies |
|---|---|---|---|---|---|---|---|---|---|---|---|
| [DS] Ecole thématique | Annualisé | ||||||||||
| [DS] Stage court M1 | Semestre 2 | ||||||||||
| Français Langue Etrangère | Semestre 1 | 11 | 10 | ||||||||
| Anglais | Semestre 1 | 40 | |||||||||
| [SOFT] Soft skills - 3 (Formation à la vie de l'entreprise - Initiation) | Semestre 1 | 21 | |||||||||
| [SOFT] Soft skills - 4 Innovation et Entreprenariat | Semestre 1 | 21 | |||||||||