Banque, assurance et crédit par région, département et ville

Dans un environnement économique marqué par la complexité croissante des écosystèmes et par l’importance stratégique des données, les mathématiques appliquées constituent un levier majeur d’innovation et de compétitivité pour les entreprises. Elles permettent de concevoir des solutions, de modéliser des phénomènes, de simuler, d’anticiper et d’optimiser les processus décisionnels, notamment dans les domaines de la finance quantitative, de l’analyse de données et du numérique.

Les mathématiques appliquées sont aujourd’hui au cœur de nombreux secteurs (télécommunications, intelligence artificielle, industrie, santé, climat, énergie, etc.) et contribuent à l’émergence de nouveaux marchés et métiers, notamment dans les sciences de la donnée. Elles interviennent à tous les niveaux de la chaîne de valeur et soutiennent les dynamiques d’innovation, y compris dans les enjeux contemporains tels que la transition climatique et énergétique.

La certification d’ingénieur en mathématiques appliquées répond à ces besoins en formant des professionnels capables de mobiliser des compétences avancées en modélisation, calcul scientifique, analyse de données et sciences financières et économiques, afin d’accompagner les évolutions du marché et des technologies. La certification permet de répondre aux besoins de ressources humaines dans les secteurs d’activité visés.

L’ingénieur diplômé en mathématiques appliquées de CY TECH occupe des postes clé dont les activités sont à l’interface entre analyse, innovation technologique et décision stratégique, dans des secteurs à forte valeur ajoutée. Les activités des ingénieurs diplômés de la certification mathématiques appliquées de CY TECH se situent dans les domaines fondamentaux du traitement des données, la modélisation mathématique et statistique, l’analyse des risques financier …

Analyse des problématiques à partir de données économiques, financières, industrielles ou sociétales, en identifiant et en cadrant la problématique, en analysant les enjeux associés (économiques, financiers, industriels ou sociétaux) et en définissant les données nécessaires à l’étude ainsi que les sources fiables permettant leur collecte.

Modélisation mathématique, statistique et/ou économique visant à représenter les relations et les structures présentes dans les données ; par l’interprétation de la variabilité de phénomènes complexes au regard de leur contexte économique ou organisationnel ; par l’intégration des incertitudes et des facteurs de risque, et en mesurant l’effet des différentes variables afin d’expliquer les phénomènes observés.

Conception et optimisation de modèles prédictifs en se basant sur l’analyse du contexte de la prédiction et la définition des objectifs et les contraintes du modèle ; par l’ajustement des paramètres sur des données d’apprentissage et par l’optimisation des modèles en recherchant un équilibre entre performance, efficacité opérationnelle et sobriété numérique.

Mise en production de pipelines de données et de solutions analytiques en pilotant des projets data, depuis la conception de schémas de données robustes et évolutifs à la mise en place et automatisation de workflows de traitement et d’analyse des données tout en définissant et en appliquant des règles de gouvernance garantissant la qualité, la traçabilité et l’usage conforme des données dans un cadre légal, déontologique et éthique.

Exploitation des architectures HPC pour le traitement de grands volumes de données dans une démarche d’IA frugale, éthique et durable, tout en optimisant le stockage des données pour un accès sécurisé et performant.

Développement et calibration de modèles quantitatifs pour l’évaluation des instruments financiers, la gestion des risques et l’optimisation de portefeuilles ; analyse de données financières massives pour anticiper les évolutions de marché et guider la prise de décision.

Interprétation et valorisation des résultats pour les équipes métiers par la mise en place d’indicateurs de performance, la traduction des analyses en supports visuels ou synthétiques (tableaux de bord, rapports, visualisations) et l’ajustement continu des résultats selon les retours et besoins des équipes métiers.

Communication technique et opérationnelle par la rédaction des documents techniques, la présentation des solutions techniques et l'assurance d'une médiation entre les enjeux techniques et les attentes métiers stratégiques.

Pilotage managérial des projets data et finance, en assurant la gestion de projet, la gestion des ressources humaines et la gestion des risques associés, afin d'intervenir dans un contexte national ou international et dans l'ensemble des branches d'activités liées aux enjeux de transition digitale, sociétale et environnementale.

L’ingénieur diplômé de CY TECH en mathématiques appliquées aux sciences des données est doté d’une double compétence en mathématiques appliquées et sciences des données répondant aux enjeux de la transformation numérique de la société. Il sait articuler avec aisance les outils mathématiques et informatiques appliqués aux données.

L’ingénieur diplômé de CY TECH en mathématiques appliquées à la finance et à l’assurance articule avec aisance les outils informatiques appliqués à la finance, la création des instruments financiers, la maitrise des risques financiers et le développement des infrastructures de marchés.

L’ingénieur de la spécialité mathématiques appliquées de CY TECH possède également des compétences managériales et techniques pour piloter projets et équipes, analyser risques et enjeux organisationnels, et assurer une gouvernance intégrant les dimensions sociétales (développement durable, protection des données, sécurité). Rigoureux, méthodique et curieux, il exploite les technologies émergentes et favorise l’innovation.

Les compétences acquises par les ingénieurs leur permettent de :

En tronc commun : - Concevoir un dispositif de collecte et de structuration de données répondant à une problématique stratégique ou sectorielle, en cartographiant les besoins et en organisant les bases de données selon des règles adaptées. - Explorer, préparer et analyser des données quantitatives et qualitatives issues de sources variées, en formulant des hypothèses et en synthétisant les résultats obtenus. - Modéliser des phénomènes complexes à l'aide de méthodes statistiques, économétriques ou d'apprentissage automatique. - Conduire des analyses prédictives pour identifier tendances, risques et opportunités au service de la décision stratégique. - Maîtriser les fondamentaux mathématiques et informatiques relatifs au traitement de données et aux algorithmes. - Analyser les besoins des utilisateurs et réaliser l'état de l'art des approches existantes, afin de cadrer un projet de modélisation mathématique. - Formaliser un cahier des charges intégrant objectifs, contraintes, solutions et livrables, pour assurer le suivi du projet. - Concevoir, implémenter et calibrer des modèles et algorithmes d'optimisation et d'aide à la décision, en simulant différents scénarios pour évaluer l'impact des choix avant leur mise en œuvre. - Évaluer la performance, la fiabilité et l'efficacité des modèles et algorithmes développés dans leur contexte opérationnel. - Piloter des projets data transverses en mobilisant les parties prenantes, dans le respect des objectifs de qualité, de délais et de performance. - Garantir la fiabilité et la gouvernance des données, en appliquant des dispositifs de contrôle qualité, de conformité réglementaire et de maîtrise des risques dans le respect des principes éthiques. - Valoriser et communiquer les résultats analytiques auprès des équipes métiers et parties prenantes, en français ou en anglais, à travers des indicateurs et des visualisations adaptés. - Documenter les analyses et modèles, afin d'assurer la traçabilité des travaux et la continuité de l'activité.

Par spécialisation : - Identifier et sélectionner des modèles d'apprentissage supervisé ou non supervisé, en s'appuyant sur l'état de l'art scientifique et technique et sur l'évaluation de leur empreinte environnementale. (Compétence optionnelle – BC4) - Concevoir des solutions de traitement de données sobres et performantes, en intégrant la sobriété énergétique dans le choix des architectures et des algorithmes de machine learning. (Compétence optionnelle – BC4) - Évaluer et optimiser la performance d'un modèle d'apprentissage, en établissant un protocole expérimental rigoureux et en ajustant ses hyperparamètres pour en garantir la robustesse. (Compétence optionnelle – BC4) - Interpréter et expliquer les prédictions des modèles d'IA, en mobilisant des méthodes d'explicabilité globale et locale adaptées aux enjeux métiers. (Compétence optionnelle – BC4) - Optimiser en continu les modèles d’IA en combinant veille scientifique, identification des biais, performance, durabilité et respect des normes éthiques et réglementaires. (Compétence optionnelle – BC4)

- Maîtriser les techniques mathématiques et numériques permettant la modélisation et la résolution de phénomènes complexes. (Compétence optionnelle – BC5) - Modéliser des phénomènes issus de domaines variés (physique, mécanique des fluides et des structures, ondes, finance, actuariat, biologie) à l’aide d’équations différentielles ordinaires (EDO), d’équations aux dérivées partielles (EDP) ou de processus stochastiques. (Compétence optionnelle – BC5) - Identifier, sélectionner et mobiliser les méthodes analytiques et numériques adaptées à la résolution de problèmes complexes. (Compétence optionnelle – BC5) - Concevoir, implémenter et appliquer des algorithmes de résolution numérique dans un langage de programmation adapté, pour répondre à des problématiques réelles, notamment industrielles. (Compétence optionnelle – BC5) - Construire des modèles probabilistes décrivant l'évolution de processus aléatoires, en analyser les propriétés et en mettre en œuvre les simulations correspondantes. (Compétence optionnelle – BC5)

- Formaliser les interactions entre agents financiers à l’aide de modèles microéconomiques afin d’expliquer l’équilibre des marchés, les mécanismes d’incitation et la valorisation des actifs. (Compétence optionnelle – BC6) - Analyser et modéliser les dynamiques macroéconomiques et monétaires de sorte à évaluer leurs effets sur les marchés financiers, les taux d’intérêt et la stabilité financière. (Compétence optionnelle – BC6) - Valoriser les produits financiers — y compris produits dérivés complexes et contrats d'assurance vie ou non-vie — à l'aide de modèles quantitatifs et actuariels (Black & Scholes, structure par terme des taux, volatilité, simulation de Monte Carlo, techniques probabilistes et statistiques). (Compétence optionnelle – BC6) - Évaluer l'exposition aux risques financiers et concevoir des dispositifs de couverture et d'allocation du capital, en structurant des positions de gestion dynamique des risques fondées sur des mesures telles que la VaR, l'Expected Shortfall et les stress tests. (Compétence optionnelle – BC6) - Exploiter des données financières massives et des modèles d'économétrie financière pour concevoir, tester et optimiser des stratégies d'investissement et de gestion des risques. (Compétence optionnelle – BC6) - Concevoir et mettre en œuvre des stratégies de gestion d'actifs, notamment la gestion active et la gestion actif-passif (ALM), en intégrant les exigences réglementaires et prudentielles (AMF, Bâle…) et les critères ESG. (Compétence optionnelle – BC6)

Niveau 4 scientifique : accès au cycle pré-ingénieur pour un parcours en cinq ans

Niveau 5 scientifique : accès au cycle ingénieur pour un parcours en trois ans.

Outre la validation des compétences détaillées ci-dessus, pour viser le titre d'ingénieur le candidat doit valider les critères suivants : - 16 semaines à l'étranger minimum avec une recommandation de 20 semaines pour la FISE ; 9 semaines à l'étranger minimum avec une recommandation de 12 semaines pour la FISA. - Au moins 28 semaines de stage dont 14 minimum en entreprise pour la FISE ; - Niveau attesté d'anglais minimum niveau B2 CECRL.

Dans les entreprises et organisation des technologies numériques pour l’analyse, la modélisation et l’aide à la décision : Banque, assurance et finance, industrie, énergie et environnement, transport et logistique, santé et biostatistiques, Marketing et e-commerce, secteur public et smart cities …

Dans les institutions et organisations du secteur financier et de la gestion des risques : Fintech, banques d’investissement et banques de détail, sociétés de gestion d’actifs et fonds d’investissement, compagnies d’assurance et réassurance, institutions financières internationales, sociétés de trading algorithmique et fintech, cabinets de conseil en finance et gestion des risques, autorités de régulation financière, bourses et marchés financiers, assurance et actuariat …

En data et intelligence artificielle : Data scientist - Data analyst - Data engineer - Data architect - Ingénieur IA - Ingénieur MLOps - Consultatnt IA - Analyste décisionnel - Business Intelligence

En finance et assurance : Quantitative Analyst / Analyste Quant - Actuaire - Risk Manager - Analyste financier - Analyste de portefeuilles - Consultant en modélisation financière - Chargé de tarification assurance - Gestionnaire de risques

En recherche et développement / innovation : Ingénieur R&D - Ingénieur modélisation et simulation - Ingénieur optimisation et algorithmique - Chercheur en mathématiques appliquées ou IA

En Gestion de projets et systèmes : Chef de projet quantitatif - Consultant en systèmes d’information - Analyste décisionnel - Responsable d’outils d’aide à la décision

En technologies émergentes et data-driven : Ingénieur vision artificielle - Ingénieur IoT analytique - Ingénieur DevOps orienté data - Architecte de systèmes d’information orientés analytics - Spécialiste sécurité et conformité des données