Le master Informatique de l’UFRSTN forme des spécialistes capables de concevoir, développer et piloter des solutions numériques avancées, en phase avec les besoins actuels de l’industrie et de la recherche. La formation couvre les grands domaines de l’informatique moderne  : intelligence artificielle, cybersécurité, big data, systèmes d’information, développement logiciel, réseaux, web et hypermédias. Elle se distingue par une forte orientation vers les technologies émergentes, une attention portée aux enjeux environnementaux et sociétaux du numérique, et un adossement solide à des laboratoires de recherche reconnus (LIASD, Paragraphe). Le master est proposé en formation initiale, en alternance et en formation continue, avec des dispositifs à distance pour certains parcours (notamment IID en M1 et Big Data en M2), ce qui le rend accessible aussi bien aux étudiants en poursuite d’études qu’aux professionnels en reconversion. Les deux années incluent stages et projets, un suivi individualisé, des conférences industrielles et un hackathon, afin de faciliter une insertion rapide sur un marché de l’emploi très porteur.

Parcours Ingénierie en Intelligence Artificielle (IIA)

Le parcours de M1 Ingénierie en Intelligence Artificielle prépare les étudiants à devenir des ingénieurs capables de concevoir et de déployer des systèmes intelligents dans des secteurs variés (santé, finance, industrie, ville intelligente, etc.). Il met l’accent sur la maîtrise des fondements de l’IA (apprentissage automatique, deep learning, modélisation statistique) et sur leur mise en œuvre concrète pour résoudre des problèmes complexes à partir de données réelles. Les étudiants y développent des compétences en programmation, en mathématiques appliquées et en traitement de données, tout en apprenant à choisir les algorithmes et outils adaptés aux besoins d’un projet.

En M2, le programme approfondit les techniques de deep learning, d’optimisation, de vision par ordinateur, de traitement de données complexes et de modèles prédictifs, avec un fort accent sur les cas d’usage industriels. Les étudiants y apprennent à mener un projet complet de machine learning, du recueil des données à la mise en production, en passant par l’expérimentation, l’évaluation et la documentation.

Cette formation se singularise par sa professionnalisation (stage, alternance, hackhaton en lien avec des entreprises) mais aussi son articulation étroite avec la recherche et son ouverture internationale via des intervenants extérieurs.

Elle prépare à des fonctions d’ingénieur IA, machine learning engineer, expert en vision ou en apprentissage profond, ainsi qu’à une poursuite en doctorat en intelligence artificielle.