Formation en analyse quantitative et apprentissage automatique
L'industrie financière évolue rapidement. Les méthodes traditionnelles ne suffisent plus quand les marchés génèrent des téraoctets de données chaque jour. Notre programme vous prépare à cette réalité – pas seulement avec des concepts théoriques, mais avec des compétences techniques que vous pouvez appliquer directement. On ne promet pas de miracles. Juste une formation solide qui demande du travail et de la rigueur.
Un parcours adapté à votre rythme
Notre prochaine session démarre en octobre 2025. Ça vous laisse le temps de vous préparer correctement. Beaucoup de candidats sous-estiment l'engagement nécessaire – c'est environ 15 heures par semaine sur neuf mois.
Le programme mélange statistiques appliquées, programmation Python et modélisation financière. On commence par les bases solides parce que trop de gens veulent sauter directement au machine learning sans comprendre la régression linéaire. Ça ne marche pas comme ça.
Chaque module inclut des exercices pratiques basés sur des données réelles de marchés. Vous allez nettoyer des datasets désordonnés, gérer des valeurs manquantes et affronter les mêmes problèmes qu'on rencontre vraiment en entreprise. Les résultats dépendent évidemment de votre investissement personnel.
Progression sur neuf mois
Fondations statistiques et Python
Probabilités, distributions et tests d'hypothèses. Maîtrise de NumPy et Pandas pour manipuler des séries temporelles financières. On insiste beaucoup sur la propreté du code – c'est souvent négligé mais absolument crucial.
Modélisation et backtesting
Construction de modèles prédictifs avec scikit-learn. Vous apprendrez à éviter le sur-apprentissage – un piège dans lequel tombent même des analystes expérimentés. Les techniques de validation croisée deviennent votre meilleur ami ici.
Projet final et optimisation
Développement d'un système complet d'analyse quantitative sur un problème réel. C'est là que tout se connecte. Certains participants choisissent d'optimiser des portefeuilles, d'autres préfèrent la prédiction de volatilité. Le sujet dépend de vos intérêts professionnels.
Qui enseigne dans ce programme
Thibaut Mercier
Ancien de l'ENSAE, Thibaut a passé douze ans dans le trading algorithmique. Il a vu les modèles échouer pour toutes les mauvaises raisons. Maintenant il enseigne comment éviter ces erreurs dès le départ. Son approche est directe et sans fioritures.
Mélanie Vauclair
Docteure en informatique, Mélanie a développé des systèmes d'apprentissage automatique pour une grande banque parisienne. Elle insiste beaucoup sur l'interprétabilité des modèles – parce qu'un algorithme que personne ne comprend ne sera jamais déployé en production.