# RNCP24271 - Mention Informatique et Ingénierie des Systèmes complexes **Code:** RNCP24271 **État:** Publiée ## L'essentiel - **Nomenclature du niveau de qualification:** Niveau 7 - **Sigle:** MASTER — Master - **Codes NSF:** 114b - **Date d'échéance de l'enregistrement:** 31-08-2020 - **Type d'enregistrement:** Enregistrement de droit ## Certificateur(s) - Ministère de l'Enseignement Supérieur - MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE - SIRET: 11004401300040 - CY CERGY PARIS UNIVERSITE - SIRET: 13002597600015 ## Résumé de la certification ### Objectifs et contexte de la certification A compléter (Reprise) ### Activités visées Le parcours Intelligence Artificielle et Robotique (IAR) vise à acquérir des bases scientifiques en intelligence artificielle et robotique, une culture générale en sciences cognitives et neurosciences pour le traitement « intelligent » et « bio-inspiré » de l'information : modèles de réseaux de neurones, algorithmes d'optimisation, nouvelles techniques d'interface homme-machine, informatique embarquée et contrôle robotique bio-inspiré. Le parcours Méthodes pour l'Analyse des Données Complexes (MADOCs) a pour but de répondre au besoin des entreprises qui sont submergées par un flot massif de données numériques ou symboliques en provenance de sources diverses et réparties (capteurs physiques, bases de données, web,…). Les solutions logicielles recherchées se focalisent sur l'extraction de l'"intelligence" implicitement contenue dans les données elles-mêmes, en modélisant les relations fonctionnelles majeures entre ces données et les principaux objectifs de décision. Par ailleurs, les problèmes liés au fait que les données sont hétérogènes et distribuées, ainsi que le problème d'efficacité, sont abordés dans le cadre des systèmes distribués.  Modélisation et Calcul Scientifique (MCS) La R&D industrielle fait de plus en plus appel aux méthodes numériques d'une part pour la recherche et la mise au point de nouveaux produits et d'autre part pour la surveillance de leur état de fonctionnement.  Les méthodes concernent ici deux aspects.  C’est d’une part  l’analyse des données issues de mesures physiques. Les solutions logicielles doivent être conçues pour s'intercaler entre les systèmes d'acquisition de données et l'opérateur, afin de fournir en mode autonome une aide intelligente et efficace pour la prise de décision, sans intervention d'ingénieurs spécialistes de l'analyse de données. C’est d’autre part la modélisation de phénomènes physiques afin de pouvoir analyser le rôle de certains facteurs. Là, outre le développement de codes spécifiques, le travail de l’analyste porte sur l’utilisation de logiciel de calcul dans un cadre de prestation de service.    ### Compétences attestées Pour le parcours IAR, à l'issue de la formation, l’étudiant sera capable d'intégrer plusieurs technologies d'apprentissage (machine learning) et d'extraire de l'information à partir d'une base de données de grande taille (réseaux de neurones, IA, prise de décision temps-réel). Il aura acquis une connaissance des mécanismes des systèmes complexes pour la prédiction, des sciences cognitives et des neurosciences. Il sera capable de concevoir des IHMs innovantes. * Concevoir des architectures de systèmes intelligents. Développer des systèmes d'apprentissage * Concevoir des Interfaces Homme-Machine (IHM) multimodales. * Traiter des images, les indexer et les utiliser dans des systèmes. Faire de la reconnaissance automatique d'image (motif, forme, visage) et de geste (suivi de mouvement). * Organiser de bout en bout le bon déroulement d'un projet d'initiation à la recherche, rédiger un état de l'art, mettre en œuvre des expériences scientifiques, présenter des résultats. Le parcours MADOCS donne des compétences dans les domaines : #1 La programmation scientifique:  - C, Matlab - algorithmique.  #2  Les techniques de calcul pour la modélisation et la simulation en sciences et technologie :  - optimisation  - Monte Carlo #3 La modélisation, l'apprentissage statistique  et l'analyse des données : - apprentissage statistique  - analyse des données - analyse des données de type image #4  Gestion d’un projet de recherche -Organiser de bout en bout le bon déroulement d'un projet d'initiation à la recherche, rédiger un état de l'art, mettre en œuvre des expériences scientifiques, présenter des résultats. ## Secteur d'activité et type d'emploi ### Secteurs d'activités Les emplois sont essentiellement proposés par  - les sociétés de services  - les bureaux d'études  - les départements de R&D des p.m.e. et des grands groupes industriels - les laboratoires de recherche publics La formation permet également d’effectuer une thèse de doctorat. ### Type d'emplois accessibles Ingénieur de recherche en R&D, Chef de projet en Grandes entreprises, PME ou SII, Chercheur, Enseignant-Chercheur, Expert dans les domaines utilsant les moyens informatiques. ### Code(s) ROME K2108 ### Références juridiques des réglementations d'activité A compléter (Reprise) ## Marché du travail Indicateurs au niveau des familles professionnelles (FAP) des métiers visés, agrégés au niveau national — France Travail / DARES (open data). ### Besoins en main-d'œuvre (BMO 2026) - **Projets de recrutement :** 1 648 - **Jugés difficiles à recruter :** 21 % - **Emplois saisonniers :** 14 % - **Familles professionnelles (FAP) :** 1 - W0X92 — Professeurs du supérieur ## Voies d'accès **Modalités d'accès :** Formation initiale, Formation continue, Candidature individuelle, VAE ### Prérequis à l'entrée en formation A compléter (Reprise) ### Composition du jury — Formation initiale, Candidature individuelle Le jury est composé d'enseignants chercheurs ou d'enseignants ayant contribué aux enseignements. - Art 17 de la loi 84-52 du 26 janvier 1984 modifiée sur l’Enseignement Supérieur ### Composition du jury — Formation continue Le jury est composé d'enseignants chercheurs ou d'enseignants ayant contribué aux enseignements avec intervention su service de Formation Continue de l'université - Art 17 de la loi 84-52 du 26 janvier 1984 modifiée sur l’Enseignement Supérieur ### Composition du jury — VAE Enseignants, enseignants-chercheurs et professionnels dont le responsable du master de Génie Civil et un conseiller de la cellule REVA Président de jury : l'enseignant responsable des jury de VAE de l'université - Décret n° 2002-590 du 24 avril 2002 pris pour l'application du premier alinéa de l'article L. 613-3 et de l'article L. 613-4 du code de l'éducation et relatif à la validation des acquis de l'expérience par les établissements d'enseignement supérieur (JORF n°98 du 26 avril 2002 page 7513) ## Base légale - **Date d'échéance de l'enregistrement:** 31-08-2020 ## Pour plus d'informations Site de l'université de Cergy-Pontoise **Fiche officielle (France Compétences) :** https://www.francecompetences.fr/recherche/rncp/24271/ --- *Généré le 11/10/2026 à 00:05*