Ingénieur Informatique

• Consulter le détail des matières et volumes horaires du département Informatique

Questions courantes :

Étudie t-on la cybersécurité ?
Le cursus ingénieur en informatique ne vise pas de manière exclusive ce sujet et ne comporte pas d'enseignements majeurs liés aux questions organisationnelles de sécurité et de défense. Par contre, il fournit de nombreux enseignements essentiels à la constitution progressive d'une compétence en sécurité dès les années bac+3 et bac+4: statistiques de base et avancées, analyse et fouille de données, gestion de la connaissance, système d'exploitation et bases de données, réseaux, cryptographie, traitement des signaux et de l'image, puis dans l'option RSC en année bac+5, une UE spécifique de sécurité des systèmes et des réseaux. Le choix de projets, en lien avec entreprise et laboratoire, et stages sur ce thème permet d'approfondir le domaine. Le poster "Que deviennent les diplômé.e.s ?" plus bas dans cette page illustre des parcours possibles dans ce secteur.

Étudie t-on l'intelligence artificielle et le big data ?

L’intelligence artificielle est un domaine large et profond en termes scientifiques, technologiques et applicatifs, qui va bien au delà d'effets de mode médiatique et d’une matière en particulier. C’est la coloration thématique majeure de la formation en informatique à Polytech Nantes, couvrant à la fois les aspects «data scientist » (plus orienté sur l’analyse des données et l'apprentissage) et « data engineering » (plus orienté sur l'infrastructure de gestion/exploitation des données) sachant que les solutions réelles nécessitent généralement tout le spectre de compétences. Pour l’asseoir solidement, cette compétence est construite comme une séquence de 8 à 12 matières (CM, TD, TP, projets courts) organisées sur 4 ou 5 semestres selon les parcours choisis, soit au total général autour de 150h à 200h d'enseignements et activités, auxquels s’ajoutent pour certains des projets longs industriels et/ou recherche de 4A et 5A (2 x 150h). Ces enseignements couvrent et croisent :

• Les mathématiques, modèles et algorithmes pour l'IA : algèbre, statistiques et probabilité, théorie de l’information, décomposition sur des fonctions,   théorie des graphes, c'est à dire les sujets de fondation classique préalables au machine learning (cf. par ex. Deep learning, Bengio et al. ou Pattern Recognition and Machine Learning, Bishop) , modélisation-estimation-prédiction statistique, optimisation et exploration combinatoire, analyse multivariée de données, apprentissage et fouille de données (réseaux de neurones, réseaux bayesiens), gestion de connaissances et de sémantique, inférence logique, décision multi-critères, données séquentielles
• La méthodologie expérimentale pratique de l’analyse de données et de l'apprentissage (conception et interprétation d'expériences) et la pratique du logiciel courant associé (R, python, librairies classiques de réseaux de neurones)
• L'infrastructure et la performance pour les masses de données : compréhension des mécanisme internes conditionnant la performance des bases de données, bases de données avancées (NoSQL), spatiales et temporelles, parallélisme et algorithmique de passage à l'échelle
• Les secteurs particuliers et applicatifs de l'intelligence artificielle : l'image numérique, le langage naturel, les systèmes à recommandation, les systèmes interactifs conversationnels ; les technologies (anonymisation) et enjeux de la vie privée et les aspects socio-économiques des données personnelles, la visualisation de données.

Les débouchés en science et ingénierie des données et de l'intelligence artificielle de nos diplômés sont nombreux, attestés par les stages de fin d'études et emplois, dans des secteurs très variés. La majorité des enseignants-chercheurs de l'équipe pédagogique exerce son activité de recherche dans ce domaine, ce qui permet de nombreuses opportunités de liens étudiants-laboratoire LS2N pendant le cursus, sous forme de projets et de stages.

Exemples de stages d'année bac+5 qui ont lieu 2019-2020 dans ce domaine :

• Deep learning en imagerie médicale (entreprise, en collaboration avec le laboratoire LS2N)
• Réseaux bayesiens pour l'analyse de données bancaires (laboratoire, en collaboration avec une entreprise)
• Workflow de machine learning Tensorflow (Ministère des Armées)
• Reconnaissance d'écriture manuscrite par réseaux neuronaux (entreprise leader du domaine)
• Suivi de la santé des éoliennes avec des réseaux bayesiens (Engie)
• Analyse de l'activité d'une exploitation agricole par apprentissage visuel profond (PME canadienne)
• Analyse de satisfaction client par reconnaissance de scène visuelle (groupe national de grande distribution)
• Algorithmique distribuée d'apprentissage statistique pour la recommandation de produit (Tencent Inc., Chine).
• Deep learning pour l'aéronautique et la défense (Delfox)
• Utilisation de Tensorflow pour Google Ads (Google, Mountain View)
• Etude de l'IA pour la sécurité (Thalès Service)
• Apprentissage par renforcément pour améliorer la fiabilité des données (Talend)

      + voire exemples de poursuite en recherche doctorale en IA, plus bas dans cette page.

L'informatique, c'est programmer ?
On a l'image de l'ingénieur en informatique comme quelqu'un qui fabrique, qui «code» du logiciel, devant son écran. La programmation logicielle est aussi généralement la première rencontre avec l'informatique, par un premier enseignement au lycée ou au début des études, ou comme hobby.

Or, si l'écriture de logiciel est centrale dans ce secteur, les activités possibles et effectivement exercées par ces diplômés sont beaucoup plus variées. Beaucoup d'ingénieurs dans le domaine de l'informatique passent une grande majorité de leur temps de travail à faire autre chose que du codage informatique, même s'ils ont acquis une solide compétence sur ce point par leur études et généralement leur début de carrière, mais ils et elles font quand même de l'informatique ! L'analyse des besoins et objectifs, qui peuvent concerner des secteurs socio-économiques très divers, la mission de conseil, la conception des architectures de solutions, l'organisation des projets dans le temps et la coordination d'équipe, la veille sur les technologies et usages émergents, la réflexion autour de services nouveaux, occupent beaucoup les ingénieurs en informatique. Ces activités font appel à d'autres qualités: dialogue humain, capacité à organiser, créativité et rigueur. Certaines orientations de carrière vont aussi faire appel à des expertises technologiques ou scientifiques plus spécifiques (réseau/sécurité, spécialiste en décisionnel, interaction homme-machine,... ). Cette diversité donner la possibilité d'orienter sa trajectoire professionnelle selon ses goûts.

Quels langages sont enseignés dans la formation ?
La formation ingénieur a des objectifs bien plus larges que celui d'apprendre à programmer. Toutefois, la programmation est au coeur de la formation, comme sujet étudié puis, de plus en plus, comme outil pour travailler sur d'autres sujets (réseaux, intelligence artificielle, science des données, multimédia, bases de données,...) et, d'autre part, dans le cadre plus large du génie logiciel où il s'agit d'apprendre à développer de manière fiable et collective du logiciel de grande taille.

L'enseignement de l'algorithmique s'appuie sur le langage Python. Il est suivi par l'enseignement du langage C, puis de la programmation objet, avec Java et C++ comme langages supports. Les étudiants manipulent également beaucoup SQL pour les bases de données. Des langages de fondements différents (prolog pour l'intelligence artificielle, OCaml pour la programmation fonctionnelle) sont étudiés. Enfin, plusieurs langages supplémentaires sont manipulés dans le cadre des enseignements de technologies web (javascript, CSS), statistiques (R), signal (Matlab), IA et image-multimédia (python pour la science des données)