Brique 1A 2020 - 2021 V2

Brique des enseignements de première année 2020/2021
PROGRAMME
DES ENSEIGNEMENTS DE 1RE
ANNEE
ANNÉE SCOLAIRE 2020 / 2021
Version du 01/12/2020
1
PROGRAMME DES ENSEIGNEMENTS DE 1re ANNEE

ANNEE SCOLAIRE 2020-2021
PRESENTATION GENERALE DES ENSEIGNEMENTS ....................................................................................................... 1

1 LES GRANDS DOMAINES D'ENSEIGNEMENT ............................................................................................................. 4
2 TABLEAU SYNOPTIQUE DES ENSEIGNEMENTS DE 1RE ANNEE .................................................................................. 7
3 CORPS ENSEIGNANTS ET CORRESPONDANTS ..........................................................................................................11
UE 1-01 : PROBABILITES ET COMPLEMENTS MATHEMATIQUES ................................................................................... 13
REMISE A NIVEAU EN MATHEMATIQUES ...........................................................................................................14
COMPLEMENTS DE MATHEMATIQUES ..............................................................................................................15
MATHS: INTEGRATION ......................................................................................................................................16
IES: INTEGRATION .............................................................................................................................................17
MATHS: PROBABILITES ......................................................................................................................................18
IES: PROBABILITES GENERALES ..........................................................................................................................19
UE 1-02 : STATISTIQUE DESCRIPTIVE ............................................................................................................................. 20
STATISTIQUE DESCRIPTIVE ET SAS .....................................................................................................................21
INTRODUCTION AU LANGAGE SAS.....................................................................................................................22
OUTILS BUREAUTIQUES POUR LE STATISTICIEN .................................................................................................23
UE 1-03 : BASE DE DONNÉES ET FONDEMENTS INFORMATIQUES ................................................................................ 24
ALGORITHMIQUE ET PROGRAMMATION ...........................................................................................................25
ALGORITHMIQUE ET COMPLEXITE .....................................................................................................................26
BASES DE DONNEES RELATIONNELLES ...............................................................................................................27
UE 1-04 : MODELISATION ECONOMIQUE 1 ................................................................................................................... 28
MODELISATION MICROECONOMIQUE ...............................................................................................................29
QUESTIONS MACROECONOMIQUES CONTEMPORAINES ...................................................................................30
PROJET DE MACROECONOMIE ..........................................................................................................................31
INTRODUCTION AUX SCIENCES SOCIALES ..........................................................................................................32
UE 1-05 : HUMANITES ................................................................................................................................................... 33
ANGLAIS ............................................................................................................................................................34
COURS D’OUVERTURE .......................................................................................................................................36
LANGUES OPTIONNELLES ..................................................................................................................................38
PARTICIPATION AUX ACTIVITES ASSOCIATIVES .................................................................................................39
SPORT ................................................................................................................................................................41
UE 1-06 : STATISTIQUE INFERENTIELLE ......................................................................................................................... 42
INTRODUCTION A LA STATISTIQUE INFERENTIELLE ............................................................................................43
INTRODUCTION AUX TESTS STATISTIQUES ........................................................................................................44
UE 1-07 : INTRODUCTION A L’APPRENTISSAGE STATISTIQUE ....................................................................................... 45
OPTIMISATION ET METHODES NUMERIQUES ....................................................................................................46
STATISTIQUE EXPLORATOIRE ET MULTIVARIEE ..................................................................................................47
STATISTIQUE AVEC R .........................................................................................................................................48
UE 1-08 : PROGRAMMATION AVEC PYTHON ................................................................................................................ 49
INTRODUCTION A LA PROGRAMMATION ORIENTEE OBJET ET DOCUMENTATION DU CODE .............................50
PROJET TRAITEMENT DE DONNEES ...................................................................................................................52
UE 1-09 : MODELISATION ECONOMIQUE 2 ................................................................................................................... 53
MODELISATION MACROECONOMIQUE .............................................................................................................54
PROJET D'ECONOMIE.........................................................................................................................................55
PRINCIPES DE GESTION DES ORGANISATIONS ...................................................................................................56
QUANTIFICATION ECONOMIQUE .......................................................................................................................57
UE 1-10 : MENER UNE ETUDE STATISTIQUE ET COMMUNIQUER LES RESULTATS ......................................................... 58
PROJET STATISTIQUE .........................................................................................................................................59
2
TECHNIQUES REDACTIONNELLES .............................................................................................................................. 60

UE 1-11 : HUMANITES ................................................................................................................................................... 61
ANGLAIS ............................................................................................................................................................62
COURS D’OUVERTURE .......................................................................................................................................64
LANGUES OPTIONNELLES ..................................................................................................................................66
PARTICIPATION AUX ACTIVITES ASSOCIATIVES .................................................................................................67
STAGE OPERATEUR INGENIEURS .......................................................................................................................69
STAGE OPERATEUR ATTACHES...........................................................................................................................70
LA PREVENTION DES DISCRIMINATIONS ............................................................................................................71
SPORT ................................................................................................................................................................72
3
Présentation générale des enseignements

Créée il y a 20 ans, l’Ensai est l'une des deux grandes écoles d’ingénieurs avec l'Ensae à être spécialisée dans le
traitement de l’information et la statistique. Le secteur de la statistique est en pleine croissance, la donnée est
devenue un actif stratégique des entreprises, et le métier de statisticien a évolué vers celui de Data Scientist. Par ses
six filières de spécialisation, l’école offre ainsi des compétences reconnues dans des secteurs d’activités diversifiés, de
l’industrie à la banque, en passant par les services aux entreprises ou la santé , en France ou à l’étranger.
L’Ensai forme à la modélisation statistique, avec des compétences associées en économie et en informatique. Les
compétences sont à la fois théoriques et opérationnelles, avec une grand part de la formation dédiée aux applications.
La scolarité se déroule en trois ans pour les élèves ingénieurs et en deux ans pour les élèves fonctionnaires (attachés
statisticien de l'INSEE) avec, pour ces derniers, la possibilité d’obtenir un master mention mathématiques appliquées –
statistique, parcours « évaluation et décision publiques », coaccrédité avec les Universités de Rennes 1 et Rennes 2,
l’Insa de Rennes, Agrocampus Ouest.
Durant les deux premières années de scolarité à l'Ensai, les élèves ingénieurs et les élèves fonctionnaires suivent en
commun la majorité des enseignements.
PREMIÈRE ANNÉE : HOMOGÉNÉISER LES COMPÉTENCES ET ACQUÉRIR LES CONNAISSANCES SCIENTIFIQUES DE BASE
La diversité des étudiants recrutés avec des connaissances préalables plus fortes en économie ou mathématique
oblige à de premiers enseignements fondamentaux distingués au premier semestre selon le cursus antérieur. Ainsi les
élèves venant de la voie mathématique (concours communs polytechniques, L3 math…) ou des IUT Stid ont un
er
enseignement renforcé en économie au 1 semestre pour rattraper leur retard par rapport aux élèves venant de la
voie « économie ». De façon symétrique, les élèves venant de la voie économie (prépa BL, Cachan D2, L3 économie…)
suivent des cours complémentaires de mathématiques (algèbre, td d’analyse) pour acquérir les bases utiles dans
l’apprentissage ultérieur des statistiques.
La pédagogie des enseignements des probabilités est aussi adaptée à ces différences de cursus d’origine, pour faciliter
l’assimilation des notions nouvelles. En informatique, les étudiants issus de la voie mathématique et de la voie IUT Stid
suivent un cours d’algorithmique, complexité et de calculabilité tandis que les autres étudiants bénéficient d’un cours
d’introduction à l’algorithmique et à la programmation.
A l’issue de cette première année, tous les étudiants auront les connaissances scientifiques de base en statistique,
économie et informatique. Ils sauront mener une étude descriptive à partir d’une base de données réelle, mettre en
œuvre les premiers modèles statistiques, juger des qualités de différents algorithmes, et relier des problèmes
économiques contemporains à la théorie économique. Les étudiants sont formés à différents langages informatiques
qui les rendront agiles et opérationnels dans leur vie professionnelle future.
re
Un stage de un à deux mois conclut cette 1 année : stage de découverte de la statistique publique pour les attachés
stagiaires et stage opérateur pour les élèves ingénieurs.
DEUXIÈME ANNÉE : APPROFONDIR ET COMMENCER À SE SPÉCIALISER

C’est l’année où les concepts statistiques avancés sont abordés, renforcés par des applications concrètes. Des cours
spécialisés aux types de données rencontrées sont ainsi proposés : données temporelles, durée, données
économiques, Big Data… L’année est également marquée par deux projets majeurs : l’un en informatique, l’autre en
statistique. Les étudiants gagnent en autonomie et des cours électifs sont proposés pour préparer leur spécialisation
e
de 3 année (élèves ingénieurs) ou leur entrée dans le monde professionnel (élèves fonctionnaires). La présence des
cours en Anglais est renforcée lors du second semestre. Suite aux retours des entreprises partenaires et l’Insee sur
l’importance de l’Anglais dans la formation des élèves, l’école a décidé de mettre en œuvre un second semestre en
Anglais, avec un nombre de cours en Anglais librement choisi par les élèves. L'objectif est de donner la possibilité de
suivre un cursus en Anglais à tous les élèves pendant un semestre “international”, qu’ils soient partis en échange ou
non. La mise en place de ce cursus en Anglais vise également à permettre à nos partenaires européens de nous
envoyer plus d'élèves et ainsi de pérenniser nos accords Erasmus. Pour les élèves ingénieurs, l’année se termine par
un stage d’application en statistique de 2 à 3 mois.
TROISIÈME ANNÉE : SE SPÉCIALISER

Ingénierie statistique appliquée à l’industrie, aux sciences de la vie, à l’analyse des territoires et de la santé, au
traitement informatique de grands volumes de données, au marketing ou à la gestion des risques et à l’ingénierie
e
financière… En fin de 2 année, tous les élèves ingénieurs choisissent une filière de spécialisation dans laquelle
1
interviennent de nombreux professionnels et ponctuée par un stage de 6 mois. Pour les élèves
fonctionnaires, c’est le choix d’une option dans le parcours « évaluation et décision publiques » du master mention
mathématiques appliquées – statistique, selon une approche métier : études statistiques, méthodologie statistique ou
e
traitements informatiques. Il peut être suivi, sous conditions, directement à la suite de la 2 année ou en formation
continue.
E
LES SIX FILIÈRES DE SPÉCIALISATION DE 3 ANNÉE
La formation d’ingénieur de l’Ensai inclut 6 filières de spécialisation. Toutes ces filières forment aux métiers de la Data
Science, avec une maîtrise des outils permettant l'extraction, l'analyse et la fouille de données et une capacité à
choisir les modalités de traitements des données massives (Big Data) et des techniques d’apprentissage automatique
(machine learning). Selon les spécialisations, ces compétences sont spécifiques à un domaine ou
transversales. L’ensemble des filières continue à former aux compétences transversales (soft skills) et à la valorisation
des travaux menés dans un contexte professionnel et international. La séquence de Tronc Commun mêlant
enseignements scientifiques, projets et anglais conclut la formation à l’autonomie et la capacité à mettre en œuvre
des analyses de données en situation complexe.
Gestion des risques et ingénierie financière
Cette filière forme des ingénieurs spécialistes de la finance quantitative, capables d’innover et de proposer de
nouvelles méthodes d’analyse. Elle s’articule autour de trois grands domaines de compétences : la réglementation et
la gestion des risques bancaires - l’allocation et les stratégies d’investissement – l’innovation en ingénierie financière.
Marketing quantitatif et revenue management
Cette filière forme à la fois des data scientists ayant une très forte compréhension des enjeux métiers du marketing et
des revenue managers aux capacités analytiques et quantitatives très élevées.
Statistique pour les sciences de la vie
Cette filière forme au métier de biostatisticien. Elle s’appuie sur des compléments en statistique, et fournit les outils
nécessaires pour une spécialisation dans le domaine de l’expérimentation. Les cours d’épidémiologie, d’essais
cliniques et l’analyse des données Omics permettent en particulier aux étudiants de recevoir une solide formation
pour des applications dans le secteur de la santé.
Génie statistique
Cette filière renforce les connaissances en modélisation statistique, en abordant les thèmes de la qualité et la fiabilité,
du traitement de l’image et du signal, ainsi que la prévision et ses applications, notamment dans le domaine de
l’environnement. Les élèves sont ainsi capables de s'adapter à des problématiques provenant de différents secteurs
d'activité comme l'industrie, le secteur bancaire, l'environnement, les services...
Statistique et ingénierie des données

Cette filière vise à renforcer les connaissances en informatique pour l’analyse et la gestion de données, notamment
dans le traitement des grandes bases de données. La formation permet une approche de la culture informatique ainsi
qu’une présentation approfondie des technologies les plus récentes directement liées à l’analyse des données.
Ingénierie statistique des territoires et de la santé
Cette filière donne un bagage en ingénierie statistique et économétrie appliqué à la connaissance des dynamiques
territoriales et à la santé, et permettant l’évaluation des politiques publiques. Cette filière ouvre sur de très nombreux
domaines de la décision économique, principalement dans le secteur privé (cabinets d'étude, laboratoires
pharmaceutiques, bureaux de conseils…) mais également dans le secteur public (ministères, santé, sécurité sociale...).
L’OPTION DE FORMATION PAR LA RECHERCHE

Les élèves qui souhaitent faire de la recherche théorique ou appliquée après l'Ensai peuvent bénéficier de facilités
offertes au cours de leur scolarité : possibilité, dans le cadre de conventions passées avec des universités, de suivre
des cours de master 2 pendant leur troisième année pour obtenir ce diplôme en même temps que celui de l'Ensai,
d’avoir des contacts privilégiés avec les laboratoires de recherche universitaires et ceux d'autres Grandes Écoles, avec
le Centre de Recherche en Économie et Statistique du Groupe des Écoles Nationales d’Économie et Statistique – le
Crest –, de bénéficier d'un encadrement personnalisé par un « tuteur » spécialiste du domaine dans lequel l'élève
souhaite poursuivre ses recherches, possibilité d'effectuer le stage de troisième année dans un laboratoire de
recherche, etc.
LE MASTER MENTION MATHÉMATIQUES APPLIQUÉES-STATISTIQUE, PARCOURS « ÉVALUATION ET DÉCISIONS PUBLIQUES »

Les élèves titularisés comme attachés statisticiens de l'Insee peuvent obtenir un master en « évaluation et décisions
publiques » dans le cadre de la formation continue de l’Insee :
- Intégrée, c'est-à-dire dans le prolongement de leur deuxième année de scolarité à l'Ensai,
- Décalée, c'est-à-dire de façon discontinue au cours de leurs premières années de fonction.
2
Le master mention mathématiques appliquées-statistique est co-accrédité avec les Universités de Rennes 1 et Rennes
2, l’Insa de Rennes, Agrocampus Ouest. Le parcours « évaluation et décisions publiques » comporte trois colorations
au choix : statistiques et traitement des données, méthodologie de la statistique publique ou études statistiques.
3
1 Les grands domaines d'enseignement

En dehors de quelques enseignements très spécialisés de troisième année, les cours peuvent être
regroupés en quatre grands domaines :
1. Mathématiques, probabilités, statistique
2. Informatique
3. Économie et sciences sociales
4. Humanités
MATHÉMATIQUES, PROBABILITÉS, STATISTIQUE

La statistique fait partie intégrante des mathématiques appliquées. Elle se base sur le calcul des
probabilités.
En première année, après des compléments de mathématiques nécessaires à une mise à niveau des
étudiants n’ayant pas fréquenté les classes préparatoires scientifiques, quatre cours fondamentaux pour la
compréhension scientifique des techniques statistiques enseignées par la suite sont abordés : intégration,
probabilités, introduction à la statistique et statistique exploratoire multivariée. Les élèves réalisent
également plusieurs projets statistiques, en groupe, mettant en œuvre des méthodes de statistique
descriptive ou des méthodes plus avancées. Les logiciels SAS et R, dédiés à la statistique, font également
l'objet d'enseignement.
La seconde année est centrée sur l’apprentissage des techniques utiles au statisticien de profession : la
modélisation, paramétrique ou non, d’une régression, l’étude des séries chronologiques modélisables par
la méthode de Box-Jenkins, la théorie des sondages, l’analyse des modèles à choix discrets, l’apprentissage
supervisé, les chaînes de Markov, les calculs bayésiens, les modèles de durée. Ces bases sont complétées,
selon le statut de l’élève et les choix, par une initiation aux processus stochastiques, des cours de méthodes
de régression non paramétrique, ré-échantillonnage, de compléments de séries temporelles, de statistique
mathématique, de cartographie ou d’échantillonnage avancée.
Un projet statistique, encadré par des professionnels et fonctionnant en petits groupes, permet aux élèves
de mettre en œuvre sur des données réelles un large éventail des techniques étudiées au cours des deux
premières années. Les élèves peuvent également participer à un Data Challenge.
Les cours de troisième année s’inscrivent dans des voies de spécialisation. Ils présentent les
développements spécifiques des probabilités et de la statistique utiles au domaine étudié, tout en
apportant les connaissances indispensables sur l’environnement dans lequel sera amené à travailler le
statisticien.
INFORMATIQUE
L'enseignement informatique de première année est adossé à trois concepts principaux : l'algorithmique, la
conception d'applications, et le stockage de données. Des liens sont effectués avec les enseignements de statistique.
Python est le langage utilisé en 1ère année. L'algorithmique est introduit dans un premier temps avec les notions
algorithmiques de base. Les étudiants issus des voies mathématique et IUT Stid bénéficient en outre d’un cours
portant sur l’algorithmique et la complexité des algorithmes étudiés. Dans un deuxième temps, une introduction à la
programmation orientée objet est abordée pour tous avec le langage Python. Le lien avec les enseignements de
statistique est notamment effectuée à travers de TP sous Python dans le cours d'optimisation et méthodes
numériques. La conception d'applications est abordée à travers des cours sur la documentation du code (y compris le
métalangage de modélisation UML) et d'un projet de traitement de données. Enfin, les fichiers, les bases de données
relationnelles et les tables statistiques SAS/R sont les trois principaux modes de stockage des données mis en
pratique. Les accès aux fichiers sont abordés lors des cours de de programmation objet et du projet. Le langage SQL
est l'outil standard de mise en œuvre et d'interrogation de bases de données relationnelles.
4
Par la suite, tous les élèves réalisent dès le début de la deuxième année un projet dont l’objectif est de
mettre en application les enseignements reçus en 1re année et des compléments informatiques sur la gestion des
bases de données dans des contextes web et/ou Big Data. Au cours du second semestre, les ingénieurs suivent un
cours de programmation orientée objet en C++ ou Java, ainsi qu’une introduction aux outils pour le Big Data. Plusieurs
cours optionnels sont proposés en informatique, R avancé, technologies mobiles, conception de logiciel, traitement du
signal, et data visualisation. Des compléments informatiques sur des outils (R shiny, VBA, Libre Office Basic,
Compléments de SAS) sont proposés sans ECTS.
La troisième année apporte les compléments nécessaires à la mise en œuvre informatique des méthodes statistiques
dans les domaines de spécialisation proposés. Elle offre également une voie d'approfondissement dans le domaine
spécifique du traitement de l'information (compléments sur les bases de données, génie logiciel, conception et
programmation orientées objet, administration de projets informatiques, intelligence artificielle, big data, datamining,
réseaux, technologies web, etc.).
ÉCONOMIE ET SCIENCES SOCIALES

Les enseignements d'économie, de gestion et de sciences sociales ont pour objectif d’offrir à tous les élèves une
réelle capacité d’analyse et de compréhension des aspects essentiels du monde contemporain, à travers la
mobilisation de la modélisation économique et de données fruits d'un comportement humain.
En première année, on distingue un public d'élèves ayant de bonnes connaissances en sciences économiques et
sociales et un public d'élèves débutants ou n'ayant eu qu'une première initiation dans cette discipline. Pour les
premiers, l'École propose un projet de macroéconomie appliquée abordant les développements récents en économie
formalisée, et pour les seconds, des cours plus progressifs, avec en particulier une introduction à la modélisation
macroéconomique (questions macroéconomiques contemporaines) et une introduction aux sciences sociales.
L’enseignement de première année distingue un cours selon le statut d'ingénieur (principes de gestion des
organisations) ou fonctionnaire (comptabilité nationale).
En seconde année, le cours d’économétrie du tronc commun vise à donner aux élèves les méthodes de validation
empirique des modèles théoriques. Ce cours peut être complété au 2ème semestre par des cours de micro et macro-
économétrie appliquée. Des cours électifs complètent cette formation en ouvrant sur l’économie du risque,
l’économie industrielle, l’économie des contrats ou l’économie financière notamment.
LES HUMANITÉS ET LES SOFTS-SKILLS

Pour nos ingénieurs data scientists ou statisticiens publics, la notion de compétence renvoie aux notions
d’autonomie et de savoir agir dans le champ de la production et de l’analyse de données et de la décision en situation
complexe (tâches non répétitives).
Les connaissances en mathématiques, informatique, statistique, économie (l’ADN de l’ENSAI) forment le socle
indispensable à la formation d’un ingénieur data scientist compétent.
Les compétences transversales ou soft-skills sont également indispensables pour valoriser dans un contexte
professionnel tout le potentiel acquis durant les 3 années de l’ENSAI.
L’école a produit un référentiel de ces domaines de compétences adapté aux futurs métiers des étudiants qu’elle
forme. Il est attendu d’un data-scientist qu’il présente des qualités importantes dans les domaines suivants : la
rigueur intellectuelle, le raisonnement analytique et la conceptualisation, la créativité et le sens de l’innovation, la
communication et la pédagogie, les relations humaines, le travail en équipe en mode projet et la gestion du temps,
l’ouverture au monde et la responsabilité sociale et civique.
Ces qualités sont mises en œuvre dans les différents processus d’apprentissages : les cours, les TP et TD, le travail
personnel demandé.
L’école a fait le choix de renforcer spécifiquement la montée en compétence sur « le savoir agir » de ses élèves à
partir principalement de situations s’approchant le plus de situations professionnelles : les projets, les data
challenges, les stages, les pratiques associatives.
L’apprentissage des techniques de communication et de la gestion de projet est progressif, basé sur la pratique et le
conseil personnalisé. Les élèves sont sensibilisés à ces compétences dans le cadre du projet de statistique descriptive
re
en 1 année, puis les développent en travaillant sur les projets qui jalonnent leur scolarité, en particulier le projet
statistique de deuxième année, le projet informatique de deuxième année et le projet statistique de troisième année.
Durant le stage d’observation de première année, les élèves élargiront leurs connaissances du monde professionnel et
développeront leur capacité d’analyse à travers la rédaction du rapport.
Le « Projet professionnel » en deuxième et troisième année permet aux étudiants de mieux se connaitre à travers en
particulier l’utilisation d’un test de personnalité très utilisé pour les recrutements, de valoriser leur compétences dans
leur recherche de stage ou d’emploi en préparant les documents supports de leur candidatures et de mettre en
pratique les compétences scientifiques et comportementales durant leur stage d’application en statistique et leur
stage de fin d’étude.
5
L'étude de l'anglais est obligatoire tout au long de la scolarité. Les élèves sont répartis en groupes de
niveau pour assurer un contenu et une pédagogie adaptés. Des modules de préparation au TOEIC sont intégrés aux
cours mais l’acquisition et le développement des compétences linguistiques et communicationnelles restent les
objectifs principaux des cours. Le niveau B2 du CECRL est obligatoire pour l’obtention du diplôme d’ingénieur mais les
cours visent l’acquisition du niveau C1. Au-delà des compétences linguistiques, les cours d’anglais cherchent à équiper
les futurs ingénieurs avec les compétences transversales qui leur permettront d’évoluer dans des contextes
internationaux variés, d’effectuer la veille scientifique et de comprendre les normes culturelles dans les pays
étrangers.
Les cours des Humanités visent à approfondir les connaissances des élèves dans plusieurs disciplines des arts et des
sciences sociales et humaines. Du fait de leur structure et contenu, ils permettent aux élèves de développer des
compétences transversales, notamment celles liées à l’ouverture au monde et la responsabilité sociale et civique. Les
élèves doivent choisir parmi deux types de cours :
Langues optionnelles : L’allemand, le chinois, l’espagnol, l’italien, le japonais et le russe peuvent être étudiées du
niveau A1 jusqu’au niveau B2+. Outre les compétences linguistiques et communicationnelles, les cours de langues
optionnelles cherchent à préparer les futurs ingénieurs à agir dans des contextes pluriculturels.
Cours d’ouverture : Plusieurs options sont organisées chaque année. Certains cours visent l’ouverture via la culture
générale (géopolitique, histoire de l’art, philosophie…), d’autres stimulent la créativité et la connaissance de soi via la
pratique artistique (dessin, musique, peinture, théâtre…). Enfin, la possibilité de participer aux activités associatives ou
aux projets spéciaux encourage l’engagement social et citoyen.
6
2 Tableau synoptique des enseignements de

1re année
Élèves issus des concours
«mathématique» « économie » « interne » «IUT Stid »
MATHÉMATIQUES
et PROBABILITES Compléments de mathématiques
Intégration – Probabilités
Statistique descriptive avec SAS (projet statistique) – Introduction à la statistique –
STATISTIQUE
Projet statistique avec R – Statistique exploratoire multivariée
Introduction aux
sciences sociales
Questions Projet de
macroéconomiques macro- Questions macroéconomiques contemporaines
ECONOMIE contemporaines économie
GESTION Modélisation microéconomique
Complémentes de microéconomie
Projet d'économie
Modélisation macroéconomique
Principes de gestion des organisations(Ingénieur) – Quantification économique
(attaché)
Algorithmique et
Algorithmique et programmation Algorithmique et complexité
complexité
INFORMATIQUE
Bases de données relationnelles – Optimisation et méthodes numériques -
Introduction à la programmation orientée objet avec Python – Documentation du code
- Projet traitement de données
Anglais – Autre langue optionnelle
HUMANITES Cours d’ouverture (y compris activités associatives, engagement citoyen)
Gestion de projets et techniques rédactionnelles
7
Enseignements de 1re année :

Le premier semestre est différent selon le concours d'origine.
Élèves issus du concours « Mathématiques »

Volume horaire Coefficients
Enseignements
Cours Projet TD TP Total et Crédits
UE1-01 M : Probabilités et compléments
mathématiques
Stat. 1 M : Intégration 21 18 39 3,5
Stat. 2 M : Probabilités 30 30 60 5,5
Total UE 1-01 M 51 48 99 9
UE1-02 M-E-IS : Statistique descriptive
Statistique descriptive 7,5 6 13,5 2
SAS 3 6 9 1,5
Statistique descriptive avec SAS 18 18 2,5
Outils Bureautiques 9 9
Total UE 1-02 M-E 10,5 0 6 33 49,5 6
UE1-03 M-S : Bases de données et fondements informatiques
Base de données relationnelles 6 7,5 10,5 24 3
Algorithmique et complexité 12 9 9 30 3
Total UE 1-03 M-S 18 16,5 19,5 54 6
UE1-04 M : Modélisation économique 1
Modélisation microéconomique 24 12 36 2,5
Questions macroéconomiques contemporaines 18 9 27 2,5
Introduction aux sciences sociales 18 18 1
Total UE 1-04 M-IS 60 21 81 6
UE1-05 M-E-IS : Humanités
Option 1 - cours libres optionnels 21 21 1
er
Anglais 1 semestre 24 24 2
Total UE 1-05 M-E-IS 45 45 3
er
Total 1 semestre 184,50 91,50 52,50 328,50 30
8
Élèves issus des autres concours : « Économie », « interne » et «IUT Stid»
Pour les élèves des concours « Économie », « interne » et «IUT Stid» l'Unité d'enseignement « Probabilités et
compléments mathématiques » est la suivante.
Volume horaire Coefficients et

Enseignements
Cours Projet TD TP Total Crédits
UE1-01 E-IS : Probabilités et compléments
mathématiques
Compléments de mathématiques 6 15 21 1
Stat. 1 IES : intégration 21 18 39 3,5
Stat. 2 IES : Probabilités générales 30 30 60 5,5
Total UE 1-01 E-IS 57 63 120 10
Pour les élèves des concours « Économie » et « interne », l'Unité d'enseignement « Bases de données et fondements
informatiques » est la suivante.
Volume horaire Coefficients

Enseignements
Cours Projet TD TP Total et Crédits
UE1-03 E-I : Bases de données et fondements informatiques
Base de données relationnelles 6 7,5 10,5 24 3
Algorithmique et programmation avec Python 6 6 18 30 3
Total UE 1-03 E-I 12 13,5 28,5 54 6
Pour les élèves du concours « Économie », l'Unité d'enseignement « Modélisation économique 1 » est la suivante.
Enseignements
UE1-04 E : Modélisation économique 1
Au choix: Projet de macroéconomie ou, 12 12 2,5
Total UE 1-04 E 42 12 21 63 5
Pour les élèves des concours « interne » et «IUT Stid», l'Unité d'enseignement « Modélisation économique 1 » est la
suivante.
Enseignements
UE1-04 IS : Modélisation économique 1
Total UE 1-04 E 42 0 21 54 5
9
Le second semestre est le même pour tous les élèves.

Enseignements
UE1-06 M-E-IS : Statistique inférentielle
Introduction à la statistique inférentielle 18 15 3 36 3
Introduction aux tests statistiques 15 15 6 36 3
Total UE 1-06 M-E-IS 33 0 30 9 72 6
UE1-07 M-E-IS : Introduction à l'apprentissage
statistique
Statistique exploratoire multivariée 24 12 12 48 3
Statistique avec R 3 21 24 1
Optimisation et méthodes numériques 12 12 6 30 2
Total UE 1-07 M-E-IS 39 0 24 39 102 6
UE1-08 M-E-IS : Programmation avec Python
Introduction à la Programmation orientée objet 9 3 18 30 2,5
Projet Traitement de données 1 12 12 25 2,5
Total UE 1-08 M-E-IS 10 12 3 30 55 5
UE1-09 M-E-IS : Modélisation économique 2
Modélisation macroéconomique 18 9 27 2,5
Projet d'économie 12 12 1,5
Option attaché/ingénieur* 10,5 10,5 1
Total UE 1-09 M-E-IS 28,5 12 9 49,5 5
UE1-10 M-E-IS : Mener une étude descriptive et communiquer
les résultats
Projet statistique 3 24 27
4,5
Coaching et communication 8 8
Techniques rédactionnelles 6 9 15 0,5
Total UE 1-10 M-E-IS 9 24 20 0 50 5
UE1-11 M-E-IS : Humanités
Option 2** - cours libres optionnels 21 21 1
Anglais 2nd semestre 24 24 2
Sport et activité associative (facultatif) 30 30
Stage opérateur ingénieur
Stage opérateur attachés
Total UE 1-11 M-E-IS 45 0 0 30 75 3
nd
Total 2 semestre 160 60 71 57 402 30
Total Année 345 60 163 110 732 60
Les élèves faibles en anglais suivront un cours « d’anglais renforcé » de 30 heures.
*Principe de gestion des organisations pour les ingénieurs, quantification économique pour les attachés
**Le cours de Physique doit être suivi obligatoirement une des 2 années par les ingénieurs des filières éco et Stid
10
3 Corps enseignants et correspondants

Département Cours N°Cours Correspondant Enseignant
Économie Modélisation microéconomique 1AECO01 S. Danthine S. Danthine
Économie Questions macroéconomiques contemporaines 1AECO02 S. Auray S. Auray
Économie Projet de macroéconomie 1AECO03 S. Auray S. Auray
Économie Introduction aux sciences sociales 1AECO04 R. Le Saout J. Cahouette-Remblière
Économie Modélisation macroéconomique 1AECO05 S. Auray C. Hachon
Économie Projet d'économie 1AECO06 S. Danthine et R. Le Saout Divers intervenants
Économie Principe de gestion des organisations 1AECO07 R. Le Saout F. Villa
Économie Quantification économique 1AECO08 R. Le Saout Divers intervenants

1AHUM01
Humanités Anglais E. Burmeister Divers intervenants
1AHUM02
1AHUM03
Humanités Anglais RENFORC2 E. Burmeister Divers intervenants
1AHUM04
Humanités Techniques rédactionnelles1AHUM01 1AHUM05 L. Tardif Divers intervenants
Humanités Gestion des projets et communication écrite 1AHUM06 L. Tardif Divers intervenants
Humanités Lutte contre la discrimination 1AHUM07 R. Le Saout X. Helfenstein
Humanités Stage opérateur ingénieur 1AHUM08
Humanités Stage opérateur attachés 1AHUM09
Informatique Algorithmique et programmation 1AINF01 H.-P. Dang H.-P. Dang
Informatique Algorithmique et complexité 1AINF02 R. Pépin R. Pépin
Informatique Bases de données relationnelles 1AINF03 B. Girault B. Girault
Informatique Outils bureautiques pour le statisticien 1AINF04 H.-P. Dang Divers intervenants
Introduction à la Programmation orientée objet et
Informatique 1AINF05 R. Gaudel ?
Documentation du code
Informatique Projet traitement de données 1AINF06 R. Gaudel Divers intervenants
Informatique Optimisation et méthodes numériques 1AINF07 R. Pépin R. Pépin
Statistique Remise à niveau en mathématiques 1ASTA01 L. Truquet Divers intervenants
Statistique Compléments de mathématiques 1ASTA02 L. Truquet C. Gauthier et C. Savel
Statistique Intégration – Math 1ASTA03 B. De Loynes B. De Loynes
Statistique Intégration – IES 1ASTA04 M. Hristache M. Hristache
Statistique Probabilités - Math 1ASTA05 L. Truquet L. Truquet
Statistique Probabilités - IES 1ASTA06 G. Stupler G. Stupler
Statistique Statistique descriptive avec SAS 1ASTA07 F. Coquet F. Coquet
Statistique Introduction au langage SAS 1ASTA08 Y. Esstafa Y. Esstafa
Statistique Introduction à la statistique inférentielle 1ASTA09 S. El Kolei S. El Kolei
11
M. Du Roy de
Statistique Introduction aux tests statistiques 1ASTA10 M. Du Roy de Chaumaray
Chaumaray
Statistique Statistique exploratoire multivariée 1ASTA11 M. Marbac M. Marbac
Statistique Statistique avec R 1ASTA12 A. Katossty M. Marbac
Statistique Projet de statistique 1ASTA13 L. Tardif Divers intervenants
12
UE 1-01 : PROBABILITÉS ET COMPLÉMENTS

MATHÉMATIQUES
Nombre d’ECTS : 9 pour les M – 10 pour les IES
Volume horaire de travail élève : entre 250 et 300 heures
(enseignements + travail personnel)
Nombre d’heures d’enseignement : Concours Maths : 48h de CM + 51h de TD
Autres : 54h de CM + 66h de TD
Finalité de l’UE :
A l'issue de cette UE, l’étudiant pourra couramment effectuer des calculs d’intégration et de probabilité, que ce
soit dans un cadre à une ou plusieurs dimensions, saura identifier des distributions usuelles et maîtrisera les
notions de vecteur gaussien et d'espérance conditionnelle, en vue de leur utilisation intensive lors des cours de
régression et d'économétrie de deuxième année, et utilisera sans difficulté les différents modes de convergence
d'une suite de variables aléatoires qui constituent un prérequis pour tout cours de statistique comportant un
aspect mathématique. Ces compétences disciplinaires constituent un socle indispensable au développement des
compétences avancées en modélisation, estimation et visualisation de données qui sont le coeur de l’activité
professionnelle des statisticiens et data scientists formés à l’ENSAI.
Structuration de l’UE :
Le cours de Compléments de Mathématiques apporte les notions d’analyse et d’algèbre nécessaires pour amener
les étudiants issus des concours Économie, IUT Stid et Interne à un niveau sensiblement équivalent à celui des
étudiants issus du concours Mathématiques en ce qui concerne les disciplines mises en pratique à l’ENSAI. Le
cours d’Intégration donne ensuite aux étudiants la maitrise des notions de mesure sur un espace abstrait ainsi
que les théorèmes usuels d’intégration qui sont un préalable fondamental au développement des concepts de
probabilité modernes formant la base du cours de Probabilités. Ce dernier met en place les outils probabilistes qui
sont la finalité de l’UE dans l’optique de la suite du cursus d’un étudiant à l’ENSAI.
Compétences ou acquis d’apprentissage à l’issue de l’UE :

1. Savoir mobiliser les ressources d’un large champ de sciences fondamentales.
2. Avoir la connaissance et la compréhension d’un champ scientifique et technique de spécialité.
3. Savoir identifier et résoudre par des méthodes adéquates des problèmes, même non familiers et non
complètement définis.
4. Maîtriser les techniques de modélisation statistique.
Les pré-requis de l’UE :

Cette UE demande que tous les élèves maîtrisent la partie algèbre et analyse au programme du concours, ou aient
suivi l’enseignement de remise à niveau en mathématiques.
13
REMISE A NIVEAU EN MATHEMATIQUES

Refresher course in Mathematics
UE1-01 EIS – Matière 1ASTA01 – Semestre 1
Enseignant : Céline GAUTHIER, Pascale Richard, Pierre-Éric Treyens
Nombre d’ECTS :0
Volume horaire de travail élève : 39h
Répartition des enseignements : 39h de cours (cours optionnel et sans validation)
Français
Langue d’enseignement
Logiciels : Aucun
Documents pédagogiques : Polycopié d’algèbre et d’analyse
Pré-requis : Niveau requis au concours Ensai option économie
Modalités d’évaluation :
Test de niveau en début de session
Acquis d’apprentissage (objectifs) :

Remise au niveau demandé par le programme du concours en analyse, algèbre et probabilités discrères. En particulier,
seront rappelées les définitions et méthodes de calculs de base pour l'analyse des suites, des fonctions, l'étude des
espaces vectoriels et la manipulation des matrices.
Principales notions abordées :

les nombres complexes, les suites (convergence et limite), les fonctions usuelles, dérivation de fonctions et
développement limité, limites de fonctions et ensemble de continuité d’une fonction, calcul d'intégrales (changement
de variables ou l’intégration par partie) et intégrales généralisées, calculs de probabilités discrètes. Pour la partie
d’algèbre linéaire, les espaces vectoriels, les changements de base, le calcul matriciel, les déterminants et l'inversion
des matrices, la résolution des systèmes d’équations linéaires.
Références bibliographiques :
re
DEGRAVE, C., DEGRAVE, D. et MULLER, H., Analyse 1 année, Bréal. 2003
DEGRAVE, C., DEGRAVE, D. et MULLER, H., Algèbre, Bréal. 2000
e
GUERRIEN, B., Algèbre linéaire pour économistes, Economica. 1997 (4 éd.)
e
PILLER, A., Algèbre linéaire pour économistes : manuel d’exercices corrigés, Premium. 2009 (2 éd.)
e
LECOUTRE, J.-P. et PILIBOSSIAN, P., Analyse, Dunod. 2008 (4 éd.)
e
LECOUTRE, J.-P. et PILIBOSSIAN, P., Algèbre, Dunod. 2005 (2 éd.)
e
PILLER, A., Analyse I, Premium. 2009 (2 éd.), Analyse II, Premium. 2003
COMPLEMENTS DE MATHEMATIQUES
Algebra and calculus
UE1-01 EIS – Matière 1ASTA02 – Semestre 1

Enseignant : Céline GAUTHIER, Charles SAVEL et Arthur Katossky
Nombre d’ECTS :1
Répartition des enseignements : Algèbre : 6h de cours 6h de TD et dont 3h en autonomie

Analyse : 9h de cours/TD
Langue d’enseignement Français

Logiciels : Aucun
Documents pédagogiques : Notes de cours
Pré-requis : La partie algèbre et analyse au programme du concours ou les
notions de l’enseignement de remise à niveau en mathématiques
Examen sur table 3h (1h30 Algèbre + 1h30 Analyse)

Cet enseignement vise à donner des compléments d'algèbre et d'analyse utiles pour le suivi des cours de probabilités,
de statistique et d'optimisation. 9 heures complémentaires d'algèbre sont également dispensées dans le cadre du
cours du second semestre « Statistique exploratoire multivariée ».
A l’issue de cet enseignement, les élèves devront savoir diagonaliser une matrice et orthonormaliser une base. Ils
devront aussi être capables de reconnaître une matrice de projection et d’en connaître ses propriétés. Pour la partie
d'analyse, les élèves sauront notamment calculer les limites des suites et séries de fonctions, et déterminer la matrice
jacobienne d'une fonction de plusieurs variables

1. Réduction des endomorphismes : valeurs propres, sous-espaces propres, critère de diagonalisabilité, polynôme
caractéristique, matrices semblables, polynômes de matrices.
2. Produit scalaire et orthogonalité : formes bilinéaires, quadratiques, matrices symétriques définies positives,
définition d’un espace euclidien, du produit scalaire, norme, orthogonalité, bases orthogonales, orthonormées.
3. Projections : définition, propriétés en termes de rang, de matrices semblables, propriétés des matrices de ces
applications sur un espace vectoriel normé, caractéristique en termes de norme, théorème de la projection
orthogonale, application à la régression linéaire simple.
4. Séries numériques : convergence absolue, comparaison série intégrale.
5. Suites de fonctions : convergence simple et uniforme, transmission de la continuité, de la dérivation, interversion
intégrale et limite sur un intervalle borné.
6. Séries entières : rayon de convergence, développements en séries entières usuels.
7. Continuité et dérivabilité des fonctions à plusieurs variables : dérivées partielles, fonction de classe Ck, matrice
jacobienne, développement limité.
NAKACHE, A. CHEVALIER, V. MORICE, Exercices commentés de mathématiques pour l’analyse statistique des données,
Dunod. 1981
AZOULAY, J.AVIGNANT, G. AULIAC, Les mathématiques en licence, cours et exercices corrigés, tomes 1-3, Ediscience.
2007 (3e éd.)
GUININ, B. JOPPIN, Tout-en-un : analyse-algèbre-géométrie, Bréal. 2006
JEREMY, P.MINEAU, J.C. THIENAUD, Algèbre I et II, Vuibert. 1997
ARNAUDIES, LELONG-FERRAND, Cours de mathématiques I (Algèbre), Dunod. 2003 (3e éd.)
15
MATHS: INTEGRATION
Integral calculus
UE1-01 M – Matière 1ASTA03 – Semestre 1

Enseignant : Basile De Loynes (Ensai)
Nombre d’ECTS : 3,5
Répartition des enseignements : 18 de cours, 21h de TD

dont 9h en autonomie

Logiciels : N/A
Documents pédagogiques : Polycopié/Planche d’exercices corrigés
Pré-requis : Algèbre et analyse des classes préparatoires
1 examen sur table de 2h

 Maîtriser la catégorie des espaces mesurés et ses foncteurs
 Manipuler le calcul intégral
 Construire et décrire les espaces fonctionnels usuels

A l’issue de cet enseignement, les élèves devront maîtriser les notions de mesure sur un espace abstrait, d'intégration
par rapport à une mesure (intégrale de Lebesgue) ainsi que les théorèmes usuels d’interversion limite et intégrale. Des
éléments sur l’analyse fonctionnelle et la convolution concluront le cours.
M. BRIANE, G. PAGES, Théorie de l'intégration, Vuibert, 2006 (4e éd)
KLENKE, Probability theory, Springer, 2013, (2e éd), online
J. HOFFMANN-JORGENSEN, Probability with a view towards statistics, Chapman & Hall, 1994
D. FOATA, A. FUCHS, Calcul des probabilités, Dunod, 2012 (3e éd.)
J. JACOD, Ph. PROTTER, L’essentiel en théorie des probabilités, Cassini, 2003
P. BILLINGSLEY, Probability and measure, Wiley, 1995 (3 e éd.)
D. REVUZ, Mesure et intégration, Méthodes, Hermann, 1997
V.I. BOGACHEV, Measure theory (vol I. & II.), Springer, 2007, online
O. GARET, A. KURTZMANN, De l'intégration aux probabilités, Ellipses, 2011
16
IES: INTEGRATION
Integral calculus
UE1-01 IES – Matière 1ASTA04 – Semestre 1

Enseignant : Marian Hristache (Ensai)


Logiciels : N/A
Documents pédagogiques : Polycopié
Pré-requis : Théorie élémentaire des ensembles, suites et séries, calcul
différentiel et intégral réel, probabilités discrètes.
1 examen sur table, 2 à 4 devoirs maison

 Maîtriser les notions d’espace mesuré et de fonction mesurable
 Comprendre la construction et les propriétés de l’intégrale de Lebesgue

Tribu, mesure, fonction mesurable, intégrale de Lebesgue, espérance d’une variable aléatoire, mesure absolument
continue.
Fournies en cours
17
MATHS: PROBABILITES
Probability
UE1-01 M – Matière 1ASTA05 – Semestre 1

Enseignant : Lionel Truquet (Ensai)

dont 6h de cours et 6h de TD en autonomie

Logiciels : Aucun
Documents pédagogiques : Notes de cours + plaquette de TD
Pré-requis : Calcul intégral et théorie de la mesure, notions d’algèbre linéaire,
probabilités discrètes.
2 examens sur table

 Pouvoir calculer à l'aide de techniques adaptées des lois de probabilité et des espérances mathématiques,
que ce soit dans un cadre à une ou plusieurs dimensions,
 Savoir identifier les lois de probabilité usuelles ainsi que leurs propriétés caractéristiques.
 Pouvoir déterminer les propriétés d'indépendance entre plusieurs variables aléatoires.
 Savoir calculer une espérance ou une distribution de probabilité conditionnelle, en vue de leur utilisation
intensive lors des cours de régression et d'économétrie de deuxième année,
 Utiliser et distinguer les différents modes de convergence d'une suite de variables aléatoires, un prérequis
indispensable pour déterminer le comportement asymptotique des estimateurs qui seront introduits
ultérieurement dans les cours de statistique.

Variables aléatoires: définition, notion de loi de probabilité, lois discrètes ou à densité, espérance mathématique,
théorème de transfert. Moments et espaces Lp, fonction de répartition, transformée de Laplace, fonction
caractéristique. Méthodes de calculs de lois de probabilités et inégalités probabilistes.
Vecteurs aléatoires et lois multivariées : notion d'indépendance probabiliste, caractérisation de l'indépendance,
convolution. Notion de covariance, de corrélation. Vecteurs gaussiens.
Espérance et loi conditionnelle : définition et construction de l'espérance conditionnelle. Notion de loi de probabilité
conditionnelle. Techniques de calculs.
Convergences stochastiques : convergence en loi, convergence en probabilité, convergence dans Lp, convergence
presque sûre. Relations entre ces convergences. Loi des grands nombres, théorème central limite, intervalle de
confiance asymptotique.
Foata, D., Fuchs, A. (2012). Calcul des probabilités (3ème édition), Dunod.
Monfort, A. (1996). Cours de probabilités (3ème édition), Economica.
Ouvrard, J.-Y. (2004). Probabilités 2, Cassini.
Revuz, D. (1997). Mesure et intégration, Méthodes, Hermann.
18
IES: PROBABILITES GENERALES

Probability
UE1-01 IES – Matière 1ASTA06 – Semestre 1

Enseignant : Gilles Stuplfler (Ensai)


Logiciels : Aucun
Documents pédagogiques : Notes de cours + plaquette de TD+ corrigés des exercices
Pré-requis : Calcul intégral et théorie de la mesure, notions d’algèbre linéaire,
probabilités discrètes.
2 examens sur table

 Pouvoir couramment effectuer des calculs de probabilité, que ce soit dans un cadre à une ou plusieurs
dimensions,
 Savoir identifier des distributions et en particulier des distributions usuelles,
 maîtriser les notions de vecteur gaussien et d'espérance conditionnelle, en vue de leur utilisation intensive
lors des cours de régression et d'économétrie de deuxième année,
 utiliser sans difficulté les différents modes de convergence d'une suite de variables aléatoires, un prérequis
pour tout cours de statistique comportant un aspect mathématique.

À remplir Variables aléatoires et lois réelles : définition, fonction de répartition, lois à densité, moments, théorème de
transfert. Inégalités de Markov, Chebyshev, Jensen et Chernoff. Transformée de Laplace, fonction caractéristique,
méthode de la fonction muette. Quantiles. Lois à densité usuelles.
Vecteurs aléatoires et lois multivariées : définition, fonction de répartition. Rappels d'intégration. Lois à densité,
critère pratique d'indépendance, produit de convolution. Théorème de transfert, espérance, matrice de covariance,
coefficient de corrélation, méthode de la fonction muette. Fonction caractéristique. Vecteurs gaussiens.
Espérance conditionnelle : espérance conditionnelle à un évènement, espérance conditionnelle à une variable
aléatoire. Construction de l'espérance conditionnelle par projection orthogonale, définition générale.
p
Convergences stochastiques : convergence en loi, convergence en probabilité, convergence dans L , convergence
presque sûre. Relations entre ces convergences. Loi des grands nombres, théorème central limite, intervalle de
confiance asymptotique.
J. FARAUT, Calcul intégral, EDP Sciences (2006)
D. FOATA, A. FUCHS, Calcul des probabilités (3ème édition), Dunod (2012)
M. LEFEBVRE, Cours et exercices de probabilités appliquées (3ème édition), Presses Internationales Polytechnique
(2015)
A. MONFORT, Cours de probabilités (3ème édition), Economica (1996)
J.-Y. OUVRARD, Probabilités 1, Cassini (2008)
19
UE 1-02 : STATISTIQUE DESCRIPTIVE

Nombre d’ECTS :6
Nombre d’heures d’enseignement : 49h30
Être capable de faire une description et une analyse d’une population en utilisant de façon appropriée les outils
élémentaire de la statistique descriptive. Savoir interpréter et mobiliser les indicateurs pertinents. Savoir
identifier les limites de l’analyse.
Maitriser le socle des outils de la statistique permettant d’aborder de matière professionnelle exploratoire et
multidimensionnelle toute étude de tableaux de données.
L’UE est construite autour de la présentation des outils et méthodes de la statistique descriptive et d’un logiciel
professionnel (SAS) permettant de les mettre en œuvre.
Le rapport intermédiaire de projet est utilisé pour évaluer la bonne acquisition de ces compétences.
L’outil bureautique LATEX utilise par la communauté scientifique est présenté aux élèves pour la rédaction du
rapport.

Connaissance et compréhension de la nature et de l’utilisation pertinente des statistiques descriptives de base.
Mobilisation de ces connaissances pour la résolution de problèmes concrets.
Première approche par projet : recherche de l’information pertinente, compétences relationnelles et auto-
évaluation dans le cadre d’un travail de groupe.
Mise en forme, interprétation et diffusion des premiers résultats.

Aucun (premier cours de première année)
20
STATISTIQUE DESCRIPTIVE ET SAS

Descriptive data analysis and SAS
UE1 - 02 M EIS – Matière 1ASTA07 – Semestre 1

Enseignant : François COQUET (ENSAI)
Nombre d’ECTS : 2.5
Volume horaire de travail élève : Entre 25 et 30h par ECTS
Répartition des enseignements : 7h30 de cours, 6h de TD, 15h de TP

dont 4h30 en autonomie
Langue d’enseignement : Français

Logiciels : SAS
Documents pédagogiques : À remplir
Pré-requis : Aucun
1 TP noté + 1 examen sur table associant questions de cours et résolution de problèmes

• Maîtriser des outils statistiques de Statistique Descriptive (étude unidimensionnelle de variables
quantitatives ou qualitatives, étude du lien entre deux variables, quelle que soit leur nature, représentations
graphiques, interprétation des résultats, notion d’indice) et appliquer ces outils sous SAS.

Statistique descriptive :
Analyse univariée : nature des variables, paramètres de tendance centrale, de position et de dispersion, paramètres
de forme et de concentration, Identification empirique d’une loi ;
Liaison entre 2 variables qualitatives : tableau de contingence, statistique du Khi-2 et ses dérivés.
Liaison entre deux variables quantitatives : coefficient de corrélation linéaire, régression simple
Liaison entre une variable quantitative et une variable qualitative : coefficient de corrélation, analyse de la variance à
un facteur.
Notion d’indice
PY B., Statistique descriptive, Economica, 2007 (5e éd.)
21
INTRODUCTION AU LANGAGE SAS

Introduction to SAS language
UE 1 - 02 M EIS – Matière 1ASTA08 – Semestre 1

Enseignant : Youssef ESSTAFA (ENSAI/Insee)
Nombre d’ECTS : 1 ,5
Répartition des enseignements : 3h de cours, 6h de TP

dont 3h de TP en autonomie

Logiciels : SAS
Documents pédagogiques : Présentation du cours et documentation Insee
Pré-requis : Utilisation de Windows
Pas d’évaluation à l’issue du cours. L’évaluation des compétences en SAS aura lieu lors d’un TP noté en cours de
Statistique descriptive avec SAS et lors du projet statistique 1A.

 Découvrir le langage SAS
 Manipuler les concepts de bibliothèque, de table, de variables et d’observations
 Comprendre la différence entre une étape DATA et une étape procédure (PROC).

Bibliothèque, table, étape DATA et étape procédure.
SAS : Maîtriser SAS Base et SAS Macro. SAS 9 et versions antérieures, Kontchou Kouomegni et Decourt, Dunod.
SAS : Introduction au décisionnel : du data management au reporting, Ringuedé, Eyrolles
22
OUTILS BUREAUTIQUES POUR LE STATISTICIEN

Tools and software for statisticians
UE1-02 – Matière 1AINF04 – Semestre 1

Enseignant : Hong-Phuong Dang (Ensai)
Nombre d’ECTS :0
Répartition des enseignements : 9h de TP


Logiciels : Utilisation d’outils en ligne pour la partie LaTeX, LibreOffice pour la
partie tableur
Documents pédagogiques : Guide d’utilisation LaTeX s
Pré-requis : Aucun
Latex est utilisé pour produire le rapport du projet statistique. L’évaluation de cette matière est intégrée à celle du
projet statistique et ne fait pas l’objet de note à part entière. Le langage Latex permet de produire des documents de
qualité et d’intégrer facilement des formules, des schémas dans ceux-ci. Cet enseignement a pour but de sensibiliser
les étudiants à la puissance de ce langage et à leur donner les éléments pour progresser en autonomie dans l’usage de
cet outil pour la production des différents documents : note de synthèse, rapport, présentation… Par ailleurs, le
tableur est un logiciel très utilisé par les statisticiens en complément d’outils plus complexes. Dans cet enseignement
les étudiants découvriront les bases du tableur Calc de LibreOffice.

• Composer des documents en Latex, y compris des présentations.
• Utiliser les fonctionnalités de type « bases de données » et « statistiques » d’un tableur.

1. Latex
a. Les bases du langage
b. Les principaux modules Latex
c. Exemple de réalisation : la note de synthèse
d. Réalisation d’une présentation avec le module Beamer
2. LibreOffice Calc
a. Gestion des formules
b. Les filtres
c. Les tableaux croisés
d. La mise en forme conditionnelle
e. Le solveur
f. Le calcul matriciel
g. Graphiques et fonctions statistiques, régression linéaire
http://fr.wikibooks.org/wiki/LaTeX
23
UE 1-03 : BASE DE DONNÉES ET FONDEMENTS

INFORMATIQUES
Nombre d’ECTS :6
Volume horaire de travail élève : 150 – 180h
Nombre d’heures d’enseignement : 54h
À la fin de cette UE, les élèves seront capables d’identifier, modéliser et résoudre des problèmes simples de
traitement des données. Ces problèmes pourront nécessiter l’extraction d’information une base de données
tabulaire, ou la réalisation d’un algorithme de traitement de données.
L’UE Base de données et fondements informatiques est constituée de deux modules, Base de données
relationnelles et Algorithmique, qui se décline en Algorithmique et complexité pour les élèves issus du concours
« Mathématique » et les élèves provenant d’IUT Stid et Algorithmique et programmation pour les élèves issus des
concours « Economie » et « Interne ».
Le module Base de données relationnelles est un cours d’initiation aux bases de données relationnelles. Même si
on parle de plus en plus de bases de données No-SQL, les bases de données relationnelles restent encore
aujourd’hui largement utilisées dans le monde de l’entreprise et de la donnée car elles répondent à des
problématiques spécifiques. Il est donc primordial que tous les élèves de l’Ensai aient des compétences en la
matière. Elles seront approfondies dans leurs scolarité via des projets informatiques et des cours spécifiques à
certaines filaires.
Le module Algorithmique et complexité s’adresse aux élèves ayant déjà une expérience dans la programmation
impérative. Au lieu d’être un module de rappels de notions déjà maîtrisées, il se concentre sur l’analyse et la
conception d’algorithme sous contrainte de complexité temporelle ou spatiale. Le but est de sensibiliser les élèves
qu’en entreprise les ressources que demandent un algorithme pour produire de la connaissance, aussi bien en
temps de calcul qu’en infrastructure nécessaire à son fonctionnement sont primordiale.
Le module Algorithmique et programmation s’adresse aux élèves n’ayant aucune expérience dans la
programmation informatique. Il se concentre sur la découverte et l’apprentissage du langage Python, tout en
présentant aux élèves des contraintes de complexité simple. Ainsi les élève acquerront de solides compétences en
programmation impérative, tout en étant capable de déterminer la complexité d’algorithme simple.

-Extraire l’information souhaitée de toutes sources de données tabulaires
- Résoudre un problème de traitement de données en concevant et réalisant un algorithme avec le langage
Python en respectant des contraintes de complexité temporelle ou spatiale
- Comprendre des mécanismes fondamentaux de l'informatique permettant d’organiser une veille et de s’auto
former.

Aucun
24
ALGORITHMIQUE ET PROGRAMMATION
Algorithms Design and Programming

Enseignant : Hong-Phuong Dang
Nombre d’ECTS :3
Volume horaire de travail élève : 40
Répartition des enseignements : 6h30 de cours, 6h de TD, 18h de TP

Dont 6h de TP en autonomie
Langue d’enseignement
Français
Logiciels : python3, Spyder, Jupyter Notebook
Documents pédagogiques : Support du cours sur Moodle
Pré-requis : Aucun
Un examen final sans documents

• Maîtriser les bases de l'algorithmique, connaître les principales structures de données et quelques
algorithmes fondamentaux.
• Être capable d'organiser un traitement complexe en le découpant en procédures et fonctions.
• Pouvoir implémenter des algorithmes en utilisant la syntaxe du langage Python et mettre au point les
programmes écrits dans une démarche de lisibilité et de réutilisabilité.

1. Introduction au développement de logiciels informatiques
2. Types de données simples et structurées
3. Structures algorithmiques
4. Procédures et fonctions, récursivité
5. Programmation
6. Traduction des structures algorithmiques
7. Analyse descendante
T. CORMEN, C. LEISERSON, R. RIVEST Introduction à l’algorithmique, Dunod. 2002 (2e éd.)
G. SWINNEN, Apprendre à programmer avec Python 3
TANENBAUM, Systèmes d’exploitation, Pearson 2008 (2e éd.)
TANENBAUM, Architecture de l’ordinateur Dunod 2001 (4e éd.)
25
ALGORITHMIQUE ET COMPLEXITE
Algorithms design and complexity

Enseignant : Rémi PÉPIN (ENSAI/Insee)
Nombre d’ECTS :3
Volume horaire de travail élève : De 75 à 90h
Répartition des enseignements : 12h de cours, 9h de TD et 9h de TP

Langue d’enseignement : Français et anglais

Logiciels : Python3, Spyder, PyCharm
Documents pédagogiques : Sous Moodle, pas de polycopié
Pré-requis : Rudiment dans la programmation impérative
1 examen sur table, 1 devoir maison

 Calculer la complexité d’un algorithme, identifier sa classe de complexité, évaluer le temps nécessaire à sa
terminaison
 Produire un algorithme en python de complexité inférieure aboutissant au même résultat
 Appliquer les bonnes pratiques de programmation impérative
 Décrire les principaux composants d’un ordinateur

Ce cours commence par un rappel des principes de la programmation impérative avec python ainsi que quelques
bonnes pratiques de développement. Ensuite l’étude de la complexité des algorithmes est étudiée, aussi bien la
complexité temporelle (temps de calcul) que la complexité spatiale (mémoire). Des méthodes algorithmiques pour
diminuer la complexité de certaines catégories de problèmes seront présentées et mise en place par les élèves.
T. H. CORMEN, Introduction à l’algorithmique, Dunod (2002)
T.H. CORMEN, C.E. LEISERSON, R.L. RIVEST, C. STEIN, Algorithmique, Dunod (2010).
B. BAYNAT, P. CHRETIENNE, C. HANEN, S. KEDAD-SIHOUM, A. MUNIER-KORDON, C. PICOULEAU, Exercices et
problèmes d'algorithmique, Dunod (2012).
M. LUTZ , Python, Pocket Reference. O’Reilly (2014).
M. LUTZ & D. MANIEZ, Python précis et concis, Dunod (2019).
A. MARTELLI, A. RAVENSCROFT & D. ASCHER, Python, Cookbook (Second éd.) O’Reilly (2005).
B. SLATKIN, Effective Python, Addison Wesley (2019)
V.L. GOFF, Apprenez à programmer en Python, OpenClassrooms (2020, 23 juin)
https://openclassrooms.com/fr/courses/235344-apprenez-a-programmer-en-python
26
BASES DE DONNEES RELATIONNELLES

Relational Databases
UE1-03 M EIS – Matière 1AINF03 – Semestre 1

Enseignant : Benjamin Girault (ENSAI)
Nombre d’ECTS :3
Répartition des enseignements : 6h de cours, 4h30 de TD et 13h30 de TP

dont 1h30 de cours et 3h de TP en autonomie

Logiciels : PostgreSQL
Pré-requis : Aucun
1 examen final

 Créer une base de données relationnelle et ses principales contraintes d’intégrité en utilisant un SGBD avec le
langage SQL
 Maîtriser les éléments de base sur la construction et l’interrogation d’une base de données
 Comprendre le fonctionnement d’un système de gestion de bases de données (gestion des transactions, droit
d’accès).
 Concevoir une base de données relationnelle normalisée (3ème forme normale)
 Concevoir une base de données relationnelle normalisée en modélisant avec UML.

Présentation des SGBD et de leur utilisation
 Définition des bases de données relationnelles
 Algèbre relationnelle
 Le langage de manipulation de données SQL
 Création d’une base de données avec SQL
 Conception et normalisation (utilisation de UML)
 DELOBEL C., ADIBA M. (1982), Bases de données et systèmes relationnels, Dunod Informatique.
 GARDARIN G.,(2003), Bases de données : les systèmes et leurs langages, Eyrolles.
 GARDARIN G.,(1993), Maîtriser les bases de données, Eyrolles.
 MIRANDA S., BUSTA J.M. (1993), Introduction aux bases de données, Eyrolles (3e éd.).
 SOUTOU C. (2002), De UML à SQL, Eyrolles.
 BOUDJLIDA N. (1999), Bases de données et systèmes d’informations, Eyrolles.
 www.postgresql.org
27
UE 1-04 : MODELISATION ECONOMIQUE 1

Nombre d’ECTS : 6 parcours M / 5 parcours IES
Volume horaire de travail élève : de 105 à 180h
(enseignements + travail personnel) Ces heures de cours sont dédiées à l’étude des grandes questions
économiques de sociétés et à l’impact de la data science sur
l’analyse économique. Pour le travail spécifique aux cours : 105h
Nombre d’heures d’enseignement : 81h parcours M / 63h parcours E / 54h parcours IS
Les cours de l’UE doivent permettre une compréhension des grandes questions microéconomiques et
macroéconomiques via l’utilisation d’outils théoriques et empiriques. Cette UE vise à offrir des compétences en
modélisation microéconomique et macroéconomique et à mettre en pratique la modélisation statistique sur des
données économiques. Les méthodes présentées pour étudier ces caractéristiques sont directement mobilisables
pour des métiers de chargés d’études statistiques ou économiques. Pour les élèves issues du parcours
mathématiques, un enseignement de sciences sociales est dispensé pour mettre à niveau les connaissances des
élèves.
L’enseignement est organisé à partir de l’étude d’une série de problèmes contemporains à l’aide de modèles
empiriques et théoriques tant au niveau individuel (microéconomie) qu’au niveau agrégé (macroéconomie) mais
également au niveau sociétal (introduction aux sciences sociales).
Le cours de microéconomie est un cours de théorie économique, pour lequel chaque concept est illustré par des
applications empiriques. Il vise à présenter et utiliser des modèles économiques utiles pour discuter l’utilisation
de données économiques. Le cours consiste en une présentation théorique et formelle des principaux modèles
qui seront ensuite principalement utilisés dans le cadre d’études de cas des principaux problèmes
macroéconomiques contemporains comme la Grande Récession ou la crise du CoVid-19 mais aussi plus anciens
comme les chocs pétroliers, la Grande Dépression ou encore la Grande Inflation ou enfin de manière
historiquement plus transversale comme la persistance du chômage en Europe. Le cours d’introduction aux
sciences sociales étudie de manière transversale les grands enjeux sociétaux.

Les principales compétences sont les suivantes :
• Interprétation des mécanismes économiques à l’œuvre en fonction des phénomènes observés.
• Interpréter le lien entre données, modèles et réalités observées.
• Comprendre l’importance de la mesure en économie.
• Être en mesure de trouver les données pertinentes à l’étude de questions macroéconomiques concrètes.
• Adapter des modèles à des phénomènes observés dans la réalité.

Aucun
N.B. : Certains élèves de la filière éco peuvent substituer un projet au cours de questions de macroéconomiques
contemporaines.
28
MODELISATION MICROECONOMIQUE
Microeconomic theory
UE1-04 M E IS – Matière 1AECO01 – Semestre 1

Enseignant : Samuel DANTHINE (ENSAI)
Volume horaire de travail élève : Entre 25 et 30h par ECTS
Répartition des enseignements : 24h de cours, 12h de TD dont 8h en autonomie

Logiciels : néant
Pré-requis : Les élèves doivent maîtriser les notions simples d’analyse
(continuité, calcul différentiel, convexité). Les élèves provenant du
cursus économie pourront être dispensés sur demande des 6
premières heures de cours et des 3 premières heures de TD.
6 Quizz et 1 examen final

 Initiation au thématique et à la façon de raisonner en Sciences Économiques
 Initiation à la modélisation en Sciences Économiques
 Interprétation de résultat mathématique en sciences sociales.

À remplir
Microeconomics 2nd édition Austan Gooslbee, Steven Levitt, Chad Syverson, Worth publishers 2016.
Principes de Microéconomie (4ieme ed.), Robert H. Frank et Ben S. Bernanke, Economica, 2009.
Microéconomie, Daron Acemoglu, David Laibson, John A. List, Édition ERPI (Pearson) 2016.
Microeconomic Theory, Basic Principles and Extansions (11th ed), Walter Nicholson and Christopher Snyder, South-
Western, Cengage Learning, 2012.
Intermediate Microeconomics (11th ed), Walter Nicholson and Christopher Snyder, South-Western, Cengage Learning,
2010.
29
QUESTIONS MACROECONOMIQUES CONTEMPORAINES

Contemporary macroeconomic issues
UE 1-04 M EIS – Matière 1AECO002 – Semestre 1

Enseignant : Stéphane AURAY (ENSAI)
Répartition des enseignements : 18h de cours, 9h de TD

dont 3h de cours en autonomie

Logiciels : Néant
Documents pédagogiques : Transparents fournis au début du cours + planches de TDs
Pré-requis : Aucun
Quizz intermédiaire, examen final de 3h

 Comprendre l’importance de la mesure en économie.
 Être en mesure de trouver les données pertinentes à l’étude de questions macroéconomiques concrètes.
 Adapter des modèles à des phénomènes observés dans la réalité.
 Interpréter le lien entre données, modèles et réalités observées.

Il s’agit d’étudier une série de problèmes contemporains à l’aide de modèles empiriques et théoriques. En effet, la
théorie économique est utile pour interpréter des évènements (la « réalité » n’apparaît pas toujours directement)
mais en même temps ces évènements vont permettre de voir quelle est la « bonne théorie » pour les comprendre. Le
cours consiste en une présentation théorique et formelle des principaux modèles qui seront ensuite principalement
utilisés dans le cadre d’études de cas des principaux problèmes macroéconomiques contemporains comme la Grande
Récession ou la crise du CoVid-19 mais aussi plus anciens comme les chocs pétroliers, la Grande Dépression ou encore
la Grande Inflation ou enfin de manière historiquement plus transversale comme la persistance du chômage en
Europe. Ce cours doit permettre une compréhension des grandes questions macroéconomiques à la fois via
l’utilisation d’outils théoriques et empiriques.
Barro R., 2008, Macroeconomics, MIT Press.
ème
Blanchard O., D. Cohen et F. Johnson, 2018, Macroéconomie, Pearson Education (6 édition).
ème
Mankiw G., 2016, Macroéconomie, De Boeck (7 édition).
30
PROJET DE MACROECONOMIE
Personal project in economic theory
UE1-04 E – Matière 1AECO03 – Semestre 1

Enseignant : Stéphane AURAY (ENSAI)
Nombre d’ECTS : 2.5
Répartition des enseignements : 12h en autonomie
Langue d’enseignement : Anglais pour les ressources documentaires et français pour la

rédaction du rapport.
Logiciels : néant
Documents pédagogiques : Articles distribués au cours de la première séance
Pré-requis : Niveau L2 en microéconomie et macroéconomie
L’évaluation porte sur la qualité du rapport écrit (caractère pédagogique et rigueur scientifique de la présentation,
richesse et pertinence des commentaires).

 L’objectif est de savoir effectuer une analyse critique d’une problématique particulière de la théorie
économique macroéconomique, en s'appuyant si nécessaire sur l'utilisation de données économiques.
 Cette analyse requiert une étude rigoureuse et approfondie d’un ou plusieurs articles mis à disposition, ainsi
que la mobilisation de connaissances préalablement acquises en économie théorique.
 Elle suppose également une bonne appropriation des différentes ressources documentaires mises à
disposition par l’école.

Les élèves, répartis en binômes, rédigent une note de synthèse critique d'un article ou d'un chapitre d'ouvrage en
langue anglaise, en s'appuyant si nécessaire sur l'utilisation de données économiques.
Cette note présente la problématique étudiée dans le support documentaire, les principales notions et résultats qui y
apparaissent, et en offre commentaires et discussion fondés sur leur connaissances préalables et/ou sur un ensemble
de lectures complémentaires. Le projet est à mener sur le 1er semestre et à rendre au début du 2e semestre.
Articles distribués au cours de la première séance.…
31
INTRODUCTION AUX SCIENCES SOCIALES

Introduction to sociology
UE 1- 04 M – Matière 1AECO04 – Semestre 1

Enseignant : Joanie CAYOUETTE-REMBLIERE (Ined)
Nombre d’ECTS :1
Répartition des enseignements : 18h de cours dont 6h en autonomie

Logiciels : néant
Documents pédagogiques : Textes/tableaux
Pré-requis : Aucun
1 examen final

 Développer une connaissance critique des différentes méthodes de collecte et d’analyse des matériaux
 Maîtriser certains concepts fondamentaux de la sociologie
 S’approprier des connaissances sur la société française

Ethnographie, Raisonnement statistique, Inégalités sociales, Socialisation, Classes sociales, Genre, Trajectoires
scolaires, Ségrégation urbaine, Comportements politiques.
BERGER Peter (2006 [1963]) Invitation à la sociologie, Paris, La découverte.
BLANCHARD Marianne et CAYOUETTE-REMBLIÈRE Joanie (2016) Sociologie de l’école, Paris, La découverte.
BUGEJA-BLOCH Fanny et COUTO Marie-Paule (2015) Les méthodes quantitatives, Paris, PUF.
CAYOUETTE-REMBLIÈRE Joanie (2016) L’école qui classe. 530 élèves du primaire au bac, Paris, PUF.
DARMON Muriel (2013) Classes préparatoires. La fabrique d’une jeunesse dominante, Paris, La découverte.
LAHIRE Bernard (dir.) (2019) Enfances de classe, Paris, Seuil.
MAILLOCHON Florence et SELZ Marion (2009) Le raisonnement statistique, Paris, PUF.
OBERTI Marco et PRÉTECEILLE Edmond (2016) La ségrégation urbaine, Paris, La découverte.
PAUGAM Serge (2012) L’enquête sociologique, Paris, PUF.
SINGLY de Françcois, GIRAUD Christophe et MARTIN Olivier (2016) Apprendre la sociologie par l’exemple, Paris,
Armand Colin.
32
Brique des enseignements de pemière année 2020/2021
UE 1-05 : HUMANITES
Nombre d’ECTS :3
Nombre d’heures d’enseignement : 45 à 51h
À la fin de cette UE, notamment grâce aux enseignements des langues, les élèves seront capables de mettre en
œuvre les compétences linguistiques et culturelles qui facilitent la suivie des cours scientifiques dispensés en
anglais ou d’autres langues, le travail dans un environnement professionnel international et la compréhension des
normes culturelles dans les pays étrangers. À travers les cours d’ouverture, les élèves acquerront les
connaissances dans des disciplines autres que la statistique, l’économie et l’informatique. Cette UE vise
également le développement des compétences transversales (soft skills) qui aideront les élèves à réussir les
projets académiques de leur formation, à intégrer le marché du travail et à devenir les citoyens éclairés.
L’UE Humanités en 1ère année se compose de deux matières obligatoires : l’anglais et les cours libres optionnels.
Les cours libres optionnelles sont constitués de deux types d’options : les langues optionnelles et les cours
d’ouverture.
Anglais et langue optionnelles
En anglais les élèves travaillent toutes les compétences linguistiques pour atteindre le niveau B2 du CECR et
progresser vers un niveau C1. Pour les langues optionnelles (l’allemand, le chinois, l’espagnol, l’italien, le japonais
et le russe), les élèves travaillent toutes les compétences linguistiques afin de progresser selon leur niveau de
départ. Lors des cours de langues, les élèves développement également les connaissances interculturelles et les
compétences transversales (soft skills), notamment dans les domaines de l’ouverture au monde, à la vie sociale et
civique.
Les cours d’ouverture
Cette option vise à développer chez les élèves une culture générale dans un domaine scientifique ou des sciences
sociales et humaines non couvert dans les autres UE à l’ENSAI (communication interculturelle, développement
durable, géopolitique, histoire de l’art, l’initiation à l’entrepreneuriat, philosophie, psychologie, physique...), à
effectuer des travaux d'initiation dans un domaine artistique (cinéma, dessin, musique, peinture, théâtre...) ou à
valoriser l'engagement citoyen des étudiants (participation à des activités associatives, à des projets avec des
intervenants non statisticiens...). Les élèves développent ainsi les connaissances et des compétences transversales
dans la matière suivie à travers les dispositifs pédagogiques proposés : projets et réalisation artistique….

• maîtriser une ou plusieurs langues étrangères
• contextualiser et prendre en compte les enjeux et les besoins de la société
• se connaître, s’auto-évaluer, gérer ses compétences, opérer ses choix professionnels
• s’intégrer et évoluer dans un contexte international et/ou pluriculturel
• savoir identifier les informations pertinentes, à les évaluer et à les exploiter.

Pour les langues : test de positionnement
33
ANGLAIS
English
UE1-05 Matière 1AHUM02 – Semestre 1
Enseignant : Charles BOSTON, Rosie DUTTON, Juilet LANGFORD, Chris
MCLOUGHLIN, Mary MILONNET, Christopher O’YOUNG, Mike
RANDALL, …(Anglais renforcé : Richard POINTER, Mike RANDALL, Carla
SCHETTINI°
Nombre d’ECTS :2
Volume horaire de travail élève : 50 à 60h
Répartition des enseignements : 24h de cours par semestre, Cliquez ici pour taper du texte.
Langue d’enseignement : Anglais

Logiciels : TOEIC Mastery, VLC, Audacity, Moodle, Teams
Documents pédagogiques : Fournis sur Moodle par les intervenants
Pré-requis : Avoir passé le test de niveau
1 TOEIC définitif par semestre et 4 contrôles continus par semestre dont les modalités sont déterminés par les
enseignants.

 Comprendre le contenu essentiel de sujets concrets ou abstraits dans un texte ou dialogue complexe
 Communiquer avec un degré de spontanéité et d'aisance tel qu'une conversation avec un locuteur natif ne
comportant de tension ni pour l'un ni pour l'autre
 Posséder une gamme assez étendue de langue pour pouvoir faire des descriptions claires, exprimer son point
de vue et développer une argumentation sans chercher ses mots de manière évidente
 Montrer un degré assez élevé de contrôle grammatical. Ne faire pas de fautes conduisant à des malentendus
et peut le plus souvent les corriger lui/elle-même
 S'exprimer de façon claire et détaillée sur une grande gamme de sujets, émettre un avis sur un sujet
d’actualité et exposer les avantages et les inconvénients de différentes possibilités
 Parler relativement longtemps avec un débit assez régulier ; bien qu'il /elle puisse hésiter en cherchant
structures ou expressions, l'on remarque peu de longues pauses
 Prendre l'initiative de la parole et son tour quand il convient et peut clore une conversation quand il le faut,
encore qu'éventuellement sans élégance
 Faciliter la poursuite d'une discussion sur un terrain familier en confirmant sa compréhension, en sollicitant
les autres, etc.
 Utiliser un nombre limité d'articulateurs pour lier ses phrases en un discours clair et cohérent bien qu'il
puisse y avoir quelques "sauts" dans une longue intervention

Pour les élèves qui n’ont pas le niveau B2, les cours se concentrent en partie sur la préparation au TOEIC et au
développement des compétences pour atteindre le niveau B2. Les plus faibles suivent un enseignement
supplémentaire d'anglais renforcé, sous la forme de cours où plusieurs thèmes sont abordés. Les élèves du niveau B2
suivront deux cours thématiques par semestre. Ces thèmes varient tous les ans, voice quelques exemples proposes
par le passé : Brexit and Current Affairs in the EU, English through Art, Storytelling : The Hero and Mythology,
Technology through History, The Swinging 60s, Trends in Technology, et UK Culture. Pour ces derniers, la préparation
au TOEIC se fait en autonomie avec le logiciel que l'École propose en réseau « TOEIC Mastery » et pendant les TOEIC
blancs. Le TOEIC définitif est proposé en fin d’année pour ceux qui souhaitent le passer dès la première année.
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / scolarite@ensai.fr
www.ensai.fr
Pour tous les élèves en première année, une présentation et des ateliers sont organisés pour la rédaction et le
perfectionnement d’un CV et d’une lettre de motivation en anglais, afin d’aider les élèves à développer leurs
compétences professionnelles en anglais pour réaliser leur projet de période obligatoire à l’étranger, pour chercher un
stage ou pour chercher un emploi. Cette formation sera sous forme de CM pour apprendre les techniques de
rédaction dans un premier temps, et ensuite sous forme de travail en autonomie avec un retour individualisé.
B.S. AZAR & S.A. HAGEN, Understanding and using English grammar, White Plains, NY: Pearson Longman (2009)
Council of Europe, Common European Framework of Reference for Languages https://www.coe.int/en/web/common-
european-framework-reference-languages/home
Merriam-Webster's Online Dictionary Springfield, Mass. : Merriam-Webster, Inc. (2020) https://www.merriam-
webster.com/
Oxford Advanced Learners Dictionary, 10th Edition, Oxford: Oxford University Press, 2020.
Talcott C., Tullis G., Target Score (2nd ed.), Cambridge: Cambridge University Press, 2008.
Lougheed, Lin, Building Skills for the New TOEIC Test (2nd ed.), Pearson Education, 2009.
Schrampfer-Azar, B., Understanding and Using English Grammar (3rd ed.), Longman, 1999.
Trew, Grant, Tactics for TOEIC, Oxford: Oxford University Press, 2007.
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
www.ensai.fr
COURS D’OUVERTURE
General culture courses
UE1-05 Matière TAOUV – Semestre 1
Enseignant : Divers intervenants°
Nombre d’ECTS :1
Répartition des enseignements : 21h de cours par semestre,
Langue d’enseignement : Français ou anglais

Logiciels : pour le cours de Cinéma (VideoPad Video Editor) et Physique
(AviMeca, SalsaJ et Regressi)
Documents pédagogiques : fournis par les enseignants sur Moodle
Pré-requis : des conditions d’inscription à respecter selon le cours d’ouverture,
précisé dans le « Programme des enseignements : Cours libres
optionnels. »
2 contrôles continues dont les modalités de l’évaluation (quizz, devoir maison, mini-projet, …) sont déterminés par
l’enseignant selon la matière

Chaque cours d’ouverture a des acquis d’apprentissage spécifique qui sont définis dans le Programme des
enseignements : Cours libres optionnels.
De manière générale, à l’issue d’un cours d’ouverture, l’étudiant aura :
 -objectif1 : Approfondi les connaissances dans la matière suivie
 -objectif2 : Développé des compétences transversales dans les domaines variés

Différents cours d’ouverture sont proposés par l’école. Les cours ouverts en 2020/2021, leur contenu et leurs
modalités de contrôle des connaissances sont décrites dans le Programme des enseignements : Cours libres
optionnels disponible sur le site web de l’ENSAI.
Au second semestre, le cours de physique doit obligatoirement être suivi (en première ou deuxième année) par les
élèves ingénieurs des filières Économiques et STID.
L’objectif global est d’encourager les élèves à s’ouvrir à d’autres disciplines tout en développant les compétences
transversales (soft skills) dans les domaines tels que les relations humaines et le travail en équipe, la connaissance de
soi, la créativité et le sens de l’innovation, la curiosité intellectuelle et l’ouverture au monde et à la vie civique et
sociétale.
Pour les cours visant à développer une culture générale dans un domaine scientifique ou des sciences sociales non
couverts à l’ENSAI (Communication interculturelle, Développement durable, Géopolitiques, Histoire de l’art, Initiation
à l’entrepreneuriat, Média, Philosophie, Physique Psychologie) :
Les élèves analysent et interprètent des disciplines majeures (de la pensée, de la culture, de l’expression et/ou de la
science). Ils évaluent comment les idées influencent le caractère de la pensée humaine, la perception de la réalité et
les normes qui gouvernent le comportement. Ils construisent un point de vue qui intègre les facteurs qui influencent
l’activité humaine (artistique, historiques et/ou scientifiques). Ils apprennent à s’exprimer de façon critique en
examinant des sources variées qui mettent au défi les idées reçues.
Pour les cours dans un domaine artistique (Cinéma, Dessin, Musique, Peinture et Théâtre) :
36
Les élèves apprennent à analyser, à apprécier et à interpréter des œuvres artistiques (picturales, musicales
et théâtrales) leur permettant d’observer d’un œil critique. Ils participent activement à la création artistique dans le
cadre d’un projet commun (représentations musicales et théâtrales, expositions de travaux artistiques).
Evaluation des acquis d’apprentissage :

La mobilisation des connaissances et des compétences seront évaluées à travers au moins 2 contrôles continus dont
les modalités sont indiquées par l’enseignant dans le « Programme des enseignements : Cours libres optionnels ».
Divers ressources fournis selon les sujets traités par les enseignants qui fournissent un syllabus détaillé avec les
contenus, objectifs et ressources spécifiques à leurs cours.
Pour tout complément d’information, chaque élève peut consulter le Programme des enseignements : Cours libres
optionnels, disponibles sur le site de l’école.
37
LANGUES OPTIONNELLES
Cliquez ici pour taper du texte.
Nombre d’ECTS :1
Répartition des enseignements : 30h de TD par semestre,
Langue d’enseignement : la langue ciblée – allemand, espagnol, chinois, italien, japonais, russe
Logiciels : Aucun
Pré-requis : Avoir passé le test de niveau si non-débutant
4 contrôles continues dont les modalités de l’évaluation (quizz, devoir maison, mini-projet, …) sont déterminés par les
enseignants

de manière générale, à l’issue d’un cours de langue optionnelle, l’étudiant aura :
 -objectif1 : Progressé dans les quatre compétences langagières - l’expression écrite et orale et la
compréhension écrite et orale
 -objectif2 : Développé des compétences transversales dans les domaines tels que l’ouverture au monde, à la
vie sociétal et civique

Les élèves travailleront toutes les compétences linguistiques dans une approche communicative. Les élèves
apprennent à décrire et analyser les contextes culturels spécifiques aux peuples qui parlent la langue étudiée. Ils
prennent du recul sur leurs propres cultures en s’ouvrant vers celles étudiées en cours pour développer les
compétences transversales (soft skills) notamment dans les domaines de l’ouverture au monde, à la vie sociale et
civique et la connaissance de soi.
Le contenu varie selon le niveau et la langue des cours : de débutants pour apprendre les bases aux cours thématiques
pour les élèves plus avancés. Les 6 langues optionnelles proposées visent les compétences langagières de
communication.
• Allemand
• Chinois
• Espagnol
• Italien
• Japonais
• Russe
Cadre européen commun de référence pour les langues : apprendre, enseigner, évaluer (CECR)
https://www.coe.int/fr/web/common-european-framework-reference-languages/home
Pour tout complément d’information, chaque élève peut consulter sur le site de l’école :
• le Programme des enseignements : Langues
38
PARTICIPATION AUX ACTIVITES ASSOCIATIVES

Participation in Student or Extra-Curricular Organizations
UE1-11 Bonus – Semestre 2
Enseignants : Département des Humanités (dispense) ; Direction des Études
(bonus)
Nombre d’ECTS : 1 crédit ECTS (dispense) et/ou jusqu’à 0,5 points de bonus
Volume horaire de travail élève : 30h minimum

Logiciels : Aucun
Documents pédagogiques : Aucun
Pré-requis : Aucun
 La liste définitive des bénéficiaires de bonus est validée par le Directeur Adjoint des Études avant chaque
jury.
 La dispense est validée par une note sur 20 points après une présentation et/ou rapport écrit.

La participation à des activités associatives favorise l’ouverture d’esprit, le développement des relations personnelles
et l’engagement collectif. De ce point de vue, l’école souhaite l’encourager, dans la limite d’un investissement
compatible avec la réussite académique de l’élève qui reste bien évidemment la priorité.
1) Les activités associatives liées à l’école

La participation comme dirigeant ou membre du bureau d’une association de l’école peut donner droit à des points
bonus qui s’ajoutent à la moyenne du semestre concerné.
La liste précise des bénéficiaires et le niveau du bonus sont fixés par la direction des études, après concertation avec
les associations concernées :
-en début d’année académique pour le semestre 1.
-en début d’année civile pour le semestre 2.
Pour bénéficier de ce bonus, les élèves doivent avoir une activité avérée au sein de l’association pendant le semestre
concerné. La liste définitive des bénéficiaires est validée par le Directeur Adjoint des études avant chaque jury.
En plus de ce dispositif, des membres des associations de l’école, dont la/ou les fonctions sont précisées en début du
semestre concerné, peuvent bénéficier d’une prise en compte plus importante de leur engagement, afin de valoriser
davantage l’ouverture procurée par les activités concernées (comptabilité, organisation, prospection, communication,
animation…). Cette prise en compte supplémentaire consiste en la dispense d’un cours d’ouverture par semestre.
Pour en bénéficier, les élèves concernés doivent faire remonter par le Président de l’association concernée une
demande au Département des Humanités, puis en fin de semestre faire une présentation ou remettre un rapport
détaillant les actions réalisées - à titre personnel - pour l’association. Cette présentation et/ou rapport est noté par le
Département des Humanités, qui en appréciera la forme et la richesse des actions entreprises pour l’école.
Hors cas de force majeure, si un élève ne remplit pas ses engagements et si son activité ne justifie pas la dispense,
celle-ci est rétroactivement annulée. L’élève sera donc soumis au régime prévu dans le règlement de scolarité, c'est-à-
dire qu’il devra donc composer sur deux cours d’ouverture (ou un cours de langue optionnelle) pour l’unité
d’enseignement concernée.
2) Les autres activités associatives

La participation à des activités associatives dans un cadre hors scolaire peut aussi donner droit à des points bonus,
voire à une dispense de cours d’ouverture. C'est un droit depuis la loi « Egalité et Citoyenneté » du 27 janvier 2017 et
le décret n°2017-962 du 10 mai 2017 relatif à la reconnaissance des étudiants dans la vie associative, sociale ou
professionnelle. C’est notamment le cas lorsque l’activité :
- traduit une compétence forte dans un domaine d’ouverture ;
39
- traduit un engagement dans une activité bénévole, dans une mission de service civique ou dans la réserve
opérationnelle de la défense ;
- valorise l’école ;
- demande un investissement important.
Par exemple, la participation au 4L Trophy ou au Melting Notes Orchestra peut entrer dans ce cadre, lorsque les dates
sont compatibles avec la période d’examens ou de rattrapages de l’école.
Les élèves souhaitant en bénéficier doivent déposer une demande argumentée aux correspondants (le Directeur
Adjoint des Études et le Département des Humanités).
40
SPORT
Sport
Enseignant : Divers intervenants
Nombre d’ECTS : jusqu’à 0,5 points de bonus

Logiciels : Aucun
Pré-requis : Aucun
La participation à une activité sportive peut donner lieu à l’attribution d’un bonus (non cumulable) ajouté sur la
moyenne du semestre concerné. Le niveau de ce bonus est précisé dans une circulaire d’application en début d’année
académique. Il varie selon l’assiduité aux séances, l’engagement et la participation aux compétitions tout au long de
l’année.
Pour être définitive, la liste des élèves bénéficiant de ces bonus doit être validée par le directeur des études.
Un bonus peut être exceptionnellement attribué en dehors des activités sportives réalisées dans le cadre Ensai. Pour y
prétendre, les élèves concernés doivent remplir les 3 conditions suivantes:
- pratiquer régulièrement une activité sportive et participer aux compétitions liées ;
- posséder un niveau national (voir très bon niveau régional suivant le sport en question) ;
- déposer une demande argumentée auprès de la direction des études et du service sport en début d'année scolaire,
afin de faire valider le programme d'entraînement, des compétitions et les modalités de diffusion des performances.
Pour certains ayant des contraintes sportives, des aménagements horaires pourront d'ailleurs être ainsi envisagés si
besoin.

L’objectif est d’amener les élèves à maintenir un esprit sportif, sortir du strict cadre académique et développer leurs
capacités physiques.

9 activités sportives sont proposées par l’école :
• Badminton
• Basket
• Cross-Training
• Football
• Hand-ball
• Tennis de table
• Tennis
• Volley-ball
• Course à pied/préparation physique/coaching sportif
Outre les entraînements, les élèves inscrits peuvent être amenés à participer à des compétitions.
41
UE 1-06 : STATISTIQUE INFERENTIELLE

Nombre d’ECTS :6
Comprendre les principes fondamentaux de la statistique inférentielle et être capable d’analyser les
caractéristiques de paramètres estimés afin d’en tirer des conclusions sur les vraies valeurs des paramètres.
Choisir les méthodes adaptées aux différentes problématiques ou aux différents types d’échantillons.
une première partie vise à introduire les notions principales d’échantillonnage, d’estimation et d’intervalles de
confiance. La seconde partie s’appuie sur ces connaissances pour définir le cheminement de la construction d’un
test et les enjeux de sa mise en œuvre.

-Savoir définir la modélisation statistique régissant un phénomène observé
-Maitrise des notions d’estimation paramétrique, d’intervalle de confiance, de tests d’hypothèses
-Évaluer de façon critique les résultats d’une analyse statistique (analyser le contexte théorique, les objectifs et la
méthodologie pour identifier les limites des résultats)

Intégration, Probabilité
42
INTRODUCTION A LA STATISTIQUE INFERENTIELLE

Introduction to inferential statistics
UE 1-06 MEIS – Matière 1ASTA09 – Semestre 2

Enseignant : Salima El Kolei (ENSAI)
Nombre d’ECTS :3

dont 3h de cours en autonomie

Logiciels : À remplir
Documents pédagogiques : Notes de cours
Pré-requis : Intégration et Probabilité
1 devoir maison facultatif, 1 examen final

 Maîtrise des notions générales relatives à l'inférence statistique sur un échantillon
 Connaissance théorique et pratique des méthodes classiques d'estimation
 Compréhension du cheminement de la construction d’un intervalle de confiance

 Caractéristiques stochastiques d'un échantillon : moments et fonction de répartition empiriques, statistiques
d'ordre.
 Modèles statistiques, vraisemblance, famille exponentielle.
 Exhaustivité et information de Fisher.
 Estimation ponctuelle, qualités d'un estimateur, biais, erreur moyenne quadratique, consistance, efficacité,
estimateur du maximum de vraisemblance, estimateur des moments, méthode Delta.
 Intervalles de confiance
Introduction à la régression

e
M. LEJEUNE, Statistiques. La théorie et ses applications, Springer, 2010 (2 éd.)

e
D. DACUNHA-CASTELLE, M. DUFLO, Probabilités et statistiques : problèmes à temps fixe, Masson, 1994 (2 éd.)
 D. FOURDRINIER, Statistique inférentielle-Cours et exercices corrigés. Dunod. 2002.
 K. KNIGHT, Mathematical statistics, Chapman & Hall, 2000
 JP. LECOUTRE, Probabilités. Statistiques, Exercices corrigés avec rappel de cours, Ed. Masson

e
E.L. LEHMANN, Theory of point estimation, Springer, 1998 (2 ed.)
 J.K. LINDSEY, Parametric statistical inference, Oxford Science Publication, 1996
43
INTRODUCTION AUX TESTS STATISTIQUES

Introduction to statistical tests

Enseignant : Marie Du Roy Chaumaray (ENSAI)
Nombre d’ECTS :3
Répartition des enseignements : 15h de cours dont 7h30 en autonomie, 12h de TD, 9h de TP

Logiciels :R
Documents pédagogiques : notes de cours, slides
Pré-requis : Intégration et Probabilité, statistique inférentielle
Un examen écrit de 2h.

 Compréhension du cheminement de la construction d’un test et des enjeux de sa mise en œuvre
 Connaissance des tests classiques et du cadre de leur application.
 Assimilation des notions théoriques sur les tests paramétriques

Introduction à la théorie des tests d’hypothèses : règle de décision, zone de rejet, erreur de 1ère et 2nde espèce.
Test usuels : du rapport de vraisemblance, paramétriques (moyenne, proportion, variance), non paramétriques (khi-
deux, Kolmogorov-Smirnov).
p-valeur, tests randomisés, dualité intervalles de confiance et tests.
Tests pour la régression linéaire et logistique.
D. DACUNHA-CASTELLE, M. DUFLO, Probabilités et statistiques : problèmes à temps fixe, Masson, 1994 (2e éd.)
D. FOURDRINIER, Statistique inférentielle-Cours et exercices corrigés. Dunod. 2002.
JP. LECOUTRE, Probabilités. Statistiques, Exercices corrigés avec rappel de cours, Ed. Masson
M. LEJEUNE, Statistique : la théorie et ses applications, Springer 2010
G. SAPORTA, Probabilités, analyse des données et statistique, Technip, Paris. 2011 (3 e éd.)
P. TASSI, Méthodes statistiques, Ed. Economica. 2004 (3 e éd.)
44
UE 1-07 : INTRODUCTION A L’APPRENTISSAGE

STATISTIQUE
Nombre d’ECTS :6
Introduire les concepts de base de statistique exploratoire multivarié ainsi que les méthodes numériques qui
permettent d'optimiser des fonctions objectifs construites à partir d'un échantillon de données. Cette UE, qui suit
l'UE2 de statistique descriptive, introduit des outils de base utilisés préalablement à la modélisation statistique et
les méthodes numériques qui seront centrales en statistique inférentielle ou pour les algorithmes
d'apprentissage statistique supervisé.
La matière Statistique exploratoire multivariée introduit les techniques statistiques de base pour obtenir un
résumé de l'information contenue dans un jeu de données multivariées. La matière Optimisation et Méthodes
numériques introduit les notions clefs permettant l'approximation d'un optimum d'une fonction avec ou sans
contraintes. La matière Statistique avec R permet d'apprendre à coder ou à utiliser en pratique les méthodes
développées dans les deux autres matières.

Connaître et savoir utiliser les méthodes de statistique exploratoire qui permettent d'obtenir un résumé de
l'information contenue dans les données multivariées. Maîtriser la mise en oeuvre algorithmique de méthodes
statistiques conduisant à un problème d'optimisation.

Les notions abordées en statistique descriptive ainsi que les notions de base en analyse abordées lors de la remise
à niveau ou les compléments de mathématiques.
45
OPTIMISATION ET METHODES NUMERIQUES

Optimization and numerical methods
UE1- 07 MEIS – Matière 1AINF07 – Semestre 2

Enseignant : Charles SAVEL
Nombre d’ECTS :2

dont 6h en autonomie (3h de CM et 3h de TD)
Langue d’enseignement : Frannçais

Logiciels : Python3, Spyder, Pycharm ir
Documents pédagogiques : Un document résumant les points essentiels du cours sera distribué
Pré-requis : Cet enseignement demande que tous les élèves maîtrisent le calcul
différentiel ainsi que l’algèbre linéaire.
Examen sur table associant questions de cours et résolution de problèmes (calculatrice autorisée)
 Déterminer analytiquement l’optimum d’une fonction.
 Démontrer l’existence d’un optimum global.
 Écrire les conditions Karush-Kuhn-Tucker d’un problème d’optimisation.
 Résoudre numériquement un problème d’optimisation sans contrainte

1.Optimisation :
• Rappels de calcul différentiel et d'algèbre linéaire. Généralités sur l'optimisation et exemples.
• Optimisation sans contrainte : existence, conditions nécessaires, conditions suffisantes.
• Optimisation avec contraintes d’égalités ou d’inégalités : théorèmes des extrema liés, théorème de Karush-Kuhn-
Tucker.
2.Méthodes numériques :
• Méthodes de gradient.
• Méthodes de Newton pour systèmes non linéaires.
• Méthodes directes pour systèmes linéaires.
J.- M. ARNAUDIES, H. FRAYSSE, Cours de mathématiques (tome 2, Analyse), Dunod, 1996 (2e éd.)
X. GOURDON, Algèbre, Ellipses. (2009) (2e éd.) Analyse, Ellipses. (2008) (2e éd.)
J-B. HIRIART-URRUTY, L'optimisation, Que sais-je ? (1996)
J.-F. BONNANS, J.-C. GILBERT, C. LEMARÉCHAL, C. SAGASTIZABAL, Optimisation Numérique, Aspects théoriques et
pratiques, Springer (1997)
L. GENGOUX, Optimisation, Ecole Centrale de Paris (2007)
http://perso.ecp.fr/~laurent/Modef/Documents/CoursOptim.pdf
G. ALLAIRE, Analyse numérique et optimisation, Ellipses (2012)
http://www.cmap.polytechnique.fr/~allaire/livre2.html
C.T. KELLEY, Solving Nonlinear Equations with Newton's Method, SIAM (2003)
46
STATISTIQUE EXPLORATOIRE ET MULTIVARIEE

Multivariate data analysis

Enseignant : Matthieu MARBAC (ENSAI)
Nombre d’ECTS :3

dont 10,5h en autonomie

Logiciels :R
Documents pédagogiques : Polycopié de cours, scripts R avec jeux de données
Pré-requis : Algèbre linéaire, cours de statistiques descriptives
2 examens sur table

 Mener une étude de statistiques descriptives (détection de dépendances entre variables, détection
d’individus atypiques, visualisation, détection de sous-population homogènes).

Méthodes factorielles (analyse en composantes principales, analyse factorielle discriminante, analyse des
correspondances et analyse des correspondances multiples) et clustering (Kmeans, Kmédoides, classification
ascendante hiérarchique, modèles de mélanges).
C. BIERNACKI, Pourquoi les modèles de mélange pour la classification ? La Revue de Modulad, 40, 1-22 (2009)
P.A. CORNILLON, A. GUYADER, F. HUSSON, N. JÉGOU, J. JOSSE, M. KLOAREG, E. MATZNER-LOBER, L. ROUVIERE,
Statistiques avec R, 3e édition augmentée et en couleurs, Presses Universitaires de Rennes, France. (2013)
B. ESCOFIER, J. PAGES, Analyses factorielles simples et multiples (4e éd.), Dunod (2008)
S. FRUHWIRTH-SCHNATTER, G. CELEUX, C. ROBERT, Handboock of Mixture Analysis (2019)
F.HUSSON, S. LÊ & J. PAGÈS, Analyse de données avec R, Presses Universitaire de Rennes (2009)
47
STATISTIQUE AVEC R
R for statistics

Enseignant : Arthur KATOSSTKY (ENSAI/Insee)
Nombre d’ECTS :1


Logiciels : Langage R
Documents pédagogiques : Supports de cours, Supports de TP, Aide-mémoires
Pré-requis : au second semestre, notions de probabilités
3h de TP individuel sur table

 Écrire des programmes en R
 Écrire Calculer des statistiques descriptives, estimer un modèle, effectuer des simulations
 Gérer un projet, créer un package
 Utiliser l’IDE R-Studio

• Prise en main du logiciel
• Statistiques descriptives
• Variables aléatoires sous R
• Monte-Carlo
• Un package pour l’ACP
• Régression linéaire sous R
• Régression logistique sous R
P.A. CORNILLON, A. GUYADER, F. HUSSON, N. JÉGOU, J. JOSSE, M. KLOAREG, E. MATZNER-LøBER, L. ROUVIERE,
Statistiques avec R, 3e édition augmentée et en couleurs, Presses Universitaires de Rennes, France (2013)
H. WICKHAM and G. GROLEMUND, R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. 1 edition.
O’Reilly Media. (2017) disponible en ligne : https://r4ds.had.co.nz/
Collection d’antisèches de la société R-Studio : https://rstudio.com/resources/cheatsheets/
48
UE 1-08 : PROGRAMMATION AVEC PYTHON

Nombre d’ECTS :5
Aujourd’hui, le développement logiciel s’appuie fortement sur la notion d’objet que ce soit pour les codes
développés par les data-scientistes ou pour les bibliothèques qu’ils utilisent. L’objectif de l’UE est donc de
permettre la compréhension, l’utilisation, le développement, et la conception de codes s’appuyant sur le
paradigme orienté objets.
L’UE aborde aussi d’autres concepts utiles au développement tels que la documentation de code et le test
unitaire.
Étant donné la place importante de Python dans le milieu de la data-science, c’est le langage d’application utilisé
pour cette UE.
L’UE comporte une partie où ces notions sont découvertes, travaillées, et évaluées individuellement. Puis dans un
second temps, un projet en équipes de 3 à 4 élèves permet de travailler l’ensemble de ces notions simultanément
et d’en éprouver les conditions de mise en œuvre en terme de gestion d’équipe et de gestion du temps de travail.

Concevoir et mettre en œuvre des projets de collecte et d’analyse d’informations en utilisant les outils
informatiques associés, les techniques de production (bases de données, enquêtes, données non structurées
issues d’internet) et les méthodes d’analyse quantitative de l’information, pour proposer des solutions et aider à
la décision.
Dans une moindre mesure :
Compétences transversales techniques et relationnelles permettant de piloter un projet dans le champ d’action
d’un ingénieur statisticien : il a la capacité à mener des projets d’organisation et à en assurer la maîtrise
d’ouvrage, à s’intégrer et évoluer dans une équipe dans un contexte international et maîtrise les outils de gestion,
de planification, d’évaluation.
Dans son champ qui évolue très rapidement, capacité de réaliser une veille scientifique et d’apprendre les
nouveaux outils et méthodes en autonomie (il possède les bases théoriques permettant la compréhension des
nouveaux outils)..

Algorithmique.
Introduction à la programmation orientée objet et documentation de code.
49
INTRODUCTION A LA PROGRAMMATION ORIENTEE OBJET

ET DOCUMENTATION DU CODE
Introduction to Object-Oriented Programming and code documentation

Enseignant : Benjamin GIRAULT (ENSAI)

dont 6h de TP en autonomie

Logiciels : Python
Documents pédagogiques : Diapositives du cours
Pré-requis : Algorithmique
Contrôle continu : un TP noté (20%), un partiel (20%). Examen : un devoir sur table d'une durée de 1h30, tout
document autorisé (60% de la note finale).

L’objectif du cours est de présenter la démarche, les savoir-faire, les outils pour développer des applications simples
traitant des données. Parmi les concepts abordées, on retrouve :
 La programmation orientée objet (POO). Elle est au cœur des langages de programmation modernes, elle
permet de compartimenter les données et leur traitement, et elle facilite le développement modulaire
d'applications. L'objectif principal est de comprendre les concepts de la programmation objet en concevant
des classes simples, éventuellement organisées de façon hiérarchiques.
 L’encapsulation de fonctionnalité dans des « bibliothèques ».
 Le formalisme UML. Il fixe les conventions nécessaires à la description des fonctionnalités attendues vis-à-vis
d’un code, la description du lien entre les données, la description des cas d’usage, … C’est un langage
puissant pour permettre la communication entre développeur et maître d’œuvre, mais aussi pour aider le
développeur d’une application à en concevoir les composantes.
 Le principe des notebooks permettant de mettre en valeur des cas d’usage du code. Le langage support du
cours est Python.

Encapsulation des données et fonctionnalités : bibliothèques et paradigme Objet
Héritage
Fonctionnalité de base d’un objet : constructeur, export texte, ...
Concepts avancés : itérateurs, flux d'entrée/sortie, collections, exceptions, …
Bibliothèques
Présentation d'UML
Les principaux diagrammes UML : Diagramme de classes, Diagramme de cas d’utilisation, Diagramme d’activités,
Diagramme d’état, Diagramme de séquences
Notebooks
Hugues Bersini. La programmation orientée objet: Cours et exercices en UML2, Python, PHP, C …BOOCH, RUMBAUGH,
JACOBSON. The Unified Modeling Language User Guide, Addison-Wesley, 2005 (2nd ed.) (traduction française chez
Eyrolles), The Unified Software Development Process, Addison Wesley, 1999 (traduction française chez Eyrolles)
P. ROQUES, F. VALLEE. UML2 par la pratique, Eyrolles. 2009 (7e éd.)
50
Karlijn Willems. Jupyter Notebook Tutorial: The Definitive Guide.

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook#gs.IyG0nkw…
51
PROJET TRAITEMENT DE DONNEES

Data mining project
UE1-08 MEIS – Matière 1AINF06 – Semestre 2

Enseignant : Benjamin Girault (ENSAI)
Répartition des enseignements : 1h de cours, 12h de TP et 12h de projet sans accompagnement

(en autonomie)

Logiciels : Python, Git
Documents pédagogiques : Diapositives du cours
Pré-requis :Introduction à la programmation orientée objet et documentation
de code
Les livrables de cet atelier seront restitués sous la forme d’un rapport, d’un démonstrateur et d’une soutenance.

 Mettre en pratique sur un cas concret tous les aspects de l’enseignement d’introduction à la programmation
orientée objet et à la documentation de code.
 Réaliser un logiciel de traitement de données et sa documentation au sein d’une petite équipe de 3-4
étudiants.
 Le cycle de vie de cet atelier suivra celui d’un développement logiciel classique, à savoir la modélisation des
objectifs de l’application via UML, son implémentation en Python et la présentation de son usage.

Développement logiciel.
Hugues Bersini. La programmation orientée objet: Cours et exercices en UML2, Python, PHP, C …BOOCH, RUMBAUGH,
JACOBSON. The Unified Modeling Language User Guide, Addison-Wesley, 2005 (2nd ed.) (traduction française chez
Eyrolles), The Unified Software Development Process, Addison Wesley, 1999 (traduction française chez Eyrolles)
P. ROQUES, F. VALLEE. UML2 par la pratique, Eyrolles. 2009 (7e éd.)
Karlijn Willems. Jupyter Notebook Tutorial: The Definitive Guide.
https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook#gs.IyG0nkw…
52
UE 1-09 : MODELISATION ECONOMIQUE 2

Nombre d’ECTS :5
(enseignements + travail personnel) Ces heures de cours sont dédiées à l’étude des grandes questions
économiques de sociétés et à l’impact de la data science sur
l’analyse économique. Pour le travail spécifique aux cours : 85h
Cette UE vise à renforcer les compétences en modélisation macroéconomique (notamment de croissance et donc
de long terme) et à mettre en pratique la modélisation empirique sur des données économiques. Les données
économiques résultent des comportements des agents : ménages, entreprises, gouvernements, et banques
centrales, comportements qui se modifient au cours du temps. L’utilisation de ces données sur le long terme et la
modélisation afférente doit tenir compte de ces caractéristiques. Les méthodes présentées pour étudier ces
caractéristiques sont directement mobilisables pour des métiers de chargés d’études statistiques ou
économiques. La mobilisation des compétences acquises en modélisation économique est effectuée à travers la
réalisation d’un projet d’économie descriptive, qui vise à étudier une question économique contemporaine en
s’appuyant sur une revue de littérature, et en menant une démarche scientifique avec une présentation claire et
rigoureuse en lien avec la théorie économique.
Le cours de macroéconomie étudie les phénomènes de cycle et de croissance qui ont vu certains pays se
développer plus rapidement et plus fortement que d’autres suite à différents types de phénomènes (guerres,
évolutions technologiques, transformation structurelle). Le projet économique vise à mettre en application les
outils mobilisés dans l’UE 4 et 9 en analysant une question économique (micro ou macro) et en visant à y
répondre.

 l’aptitude à mobiliser les ressources d’un (ou de plusieurs) champ scientifique et technique spécifique, l’UE
étant à l’interaction de plusieurs champs scientifiques ;
 la capacité à prendre en compte les enjeux et les besoins de la société, l’UE traitant de problèmes sociétaux
contemporains ;
 Aptitude à étudier et résoudre des problèmes complexes qui se modifient au cours du temps et au cours des
cycles économiques en mobilisant des connaissances scientifiques à dominante mathématique, statistique et
économique.
 Aptitude à mener une démarche scientifique en définissant une problématique à partir d’un sujet
économique et d'une recherche bibliographique et à valoriser cette étude à travers un mémoire.

Le cours de macroéconomie s’appuie sur le cours de questions macroéconomiques contemporaines de 1ère
année.
53
MODELISATION MACROECONOMIQUE
Macroeconomic Theory
UE 1 -09 MEIS – Matière 1AECO005 – Semestre 2

Enseignant : C. Hachon
Volume horaire de travail élève : 27h + 1h30/TD


Logiciels : Aucun
Documents pédagogiques : Support de cours en ppt + brochures de TDs
Pré-requis : Les bases de la macroéconomie et des agrégats macroéconomiques
Examen final de 2h sous la forme d’exercices, sans documents

 Comprendre les modèles de croissance
 Résoudre des modèles dynamiques

Croissance, convergence, externalités, biens publics, optimisation, diagramme des phases, sentier de croissance
équilibré, croissance endogène, croissance exogène
D. Acemoglu, Introduction to modern economic growth, Princeton university press.
J.O. Hairault (sous la direction de), Analyse macroéconomique, La découverte.
P. Aghion et P. Howitt, Théorie de la croissance endogène, Dunod.
R.J. Barro et X. Sala-i-Martin, Economic growth, The MIT Press.
O. Galor, Unified Growth Theory, Princeton University Press.
C.I. Jones, Théorie de la croissance endogène, De Boeck.
A. Maddison, L’économie mondiale : une perspective millénaire, OCDE.
54
PROJET D'ECONOMIE
Project in Economics

Enseignant : R. Le Saout
Répartition des enseignements : 12h de projet

Logiciels : Pas de logiciels
Documents pédagogiques : Définis par les encadrants
Pré-requis : Cours de modélisation économique du semestre 1
Les élèves, répartis par groupe de trois, rédigent un rapport d'environ 15 pages sur un sujet d'économie
contemporaine, à partir d'un ou plusieurs articles et en s'appuyant sur leurs connaissances en modélisation
économique. L’évaluation porte sur la qualité du rapport écrit (caractère pédagogique et rigueur scientifique de la
présentation, richesse et pertinence des commentaires).

 Définir une problématique à partir d’un sujet économique et d'une recherche bibliographique
 Identifier les notions économiques principales permettant d’appréhender la problématique
 Analyser et synthétiser des documents relatifs au sujet
 Lier une problématique économique avec des éléments de théorie économique
 Répondre à la problématique via une démarche scientifique et un mémoire écrit bien structuré

L’objectif est d’utiliser les notions acquises dans les cours de modélisation économique pour étudier une question
économique contemporaine. Plusieurs sujets seront proposés et encadrés par un animateur que les élèves (par
groupe de 3) doivent rencontrer trois fois avant la remise des mémoires. Les élèves devront effectuer une recherche
bibliographique, une revue de littérature, et conduire une démarche scientifique avec une présentation claire et
rigoureuse en lien avec la théorie économique. Des analyses quantitatives à partir de données économiques pourront
être menées si le sujet s’y prête. Les consignes et attendus de chaque projet seront précisés par les encadrants.
Sujets distribués au cours de la première rencontre avec l'intervenant.
55
PRINCIPES DE GESTION DES ORGANISATIONS

Fundamentals of Management

Enseignant : F. Busson-Villa (Université de Rennes2)
Nombre d’ECTS :1
Volume horaire de travail élève : 10h30
Répartition des enseignements : 10h30 de cours

Logiciels : Aucun
Documents pédagogique : Support du cours
Pré-requis : Aucun
Enseignement destiné aux élèves Ingénieurs
Un examen écrit d’une durée de 1h30, sans document

Gérer une organisation comprend de multiples aspects : connaître et influencer le marché, mobiliser et organiser les
hommes, prendre des décisions de différentes natures… C’est à ces divers aspects que ce cours entend initier les
élèves.
A l’issue de ce cours, les élèves sont aptes à :
 S’appuyer sur des théories et des auteurs pour analyser des pratiques de gestion des organisations
 Analyser les évolutions de la gestion de l’organisation du fait notamment de la mondialisation et de la
digitalisation
 Comprendre les logiques de décision des différentes parties prenantes

 Rôles et classifications des organisations
 Evolutions des théories organisationnelles
 Acteurs et processus de prise de décision
Barabel M., Meier O. (2015), Manageor, Dunod.
De Rozario P., Pesqueux Y. (2018), Théorie des organisations, Pearson Education.
Desreumaux A. (2015) Théorie des organisations, Éditions EMS.
Durand T. (2020), Management d’entreprise 360°, Dunod.
Robbins S., DeCenzo D., Coulter M., Rüling C. (2017), Management - L’essentiel des concepts et des pratiques,
Pearson Education.
Thiétart R. (2017), Le management, Que sais-je, PUF.
56
QUANTIFICATION ECONOMIQUE
Economic quantification

Nombre d’ECTS :1
Répartition des enseignements : 15h de cours

Logiciels : Pas de logiciels
Documents pédagogiques : Disponibles sous Moodle
Pré-requis : Micro et macroéconomie
Enseignement destiné aux élèves Attachés
QCM avec des questions sur chacune des 5 parties.

 Connaître les principales notions de la statistique publique.

L'objectif de ce cours est d'introduire les notions clés relatives à la construction d'indicateurs classiques en statistique
publique (la comptabilité nationale, les indices de prix, la conjoncture économique) et de concepts utiles aux
statisticiens publics (qualité, environnement du statisticien public).
Précisés par les intervenants
57
UE 10 – Semestre 2
UE 1-10 : MENER UNE ETUDE STATISTIQUE ET

COMMUNIQUER LES RESULTATS
Correspondant de l’UE : Laurent TARDIF
Nombre d’ECTS :5
Cette unité d’enseignement est organisée autour de la réalisation du projet statistique de première année.
Le projet statistique est une première expérience, dans le cadre des études à l’ENSAI, du futur métier de
statisticien ou de chargé d’études statistiques, qu’il soit exercé à l’Insee ou en entreprise.
Les élèves répartis en groupes de trois doivent produire une étude scientifique en utilisant une base de données
mise à leur disposition. Le projet se déroule d’octobre à avril.
L’objectif de l’UE est de proposer aux élèves un travail permettant : d’acquérir une démarche scientifique,
d’apprendre à faire des choix parmi différents outils de la statistique descriptive pour répondre à une
problématique, d’utiliser les logiciels (SAS, R) à bon escient, d’apprendre à travailler en groupe et à communiquer
des résultats, tant à l’écrit qu’à l’oral.
Ce projet de statistique de première année est l’occasion d’intégrer et d’appliquer les connaissances acquises
dans plusieurs enseignements de l’année en particulier la statistique descriptive (UE du premier semestre) et la
statistique exploratoire multivariée (UE du second semestre).
Il permet d’intégrer également les apprentissages en techniques rédactionnelles et en bureautique (notamment
le traitement de texte scientifique LaTeX (prononcer latek).
Enfin, les élèves bénéficient d’un accompagnement de coachs pour travailler les compétences du travail d’équipe,
de la gestion du temps et de la communication orale, et de tuteurs académiques pour le suivi de la démarche
d’étude et de la mise en œuvre des méthodes statistiques.
1. Concevoir et mettre en œuvre des projets de collecte et d’analyse d’informations en utilisant les outils
informatiques associés, les techniques de production (bases de données, enquêtes, données non structurées
issues d’internet) et les méthodes d’analyse quantitative de l’information, pour proposer des solutions et aider à
la décision.
2. la capacité à trouver l’information pertinente, à l’évaluer et à l’exploiter : «compétence informationnelle»
3. la capacité à se connaitre, à s’autoévaluer, à gérer ses compétences (notamment dans une perspective de
formation tout au long de la vie), à opérer ses choix professionnels
Compétences spécifiques de l'ingénieur Ensai :
4. Compétences transversales techniques et relationnelles permettant de piloter un projet dans le champ d’action
d’un ingénieur statisticien : il a la capacité à mener des projets d’organisation et à en assurer la maîtrise
d’ouvrage, à s’intégrer et évoluer dans une équipe dans un contexte international et maîtrise les outils de gestion,
de planification, d’évaluation.
5. Capacité de valoriser les ressources informationnelles pour contribuer à atteindre les objectifs de l’organisation
qui l’emploie i.e. être en mesure de mettre en forme les résultats, les interpréter et leur donner du sens, les
communiquer à l’oral comme à l’écrit auprès d’acteurs spécialistes ou non
Statistique descriptive, statistique exploratoire multivariée, logiciel statistique SAS et R.
58
PROJET STATISTIQUE
Project management
UE1 10 MEIS– Matière 1ASTA13 – Semestre 2

Enseignant : Laurent TARDIF (ENSAI/Insee)


Logiciels : SAS et R
Pré-requis : Statistique descriptive et statistique exploratoire multivariée
8 livrables intermédiaires

 Acquérir les principes de la démarche d’étude
 Mettre en œuvre de façon pertinente les outils de statistique descriptive et valoriser les résultats
 Travailler en mode projet et optimiser son temps
 S’intégrer et valoriser ses compétences dans le cadre d’un travail d’équipe

 La méthode scientifique
 Outils et méthode de la gestion de projets,
 Principes de la communication,
 Team-building,
59
TECHNIQUES REDACTIONNELLES
Written communication
UE1-10 MEIS – Matière 1AHUM03 – Semestre 2

Enseignant : Laurent Di Carlo, Marion Levantidis, Maryse Cadalanu,


Logiciels : Aucun
Pré-requis : Statistique descriptive et statistique exploratoire multivariée
Note de synthèse

 L’objectif de cet enseignement est de former les étudiants aux techniques rédactionnelles, c’est-à-dire à
l’ensemble des règles permettant de produire et de structurer un document écrit scientifique, d’améliorer la
lisibilité d’un texte et sa compréhension par un lecteur.
 La communication écrite est une compétence transversale pour les étudiants data-scientists. Outre
l’importance de pouvoir communiquer et d’expliquer ses résultats c’est-à-dire de produire des commentaires
sur les statistiques (indicateurs, tableaux, graphiques…) et les méthodes utilisées de façon compréhensible, le
travail de l’écrit permet de clarifier et ordonner ses idées, d’approfondir les analyses et la production de
sens.

• Le rapport scientifique ou l’étude
• Commenter des résultats et des présenter des méthodes
• les lois de proximité
• la structure d’un texte : pyramide inversée, message essentiel, angle…
• les règles de lisibilité : adopter un style actif, construire des phrases courtes, éviter les enchâssements et la
logique instrumentale…
• l’habillage : titres, inters et chapô
• les illustrations : tableaux et graphiques.
Le 1er TP est une mise en application de ces techniques sur des exemples issus de publications et/ou travaux
statistiques. Les 2e et 3e TP ont pour finalité de travailler le rapport que chaque groupe doit rédiger dans le cadre de
l’enseignement «Projet statistique ».
Elles seront données en cours. On pourra consulter les épisodes de la série « Savoir compter, savoir conter » publiés
dans le Courrier des statistiques, ainsi que le Document de travail INSEE « savoir compter, savoir coder ».
60
Brique des enseignements de pemière année 2020/2021
UE 1-11 : HUMANITES
Nombre d’ECTS :3
Nombre d’heures d’enseignement : 45 à 51h
À la fin de cette UE, notamment grâce aux enseignements des langues, les élèves seront capables de mettre en
œuvre les compétences linguistiques et culturelles qui facilitent la suivie des cours scientifiques dispensés en
anglais ou d’autres langues, le travail dans un environnement professionnel international et la compréhension des
normes culturelles dans les pays étrangers. À travers les cours d’ouverture, les élèves acquerront les
connaissances dans des disciplines autres que la statistique, l’économie et l’informatique. Cette UE vise
également le développement des compétences transversales (soft skills) qui aideront les élèves à réussir les
projets académiques de leur formation, à intégrer le marché du travail et à devenir les citoyens éclairés.
L’UE Humanités en 1ère année se compose de deux matières obligatoires : l’anglais et les cours libres optionnels.
Les cours libres optionnelles sont constitués de deux types d’options : les langues optionnelles et les cours
d’ouverture.
Anglais et langue optionnelles
En anglais les élèves travaillent toutes les compétences linguistiques pour atteindre le niveau B2 du CECR et
progresser vers un niveau C1. Pour les langues optionnelles (l’allemand, le chinois, l’espagnol, l’italien, le japonais
et le russe), les élèves travaillent toutes les compétences linguistiques afin de progresser selon leur niveau de
départ. Lors des cours de langues, les élèves développement également les connaissances interculturelles et les
compétences transversales (soft skills), notamment dans les domaines de l’ouverture au monde, à la vie sociale et
civique.
Les cours d’ouverture
Cette option vise à développer chez les élèves une culture générale dans un domaine scientifique ou des sciences
sociales et humaines non couvert dans les autres UE à l’ENSAI (communication interculturelle, développement
durable, géopolitique, histoire de l’art, l’initiation à l’entrepreneuriat, philosophie, psychologie, physique...), à
effectuer des travaux d'initiation dans un domaine artistique (cinéma, dessin, musique, peinture, théâtre...) ou à
valoriser l'engagement citoyen des étudiants (participation à des activités associatives, à des projets avec des
intervenants non statisticiens...). Les élèves développent ainsi les connaissances et des compétences transversales
dans la matière suivie à travers les dispositifs pédagogiques proposés : projets et réalisation artistique….

• maîtriser une ou plusieurs langues étrangères
• contextualiser et prendre en compte les enjeux et les besoins de la société
• se connaître, s’auto-évaluer, gérer ses compétences, opérer ses choix professionnels
• s’intégrer et évoluer dans un contexte international et/ou pluriculturel
• savoir identifier les informations pertinentes, à les évaluer et à les exploiter.

Pour les langues : test de positionnement
61
ANGLAIS
English
UE1-11 Matière 1AHUM02 – Semestre 2
Enseignant : Charles BOSTON, Rosie DUTTON, Juilet LANGFORD, Chris
MCLOUGHLIN, Mary MILONNET, Christopher O’YOUNG, Mike
RANDALL, (Anglais renforcé : Richard POINTER, Mike RANDALL, Carla
SCHETTINI
Nombre d’ECTS :2
Répartition des enseignements : 24h de cours par semestre, Cliquez ici pour taper du texte.
Langue d’enseignement : Anglais

Logiciels : TOEIC Mastery, VLC, Audacity, Moodle, Teams
Documents pédagogiques : Fournis sur Moodle par les intervenants
Pré-requis : Avoir passé le test de niveau
1 TOEIC définitif par semestre et 4 contrôles continus par semestre dont les modalités sont déterminés par les
enseignants.

 Comprendre le contenu essentiel de sujets concrets ou abstraits dans un texte ou dialogue complexe
 Communiquer avec un degré de spontanéité et d'aisance tel qu'une conversation avec un locuteur natif ne
comportant de tension ni pour l'un ni pour l'autre
 Posséder une gamme assez étendue de langue pour pouvoir faire des descriptions claires, exprimer son point
de vue et développer une argumentation sans chercher ses mots de manière évidente
 Montrer un degré assez élevé de contrôle grammatical. Ne faire pas de fautes conduisant à des malentendus
et peut le plus souvent les corriger lui/elle-même
 S'exprimer de façon claire et détaillée sur une grande gamme de sujets, émettre un avis sur un sujet
d’actualité et exposer les avantages et les inconvénients de différentes possibilités
 Parler relativement longtemps avec un débit assez régulier ; bien qu'il /elle puisse hésiter en cherchant
structures ou expressions, l'on remarque peu de longues pauses
 Prendre l'initiative de la parole et son tour quand il convient et peut clore une conversation quand il le faut,
encore qu'éventuellement sans élégance
 Faciliter la poursuite d'une discussion sur un terrain familier en confirmant sa compréhension, en sollicitant
les autres, etc.
 Utiliser un nombre limité d'articulateurs pour lier ses phrases en un discours clair et cohérent bien qu'il
puisse y avoir quelques "sauts" dans une longue intervention

Pour les élèves qui n’ont pas le niveau B2, les cours se concentrent en partie sur la préparation au TOEIC et au
développement des compétences pour atteindre le niveau B2. Les plus faibles suivent un enseignement
supplémentaire d'anglais renforcé, sous la forme de cours où plusieurs thèmes sont abordés. Les élèves du niveau B2
suivront deux cours thématiques par semestre. Ces thèmes varient tous les ans, voice quelques exemples proposes
par le passé : Brexit and Current Affairs in the EU, English through Art, Storytelling : The Hero and Mythology,
Technology through History, The Swinging 60s, Trends in Technology, et UK Culture. Pour ces derniers, la préparation
au TOEIC se fait en autonomie avec le logiciel que l'École propose en réseau « TOEIC Mastery » et pendant les TOEIC
blancs. Le TOEIC définitif est proposé en fin d’année pour ceux qui souhaitent le passer dès la première année.
62
Pour tous les élèves en première année, une présentation et des ateliers sont organisés pour la rédaction
et le perfectionnement d’un CV et d’une lettre de motivation en anglais, afin d’aider les élèves à développer leurs
compétences professionnelles en anglais pour réaliser leur projet de période obligatoire à l’étranger, pour chercher un
stage ou pour chercher un emploi. Cette formation sera sous forme de CM pour apprendre les techniques de
rédaction dans un premier temps, et ensuite sous forme de travail en autonomie avec un retour individualisé.
B.S. AZAR & S.A. HAGEN, Understanding and using English grammar, White Plains, NY: Pearson Longman (2009)
Council of Europe, Common European Framework of Reference for Languages https://www.coe.int/en/web/common-
european-framework-reference-languages/home
Merriam-Webster's Online Dictionary Springfield, Mass. : Merriam-Webster, Inc. (2020) https://www.merriam-
webster.com/
Oxford Advanced Learners Dictionary, 10th Edition, Oxford: Oxford University Press, 2020.
Talcott C., Tullis G., Target Score (2nd ed.), Cambridge: Cambridge University Press, 2008.
Lougheed, Lin, Building Skills for the New TOEIC Test (2nd ed.), Pearson Education, 2009.
Schrampfer-Azar, B., Understanding and Using English Grammar (3rd ed.), Longman, 1999.
Trew, Grant, Tactics for TOEIC, Oxford: Oxford University Press, 2007.
63
COURS D’OUVERTURE
General culture courses
Nombre d’ECTS :1
Langue d’enseignement : Français ou anglais

Logiciels : pour le cours de Cinéma (VideoPad Video Editor) et Physique
(AviMeca, SalsaJ et Regressi)
Pré-requis : des conditions d’inscription à respecter selon le cours d’ouverture,
précisé dans le « Programme des enseignements : Cours libres
optionnels. »
2 contrôles continues dont les modalités de l’évaluation (quizz, devoir maison, mini-projet, …) sont déterminés par
l’enseignant selon la matière

Chaque cours d’ouverture a des acquis d’apprentissage spécifique qui sont définis dans le Programme des
enseignements : Cours libres optionnels.
De manière générale, à l’issue d’un cours d’ouverture, l’étudiant aura :
 Approfondir les connaissances dans la matière suivie
 Développé des compétences transversales dans les domaines variés

Différents cours d’ouverture sont proposés par l’école. Les cours ouverts en 2020/2021, leur contenu et leurs
modalités de contrôle des connaissances sont décrites dans le Programme des enseignements : Cours libres
optionnels disponible sur le site web de l’ENSAI.
Au second semestre, le cours de physique doit obligatoirement être suivi (en première ou deuxième année) par les
élèves ingénieurs des filières Économiques et STID.
L’objectif global est d’encourager les élèves à s’ouvrir à d’autres disciplines tout en développant les compétences
transversales (soft skills) dans les domaines tels que les relations humaines et le travail en équipe, la connaissance de
soi, la créativité et le sens de l’innovation, la curiosité intellectuelle et l’ouverture au monde et à la vie civique et
sociétale.
Pour les cours visant à développer une culture générale dans un domaine scientifique ou des sciences sociales non
couverts à l’ENSAI (Communication interculturelle, Développement durable, Géopolitiques, Histoire de l’art, Initiation
à l’entrepreneuriat, Média, Philosophie, Physique Psychologie) :
Les élèves analysent et interprètent des disciplines majeures (de la pensée, de la culture, de l’expression et/ou de la
science). Ils évaluent comment les idées influencent le caractère de la pensée humaine, la perception de la réalité et
les normes qui gouvernent le comportement. Ils construisent un point de vue qui intègre les facteurs qui influencent
l’activité humaine (artistique, historiques et/ou scientifiques). Ils apprennent à s’exprimer de façon critique en
examinant des sources variées qui mettent au défi les idées reçues.
Pour les cours dans un domaine artistique (Cinéma, Dessin, Musique, Peinture et Théâtre) :
64
Les élèves apprennent à analyser, à apprécier et à interpréter des œuvres artistiques (picturales, musicales et
théâtrales) leur permettant d’observer d’un œil critique. Ils participent activement à la création artistique dans le
cadre d’un projet commun (représentations musicales et théâtrales, expositions de travaux artistiques).
Evaluation des acquis d’apprentissage :

La mobilisation des connaissances et des compétences seront évaluées à travers au moins 2 contrôles continus dont
les modalités sont indiquées par l’enseignant dans le « Programme des enseignements : Cours libres optionnels ».
Pour tout complément d’information, chaque élève peut consulter le Programme des enseignements : Cours libres
optionnels, disponibles sur le site de l’école.
65
LANGUES OPTIONNELLES
Cliquez ici pour taper du texte.
Nombre d’ECTS :1
Répartition des enseignements : 30h de TD par semestre,
Langue d’enseignement : la langue ciblée – allemand, espagnol, chinois, italien, japonais, russe
Logiciels : Aucun
Pré-requis : Avoir passé le test de niveau si non-débutant
4 contrôles continues dont les modalités de l’évaluation (quizz, devoir maison, mini-projet, …) sont déterminés par les
enseignants

de manière générale, à l’issue d’un cours de langue optionnelle, l’étudiant aura :
 -objectif1 : Progressé dans les quatre compétences langagières - l’expression écrite et orale et la
compréhension écrite et orale
 -objectif2 : Développé des compétences transversales dans les domaines tels que l’ouverture au monde, à la
vie sociétal et civique

Les élèves travailleront toutes les compétences linguistiques dans une approche communicative. Les élèves
apprennent à décrire et analyser les contextes culturels spécifiques aux peuples qui parlent la langue étudiée. Ils
prennent du recul sur leurs propres cultures en s’ouvrant vers celles étudiées en cours pour développer les
compétences transversales (soft skills) notamment dans les domaines de l’ouverture au monde, à la vie sociale et
civique et la connaissance de soi.
Le contenu varie selon le niveau et la langue des cours : de débutants pour apprendre les bases aux cours thématiques
pour les élèves plus avancés. Les 6 langues optionnelles proposées visent les compétences langagières de
communication.
• Allemand
• Chinois
• Espagnol
• Italien
• Japonais
• Russe
Cadre européen commun de référence pour les langues : apprendre, enseigner, évaluer (CECR)
https://www.coe.int/fr/web/common-european-framework-reference-languages/home
Pour tout complément d’information, chaque élève peut consulter sur le site de l’école :
• le Programme des enseignements : Langues
66
Brique des enseignements de deuxième année 2020/2021
PARTICIPATION AUX ACTIVITES ASSOCIATIVES

Participation in Student or Extra-Curricular Organizations
Enseignants : Département des Humanités (dispense) ; Direction des Études
(bonus)
Nombre d’ECTS : 1 crédit ECTS (dispense) et/ou jusqu’à 0,5 points de bonus
Volume horaire de travail élève : 30h minimum

Logiciels : Aucun
Pré-requis : Aucun
 La liste définitive des bénéficiaires de bonus est validée par le Directeur Adjoint des Études avant chaque
jury.
 La dispense est validée par une note sur 20 points après une présentation et/ou rapport écrit.

La participation à des activités associatives favorise l’ouverture d’esprit, le développement des relations personnelles
et l’engagement collectif. De ce point de vue, l’école souhaite l’encourager, dans la limite d’un investissement
compatible avec la réussite académique de l’élève qui reste bien évidemment la priorité.
1) Les activités associatives liées à l’école

La participation comme dirigeant ou membre du bureau d’une association de l’école peut donner droit à des points
bonus qui s’ajoutent à la moyenne du semestre concerné.
La liste précise des bénéficiaires et le niveau du bonus sont fixés par la direction des études, après concertation avec
les associations concernées :
-en début d’année académique pour le semestre 1.
-en début d’année civile pour le semestre 2.
Pour bénéficier de ce bonus, les élèves doivent avoir une activité avérée au sein de l’association pendant le semestre
concerné. La liste définitive des bénéficiaires est validée par le Directeur Adjoint des études avant chaque jury.
En plus de ce dispositif, des membres des associations de l’école, dont la/ou les fonctions sont précisées en début du
semestre concerné, peuvent bénéficier d’une prise en compte plus importante de leur engagement, afin de valoriser
davantage l’ouverture procurée par les activités concernées (comptabilité, organisation, prospection, communication,
animation…). Cette prise en compte supplémentaire consiste en la dispense d’un cours d’ouverture par semestre.
Pour en bénéficier, les élèves concernés doivent faire remonter par le Président de l’association concernée une
demande au Département des Humanités, puis en fin de semestre faire une présentation ou remettre un rapport
détaillant les actions réalisées - à titre personnel - pour l’association. Cette présentation et/ou rapport est noté par le
Département des Humanités, qui en appréciera la forme et la richesse des actions entreprises pour l’école.
Hors cas de force majeure, si un élève ne remplit pas ses engagements et si son activité ne justifie pas la dispense,
celle-ci est rétroactivement annulée. L’élève sera donc soumis au régime prévu dans le règlement de scolarité, c'est-à-
dire qu’il devra donc composer sur deux cours d’ouverture (ou un cours de langue optionnelle) pour l’unité
d’enseignement concernée.
2) Les autres activités associatives

La participation à des activités associatives dans un cadre hors scolaire peut aussi donner droit à des points bonus,
voire à une dispense de cours d’ouverture. C'est un droit depuis la loi « Egalité et Citoyenneté » du 27 janvier 2017 et
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX 67
www.ensai.fr
le décret n°2017-962 du 10 mai 2017 relatif à la reconnaissance des étudiants dans la vie associative,
sociale ou professionnelle. C’est notamment le cas lorsque l’activité :
- traduit une compétence forte dans un domaine d’ouverture ;
- traduit un engagement dans une activité bénévole, dans une mission de service civique ou dans la réserve
opérationnelle de la défense ;
- valorise l’école ;
- demande un investissement important.
Par exemple, la participation au 4L Trophy ou au Melting Notes Orchestra peut entrer dans ce cadre, lorsque les dates
sont compatibles avec la période d’examens ou de rattrapages de l’école.
Les élèves souhaitant en bénéficier doivent déposer une demande argumentée aux correspondants (le Directeur
Adjoint des Études et le Département des Humanités).
www.ensai.fr
STAGE OPERATEUR INGENIEURS

UE Matière Cliquez ici pour taper du texte. – Semestre 2
Enseignant : Correspondant Valérie Chrétien et Laurent Tardif
Nombre d’ECTS : 1 ECTS pris en compte en 2A
Volume horaire de travail élève : Temps de rédaction du rapport estimé entre 6 et 10 heures
(travail personnel)
Le stage est évalué à partir d’un rapport écrit d’une dizaine de pages construit comme un retour d’expérience.
En raison de la date de fin du stage, son évaluation est prise en compte dans l’unité d’enseignement 5
« Humanités » de la deuxième année

Les stages font partie intégrante du processus pédagogique et durant chacune des 3 années les élèves
réaliseront un stage dont les objectifs, les durées sont différentes et qui suivent une progression
permettant aux élèves de valoriser ces expériences et les compétences associées dans leur futur cadre
professionnel.
Le stage de première année est un stage d’observation de 4 semaines qui permet de :
 découvrir le monde de l'entreprise dans sa dimension socio-organisationnelle
 S'il est effectué à l'étranger, de découvrir une autre culture sociale et professionnelle ;
d'approfondir ses connaissances d'une langue étrangère.
 D’approfondir la découverte de soi comme dans toute nouvelle expérience

 Méthodes de recherche de stage, Choix du stage
 Expériences professionnelles : relations de travail, relations humaines, management, réalisation
des tâches, opinion sur le monde du travail
 Compétences comportementales : adaptation, observation, connaissance de soi
www.ensai.fr
UE 1-10 MEIS– Matière 1AHUM09 – Semestre 1
STAGE OPERATEUR ATTACHES

Profesional intership for Insee civil servants
Nombre d’ECTS :1
Volume horaire de travail élève : Minimum de 7 semaines de travail
Documents pédagogiques : Guide du stage opérateur attachés

Pré-requis : Cours de quantification économique
Deux évaluations sont prises en compte dans la note globale de stage :
A - Maître de stage : notation sur 20 valorisant l’intégration dans l’équipe, l’autonomie, l’investissement, les
compétences techniques…. La note doit refléter le travail réel effectué par le stagiaire et sa capacité à travailler dans
la statistique publique.
B - Direction des études Ensai : notation sur 20 valorisant le rapport de stage et qui vise à mesurer la capacité de
l’élève à effectuer un bilan professionnel et personnel de son expérience.
La note finale du stage est la moyenne arithmétique de ces deux évaluations. Pour valider le stage, une note
supérieure à 10 dans chaque partie est nécessaire. Pour les élèves internes, la note finale est la moyenne de la note de
stage et de la note du rapport d’expérience professionnelle.

 Découvrir et appréhender le service statistique public, en s’intégrant dans une équipe de travail ;
 Effectuer un bilan professionnel et personnel d’une expérience professionnelle ;

re
Réaliser un travail en mettant en application les enseignements reçus en 1 année (utilisation des logiciels R
ou SAS, statistique descriptive univariée, bivariée, analyses factorielles et classification …etc).

Les thèmes de stage peuvent être très larges, couvrant l’ensemble des métiers de la statistique publique. Les
compétences scientifiques seront mobilisées, mais également les soft skills (communication, gestion de projet, travail
en équipe…).
Références associées au cours de quantification économique
70
UE 1-11 MEIS – Matière 1AHUM07 – Semestre 2
LA PREVENTION DES DISCRIMINATIONS

Preventing discrimination
Enseignant : Xavier HELFENSTEIN (Insee)
Nombre d’ECTS :0
Volume horaire de travail élève : 3 heures
Répartition des enseignements : 3 h de cours

Logiciels : Aucun
Documents pédagogiques : Diaporama, documentation papier
Pré-requis : Aucun
Information destinée aux élèves Attachés
Aucunes

 Sensibilisation à la promotion de la diversité
 Information sur la prévention des discriminations

 Des origines au périmètre des critères de discrimination
 L’arsenal juridique français et européen
 Des stéréotypes aux discriminations
 En quoi la statistique peut lutter contre les discriminations
Pascaline Gaborit, Les Stéréotypes de genre : Identités, rôles sociaux et politiques publiques, L'Harmattan, 2009
Ruth Amossy, Les Idées reçues. Sémiologie du stéréotype, Nathan, coll. « Le texte à l'œuvre », 1991
Ruth Amossy, Anne Herschberg Pierrot, Stéréotypes et clichés. Langue, discours, société, Armand Colin, 1997 ; 3e éd.,
2011
71
SPORT
Sport
Enseignant : °Divers intervenants
Nombre d’ECTS : jusqu’à 0,5 points de bonus

Logiciels : Aucun
Pré-requis : Aucun
La participation à une activité sportive peut donner lieu à l’attribution d’un bonus (non cumulable) ajouté sur la
moyenne du semestre concerné. Le niveau de ce bonus est précisé dans une circulaire d’application en début d’année
académique. Il varie selon l’assiduité aux séances, l’engagement et la participation aux compétitions tout au long de
l’année.
Pour être définitive, la liste des élèves bénéficiant de ces bonus doit être validée par le directeur des études.
Un bonus peut être exceptionnellement attribué en dehors des activités sportives réalisées dans le cadre Ensai. Pour y
prétendre, les élèves concernés doivent remplir les 3 conditions suivantes:
- pratiquer régulièrement une activité sportive et participer aux compétitions liées ;
- posséder un niveau national (voir très bon niveau régional suivant le sport en question) ;
- déposer une demande argumentée auprès de la direction des études et du service sport en début d'année scolaire,
afin de faire valider le programme d'entraînement, des compétitions et les modalités de diffusion des performances.
Pour certains ayant des contraintes sportives, des aménagements horaires pourront d'ailleurs être ainsi envisagés si
besoin.

N /A

9 activités sportives sont proposées par l’école :
• Badminton
• Basket
• Cross-Training
• Football
• Hand-ball
• Tennis de table
• Tennis
• Volley-ball
• Course à pied/préparation physique/coaching sportif
Outre les entraînements, les élèves inscrits peuvent être amenés à participer à des compétitions.
72

Brique 1A 2020 - 2021 V2

Transféré par

Droits d'auteur :

Formats disponibles

Brique 1A 2020 - 2021 V2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Brique 1A 2020 - 2021 V2

Transféré par

Droits d'auteur :

Formats disponibles

Brique des enseignements de première année 2020/2021

PROGRAMME DES ENSEIGNEMENTS DE 1re ANNEE

PRESENTATION GENERALE DES ENSEIGNEMENTS ....................................................................................................... 1

TECHNIQUES REDACTIONNELLES .............................................................................................................................. 60

Présentation générale des enseignements

DEUXIÈME ANNÉE : APPROFONDIR ET COMMENCER À SE SPÉCIALISER

TROISIÈME ANNÉE : SE SPÉCIALISER

Statistique et ingénierie des données

L’OPTION DE FORMATION PAR LA RECHERCHE

LE MASTER MENTION MATHÉMATIQUES APPLIQUÉES-STATISTIQUE, PARCOURS « ÉVALUATION ET DÉCISIONS PUBLIQUES »

1 Les grands domaines d'enseignement

MATHÉMATIQUES, PROBABILITÉS, STATISTIQUE

ÉCONOMIE ET SCIENCES SOCIALES

LES HUMANITÉS ET LES SOFTS-SKILLS

2 Tableau synoptique des enseignements de

«mathématique» « économie » « interne » «IUT Stid »

Anglais – Autre langue optionnelle

HUMANITES Cours d’ouverture (y compris activités associatives, engagement citoyen)

Gestion de projets et techniques rédactionnelles

Enseignements de 1re année :

Élèves issus du concours « Mathématiques »

Élèves issus des autres concours : « Économie », « interne » et «IUT Stid»

Volume horaire Coefficients et

Volume horaire Coefficients

Le second semestre est le même pour tous les élèves.

Volume horaire Coefficients et

3 Corps enseignants et correspondants

Économie Questions macroéconomiques contemporaines 1AECO02 S. Auray S. Auray

Économie Projet de macroéconomie 1AECO03 S. Auray S. Auray

Économie Introduction aux sciences sociales 1AECO04 R. Le Saout J. Cahouette-Remblière

Économie Modélisation macroéconomique 1AECO05 S. Auray C. Hachon

Économie Projet d'économie 1AECO06 S. Danthine et R. Le Saout Divers intervenants

Économie Principe de gestion des organisations 1AECO07 R. Le Saout F. Villa

Économie Quantification économique 1AECO08 R. Le Saout Divers intervenants

Humanités Lutte contre la discrimination 1AHUM07 R. Le Saout X. Helfenstein

Humanités Stage opérateur ingénieur 1AHUM08

Humanités Stage opérateur attachés 1AHUM09

Informatique Algorithmique et programmation 1AINF01 H.-P. Dang H.-P. Dang

Informatique Algorithmique et complexité 1AINF02 R. Pépin R. Pépin

Informatique Bases de données relationnelles 1AINF03 B. Girault B. Girault

Informatique Optimisation et méthodes numériques 1AINF07 R. Pépin R. Pépin

Statistique Remise à niveau en mathématiques 1ASTA01 L. Truquet Divers intervenants

Statistique Compléments de mathématiques 1ASTA02 L. Truquet C. Gauthier et C. Savel

Statistique Intégration – Math 1ASTA03 B. De Loynes B. De Loynes

Statistique Intégration – IES 1ASTA04 M. Hristache M. Hristache

Statistique Probabilités - Math 1ASTA05 L. Truquet L. Truquet

Statistique Probabilités - IES 1ASTA06 G. Stupler G. Stupler

Statistique Statistique descriptive avec SAS 1ASTA07 F. Coquet F. Coquet

Statistique Introduction au langage SAS 1ASTA08 Y. Esstafa Y. Esstafa

Statistique Introduction à la statistique inférentielle 1ASTA09 S. El Kolei S. El Kolei

Statistique Statistique avec R 1ASTA12 A. Katossty M. Marbac

Statistique Projet de statistique 1ASTA13 L. Tardif Divers intervenants

UE 1-01 : PROBABILITÉS ET COMPLÉMENTS

Compétences ou acquis d’apprentissage à l’issue de l’UE :

Les pré-requis de l’UE :

REMISE A NIVEAU EN MATHEMATIQUES

Répartition des enseignements : 39h de cours (cours optionnel et sans validation)

Acquis d’apprentissage (objectifs) :

Principales notions abordées :