Accueil » Nos formations » Sorbonne Université » INTELLIGENCE ARTIFICIELLE APPLIQUÉE À LA FINANCE ET L’ACTUARIAT

Retour au catalogue

Mathématiques et applications > Actuariat

INTELLIGENCE ARTIFICIELLE APPLIQUÉE À LA FINANCE ET L’ACTUARIAT

DistancielDiplômante

Domaine : Mathématiques et applications - Thématique : Actuariat

Public et pré-requis

Public visé

Professionnels de la finance (traders, analystes quantitatifs, risk managers, gestionnaires d’actifs)
Actuaires et professionnels de l’assurance
Data scientists souhaitant se spécialiser en finance
Ingénieurs en informatique visant le secteur financier
Consultants en transformation digitale des institutions financières
Professionnels en reconversion vers la data science financière

Prérequis

Formation

Niveau Bac+4 minimum en mathématiques, statistiques, informatique, finance, actuariat ou équivalent

Compétences

Bases en mathématiques (analyse, algèbre linéaire, probabilités, statistiques)
Aucun prérequis en programmation (modules d’introduction inclus)
Motivation pour l’apprentissage autonome et la formation à distance

Équipement technique requis

Ordinateur avec connexion internet stable (min. 10 Mbps)
Webcam et microphone pour les sessions synchrones

Modalités d’admission

Candidature en ligne avec CV et relevés de notes
Lettre de motivation détaillant le projet professionnel
Entretien de motivation en visioconférence avec le jury d’admission (si besoin)

Programme

Volume horaire total : 300 heures

UE0 : FONDAMENTAUX DE PROGRAMMATION (42 heures)

Introduction à Python pour la Data Science : 25h

Syntaxe de base, structures de données (listes, dictionnaires, tuples)
Fonctions, modules et packages
NumPy : calcul matriciel et opérations vectorisées
Pandas : manipulation de DataFrames, nettoyage de données
Visualisation avec Matplotlib et Seaborn
Notebooks Jupyter et environnements de développement

Introduction à SQL et bases de données : 12h

Concepts fondamentaux des bases de données relationnelles
Requêtes SELECT, WHERE, JOIN, GROUP BY
Agrégations et fonctions SQL
Sous-requêtes et requêtes imbriquées
Connexion Python-SQL (SQLAlchemy, pandas.read_sql)
Cas d’usage : extraction de données financières

Git, GitHub & Bonnes Pratiques : 5h

Versionning de code et gestion de branches
Collaboration sur GitHub (pull requests, code review)
Bonnes pratiques : documentation, tests, reproductibilité

UE1 : FONDAMENTAUX DE L’INTELLIGENCE ARTIFICIELLE (80 heures)

Machine Learning : théorie et pratique : 25h

Apprentissage supervisé (régression, classification)
Apprentissage non supervisé (clustering, réduction de dimensionnalité)
Méthodes d’ensemble (Random Forest, XGBoost, LightGBM)
Validation croisée et optimisation d’hyperparamètres

Deep Learning et réseaux de neurones : 20h

Architectures de réseaux (CNN, RNN, LSTM, Transformers)
Techniques d’optimisation et de régularisation
Transfer learning et fine-tuning
Frameworks : TensorFlow, PyTorch, Keras

NLP & Grands Modèles de Langage (LLM) : 20h

Modèles de langage (BERT, GPT, T5)
Analyse de sentiments et classification de textes
Named Entity Recognition (NER) pour la finance
Applications : analyse de news, rapports financiers

IA Explicable (XAI) et Interprétabilité : 10h

Détection et reconnaissance d’objets
Applications : analyse de documents, KYC automatisé
Trade-off performance vs explicabilité

Séries Temporelles et Prévision Financière : 5h

ARIMA, GARCH et modèles classiques de séries temporelles
LSTM et réseaux de neurones pour la prévision

UE2 : IA APPLIQUÉE À LA FINANCE (60 heures)

Trading Algorithmique et Stratégies Quantitatives : 15h

Stratégies momentum, mean-reversion, pairs trading
Backtesting et optimisation de portefeuille
Gestion du risque de modèle et market impact

Détection de Fraude et Blanchiment d’Argent : 15h

Anomaly detection (Isolation Forest, Autoencoders)
Graph Neural Networks pour réseaux de fraude
AML et conformité réglementaire

Analyse de Sentiments et Données Alternatives : 15h

Scraping et traitement de données non structurées
Sentiment analysis sur réseaux sociaux et actualités
Intégration dans les modèles de trading

Credit Scoring et Risque de Crédit : 15h

Modèles de scoring classiques vs ML
Détection de défauts et prévision de faillites
Interprétabilité et conformité (Bâle III, IFRS 9)

UE3 : IA APPLIQUÉE À L’ACTUARIAT ET L’ASSURANCE (60 heures)

Tarification en assurance par IA : 18h

GLM, GAM et extensions (Tweedie, Gamma)
Gradient Boosting pour la tarification
Segmentation tarifaire et équité
Personnalisation des primes

Modélisation des Risques Actuariels : 12h

Chain Ladder vs méthodes ML
Prévision IBNR et IBNER
Triangles de développement par deep learning

Détection de fraude en assurance : 10h

Anomaly detection (Isolation Forest, Autoencoders)
Graph Neural Networks pour réseaux de fraude
Interprétabilité des modèles de détection

Prédiction Actuarielle Santé et Vie : 10h

Tables de mortalité dynamiques
Prévision par ML vs modèles Lee-Carter
Risque de longévité et hedging

UE4 : BIG DATA ET INFRASTRUCTURE POUR L’IA (29 heures)

Architectures big data : 14h

Introduction à Spark pour données financières massives
Data lakes et data warehouses

Cloud computing et MLOps : 15h

Déploiement de modèles sur le cloud (AWS, Azure, GCP)
Monitoring et maintenance de modèles en production
Model drift et retraining automatisé
Bases de données time-series (InfluxDB, TimescaleDB)
Optimisation des requêtes financières

UE5 : ÉTHIQUE, RÉGLEMENTATION ET GOUVERNANCE DE L’IA (19 heures)

RGPD et Protection des Données Personnelles : 8h

Principes du RGPD et droits des personnes
Consentement, minimisation et sécurité des données
Applications sectorielles : assurance, banque, fintech

IA Act Européen et Réglementations Sectorielles : 7h

RGPD et protection des données personnelles
IA Act européen et ses implications
Réglementations sectorielles (ACPR, AMF, EIOPA)

Gouvernance de l’IA dans les Institutions Financières : 4h

Comités IA et structures de pilotage
Audit, traçabilité et accountability des modèles IA

UE6 : PROJET DE FIN DE DIPLÔME (10 heures)

Projet Final : Application IA en Finance ou Actuariat : 10h

Conception et développement d’une solution IA
Choix du sujet : finance de marché OU actuariat
Collaboration à distance (Git, Slack, Zoom)
Présentation orale en visioconférence et rapport technique

Objectifs & Compétences

Acquérir les fondamentaux en programmation (Python, SQL) indispensables à l’IA
Maîtriser les fondamentaux théoriques et pratiques de l’intelligence artificielle (ML, deep learning, NLP)
Développer une expertise en modélisation quantitative appliquée à la finance et à l’actuariat
Comprendre et appliquer les techniques d’IA pour la gestion des risques, la tarification et le trading algorithmique
Intégrer les enjeux éthiques, réglementaires (RGPD, IA Act européen) et de gouvernance de l’IA
Conduire des projets d’innovation en IA de manière autonome et collaborative à distance

Compétences fondamentales

Programmer en Python pour l’analyse de données et le machine learning
Manipuler et interroger des bases de données avec SQL

Compétences techniques

Concevoir et entraîner des modèles de machine learning et deep learning adaptés aux problématiques financières
Exploiter des données massives (big data) pour l’analyse prédictive et la détection d’anomalies
Développer des systèmes de trading algorithmique et de gestion de portefeuille automatisée
Implémenter des solutions d’IA explicable (XAI) pour répondre aux exigences réglementaires

Compétences métier

Appliquer l’IA à la tarification en assurance et à l’évaluation des risques
Utiliser le NLP pour l’analyse de sentiments de marché et la veille stratégique
Automatiser les processus de détection de fraude et de blanchiment d’argent

Compétences transversales

Piloter un projet d’IA de bout en bout dans un contexte réglementé
Collaborer efficacement à distance avec des outils de travail collaboratif
Communiquer efficacement sur les enjeux de l’IA auprès de parties prenantes non techniques

Accompagnement de la formation

Équipe pédagogique

Enseignants-chercheurs de Sorbonne Université
Professionnels du secteur (data scientists, quants, actuaires)
Experts internationaux invités en visioconférence

Tutorat et support

Tuteurs dédiés disponibles par email et visio
Sessions de Questions/Réponses en direct
Permanences virtuelles pour aide aux projets

Les + de la formation

Formation conçue en cohérence avec les besoins identifiés sur le marché du travail
Méthode pédagogique orientée vers l’acquisition d’outils stratégiques et opérationnels efficaces, complets, pertinents et innovants
Corps professoral composé d’enseignants-chercheurs et auteurs de renommée internationale