Aller à la navigation principale Aller au contenu Aller à la navigation de bas de page
Répertoire national des certifications professionnelles

Titre ingénieur - Ingénieur diplômé de l'institut national des sciences appliquées de toulouse, spécialité mathématiques appliquées

Active

N° de fiche
RNCP34752
Nomenclature du niveau de qualification : Niveau 7
Code(s) NSF :
  • 114g : Mathématiques de l'informatique, mathématiques financières, statistique de la santé
  • 326m : Informatique, traitement de l'information
Formacode(s) :
  • 11052 : mathématiques appliquées
  • 50170 : Diplômes d''ingénieur
  • 31054 : informatique
  • 11050 : mathématiques informatiques
  • 11036 : statistique
Date d’échéance de l’enregistrement : 31-08-2025
Nom légal Nom commercial Site internet
INST NAT SCIENCES APPLIQUEES TOULOUSE - https://www.insa-toulouse.fr
Objectifs et contexte de la certification :

Le diplôme d’ingénieur de l’INSA de Toulouse en spécialité Mathématiques Appliquées a pour objectif de certifier la capacité pour son titulaire de conduire des projets de modélisation issus des besoins croissants de divers secteurs industriels et des services. Dans un contexte d’explosion du numérique, du volume et de la variété des données ainsi que  des capacités de stockage et de calcul,  de très nombreux métiers nécessitent des compétences de pointe en mathématiques pour résoudre des problématiques de plus en plus complexes. L’ingénieur  de spécialité Mathématiques appliquées pourra revendiquer une compétence opérationnelle des méthodes numériques, déterministes ou stochastiques, pour acquérir la capacité à modéliser dans des domaines d’applications variés. Selon une étude récente sur l’impact socioéconomique des mathématiques en France réalisé par le cabinet de conseil  CMI à la demande de l’Agence pour les Mathématiques en Interaction avec l’Entreprise et la Société (AMIES), la mobilisation de champs de compétences mathématiques tels que le traitement du signal et de l’image, l’analyse et la valorisation de données, potentiellement massives, la modélisation, la simulation, l’optimisation, le calcul haute performance est croissante dans de nombreux secteurs d’activité tels que le secteur de l’énergie, de l’aéronautique, des transports,  des télécommunications, de la santé, des banques et assurances, du marketing. La certification recouvre de manière complète tous les champs des Mathématiques Appliquées depuis la modélisation et simulation des phénomènes physiques et mécaniques au sens large jusqu’aux Sciences du calcul et à la modélisation aléatoire et la Science des données. Cette certification vise principalement la thématique de l’Intelligence artificielle hybride, qui associe les techniques d’apprentissage automatique à partir des données et la modélisation mathématique qu’elle soit aléatoire ou déterministe.     

Activités visées :
  • Modélisation statistique de données potentiellement massives,  dans un but explicatif ou prédictif 
  • Modélisation statistique de  données complexes et hétérogènes : signaux, images,  données textuelles 
  • Déploiement des algorithmes d’optimisation mathématique pour la résolution d’un problème d’apprentissage machine 
  • Conception des solutions logicielles et matérielles pour  le traitement de données massives    
  • Pilotage d’un projet pour la résolution d’un problème réel posé par une entité métier 
Compétences attestées :
  • Appliquer les outils fondamentaux de l’ingénieur mathématicien
  • Concevoir, mettre en œuvre et valider des modèles mathématiques avancés et des solutions numériques adaptées
  • Appréhender l’aléa et modéliser les incertitudes
  • Analyser et valoriser des données, potentiellement massives
  • Formuler et résoudre des problèmes complexes d’optimisation, d’aide à la décision et de gestion des risques
  • Participer au développement de solutions logicielles
  • Formuler et modéliser des problèmes notamment dans les systèmes complexes relatifs aux mathématiques appliquées
  • Intégrer,  dans l'analyse des problèmes et le développement des solutions, les aspects Qualité – Hygiène (données massives utilisées pour le profilage nutritionnel/santé publique) - Sécurité (Cybersécurité) - Environnement  (l'IA a un impact sur la mobilité/transport, améliore la consommation énergétique, a des répercussions environnementales, ex : réduction de l'émission mondiale de gaz à effet de serre
  • Gérer un projet inter/pluri disciplinaire (maîtriser une méthode de gestion de projets, analyse des coûts...)
  • Communiquer en entreprise (rapports; compte rendus, synthèse, présentations orales….) en plusieurs langues
  • Gérer un groupe : animer une équipe, argumenter et négocier, communiquer en situation de crise
  • Formuler et argumenter des solutions en s'appuyant sur des éléments économiques, de veille et positionnement scientifiques, RSE 
  • Prendre en compte les enjeux des relations au travail, de sécurité et de santé au travail et les dimensions éthiques (ex: RGPD / utilisation des données personnelles ) qui s'y rapportent
  • Travailler en contexte international et multiculturel en prenant en compte les enjeux industriels, économiques et sociétaux
  • Protéger, valoriser et exploiter une innovation
Modalités d'évaluation :
  • Écriture d’un rapport de stage et présentation orale du travail réalisé en entreprise 
  • Analyse de cas d’études pratiques issus de projets industrie et recherche 
  • Constitution de dossier technique de synthèse du Bureau d’études (seul ou en binôme ou en groupe) 
  • Oral (français et anglais) de présentation d’un dossier technique 
  • Examen écrit individuel et oral sur la résolution de problèmes
  • Projet (seul ou en binôme)
  • Quizz et autoévaluation de la progression dans l’assimilation des compétences 
  • Réalisation (seul et en groupe) de programme et maquettes informatiques  
  • Projet recherche : mémoire et oral de présentation des travaux  
  • Participation à un Challenge Inter-écoles
N° et intitulé du bloc Liste de compétences Modalités d'évaluation
RNCP34752BC01

Appliquer les méthodes et outils mathématiques fondamentaux du monde professionnel
  1. Interagir avec un spécialiste ou un ingénieur d'une autre discipline pour comprendre et transcrire une problématique en modèle mathématique 
  2. Mettre en œuvre par un travail d'équipe une résolution à l’aide d’outils d’analyse et d’algèbre. 
  3. Utiliser les outils de probabilité et statistique 
  4. Résoudre un problème à l’aide  d’outils d’analyse numérique   
  5. Sélectionner le ou les outils le(s) plus approprié(s), selon un critère de choix de modèles. 
  •  Examens individuels (écrits et oraux) sur la résolution de problèmes 
  • Quizz et autoévaluation de la progression dans l’assimilation des compétences 
  • Analyse de cas d’études pratiques issus de projets industrie et recherche   
  • Constitution de dossier technique de synthèse de Bureau d’études  (oral et rapport écrit) 
RNCP34752BC02

Concevoir et mettre en œuvre numériquement des modèles mathématiques
  1. Modéliser des phénomènes issus de domaines variés (physique, ondes, mécanique des fluides ou des structures, finance, actuariat, biologie…) à l’aide d’EDO, EDP, EDS, modèles aléatoires… 
  2. Effectuer des simulations numériques et valider les résultats 
  3. Choisir les méthodes adaptées à la résolution numérique des problèmes considérés   
  4. Appliquer les méthodes sur des cas réels issus du monde recherche et industrie 
  • Examens individuels (écrits et oraux) sur la résolution de problèmes
  • Quizz et autoévaluation de la progression dans l’assimilation des compétences 
  • Projet de modélisation de données réelles en binôme avec rapport et soutenance orale 
  • Participation à un Challenge inter-écoles de prévision entre diverses formations de niveau 7 (cf Defi IA (Intelligence artificielle)
RNCP34752BC03

Modéliser l’aléa et les incertitudes
  1. Construire un modèle de l’évolution d’un processus aléatoire 
  2. Identifier des structures particulières dans des jeux de données complexes et en faire l’interprétation. 
  3. Effectuer des simulations de phénomènes aléatoires   
  4. Construire une surface de réponse   
  5. Planifier des expériences aléatoires 
  6. Réaliser une analyse de sensibilité dans des codes de simulation numérique. 
  • Examens écrits    
  • Comptes rendus de Travaux  Pratiques en binôme.   
  • Projets sur la modélisation d’un processus aléatoire (en groupe) avec rapport et soutenance orale.   
RNCP34752BC04

Analyser et valoriser des données
  1. Communiquer, échanger sur la valeur de la donnée avec des experts métiers des différents domaines d’utilisation    
  2. Prétraiter, mettre en forme et visualiser les données, potentiellement massives issues de divers domaines (météorologie, assurance, marketing, industrie...)    
  3. Ajuster et sélectionner un modèle statistique en grande dimension afin de faire de la prédiction 
  4. Mettre en œuvre les méthodes d’apprentissage statistique en grande dimension    
  5. Préparer, transformer des données massives grâce aux technologies  Hadoop, Map Reduce, Spark,  Pyspark, et aux outils de virtualisation 
  6. Synthétiser et analyser en équipe les résultats numériques obtenus 
  • Constitution de dossier technique de synthèse du Bureau d’études    
  • Examen écrit individuel et oral sur la résolution de problèmes 
  • Quizz et autoévaluation de la progression dans l’assimilation des compétences  
  • Participation à un Challenge inter-écoles de prévision entre diverses formations de niveau 7 (cf Defi IA (Intelligence artificielle) 
RNCP34752BC05

Poser et résoudre des problèmes complexes d’optimisation
  1. Modéliser et prévoir l’occurrence d’événements indésirables sur un individu ou système   
  2. Manipuler, implémenter et tester de nouvelles méthodes de traitement d’image ou de signal 
  3. Détecter des anomalies dans un signal 
  4. Identifier/calibrer/assimiler par des méthodes variationnelles des données 
  5. Construire et étudier la convergence  d’algorithmes d’optimisation 
  6. Mettre en œuvre des algorithmes d’optimisation en Python ou en langage compilé. 
  7. Communiquer avec des experts des différents domaines d’application 
  • Analyse de cas d’études pratiques issus de projets industrie et recherche 
  • Examen écrit individuel et oral sur la résolution de problèmes
  • Quizz et autoévaluation de la progression dans l’assimilation des compétences 
  • Projet de modélisation de données réelles en binôme avec rapport et soutenance orale 
RNCP34752BC06

Concevoir, développer des solutions logicielles
  1. Identifier les méthodes et outils adaptés à la résolution numérique des problèmes   
  2. Prendre en main et valider l’utilisation conforme de logiciels de l’industrie. 
  3. Utiliser les langages de programmation. 
  4. Identifier et transcrire une méthode de résolution numérique dans un langage de programmation 
  5. Mettre en œuvre des plateformes virtualisées et utiliser les principaux services des plateformes de cloud computing 
  6. Déployer des applications de traitement  de données massives 
  7. Utiliser le calcul haute performance   
  8. Analyser les performances sur des cas réels (latence, débit, espace, consommation d’énergie) 
  • Constitution en binôme de dossier technique de synthèse du
  • Bureau d’études  
  • Oral (français et anglais) de présentation d’un dossier technique 
  • Quizz et autoévaluation de la progression dans l’assimilation des compétences
RNCP34752BC07

Conduire un projet pour la résolution d’un problème réel d'une entité métier
  1. Interagir avec un spécialiste ou un ingénieur d'une autre discipline pour comprendre une problématique de valorisation de données sur un problème réel
  2. Mettre en place une démarche projet : analyse de la situation, définition des objectifs, conception spécification, réalisation, évaluation     
  3. Conduire les recherches bibliographiques nécessaires à la résolution du projet, et les restituer à des spécialistes.
  4. Mettre en place une infrastructure matérielle et logicielle proportionnées adaptée au problème.    
  5. Intégrer les philosophies, problématiques et contraintes des réglementations françaises et européennes (CNIL, RGPD) sur la protection des données
  6. Rendre compte à l’écrit et à l’oral du travail effectué auprès de décideurs, d'experts ou de professionnels non experts du domaine.
  • Cas d’études pratiques 
  • Projet recherche : mémoire et oral de présentation des travaux  de groupe 
  • Projet de fin d’études : manuscrit et oral de soutenance 
Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par équivalence :
  • La validation de la totalité des blocs est nécessaire pour l'obtention de la certification.   
  • Niveau B2+ en anglais
  • 40 semaines de stages dont 16 semaines à l'étranger (12 semaines à l’étranger sous Statut Apprenti)  
Secteurs d’activités :

Tous les secteurs industriels sont concernés par ces compétences de R & D (aéronautique, spatial, transport, énergie, télécommunications, santé, développement durable…) de même que les secteurs tertiaires (banque, finance, assurance) pour l’analyse quantitative et l’aide à la décision.

Type d'emplois accessibles :
  • Ingénieur recherche et développement   
  • Data Scientist, 
  • Ingénieur statisticien  
  • Ingénieur mathématicien numéricien 
  • Chef de projet 
  • Chargé d’études actuarielles en assurance 
  • Analyste quantitatif    
  • Ingénieur en systèmes décisionnels (industrie, grande distribution, banque, finance) 
  • Responsable du contrôle qualité ou d’études de Fiabilité (industrie). 
Code(s) ROME :
  • H1502 - Management et ingénierie qualité industrielle
  • M1403 - Études et prospectives socio-économiques
  • M1201 - Analyse et ingénierie financière
  • C1105 - Études actuarielles en assurances
  • H1206 - Management et ingénierie études, recherche et développement industriel
Références juridiques des règlementations d’activité :


Le cas échéant, prérequis à la validation des compétences :




Validité des composantes acquises :
Voie d’accès à la certification Oui Non Composition des jurys
Après un parcours de formation sous statut d’élève ou d’étudiant X

Le jury d’établissement comprend 6 membres du département Sciences et Technologies Pour l’Ingénieur (le directeur de département, le directeur des études de première année et les 4 directeurs d’études des pré-orientations ou leurs représentants), 2 représentants par spécialité choisis parmi l’ensemble des présidents et secrétaires de pré-jurys (département, formation continue et VAE) ainsi que le directeur et le directeur des études de l’INSA (ou leurs représentants)

En contrat d’apprentissage X

Le parcours par apprentissage conduit à la délivrance d’un double diplôme, aussi, le jury associant 2 Ecoles d'Ingénieurs (ENSEEIHT et INSA) comprend  les 2 directeurs d'Ecole, les 2 directeurs d'études (ou leurs représentants), les 2 directeurs ou responsables de département de spécialité, les 2 responsables de la formation (un pour chaque école) et 2 enseignants de spécialité par Ecole. 

Après un parcours de formation continue X

Le jury de formation continue comprend l’ensemble des présidents et secrétaires des commissions de recrutement des départements, deux des professionnels ayant participé à ces commissions ainsi que le Directeur de l’INSA, le Directeur des Etudes et le responsable de la Formation Continue à l’INSA. 

En contrat de professionnalisation X

Le jury d’établissement comprend 6 membres du département Sciences et Technologies Pour l’Ingénieur (le directeur de département, le directeur des études de première année et les 4 directeurs d’études des pré-orientations ou leurs représentants), 2 représentants par spécialité choisis parmi l’ensemble des présidents et secrétaires de pré-jurys (département, formation continue et VAE) ainsi que le directeur et le directeur des études de l’INSA (ou leurs représentants) 

Par candidature individuelle X -
Par expérience X

Un jury de validation des acquis de l’expérience est constitué par spécialité.

Le jury de VAE est composé de membres permanents et de membres désignés spécialistes du diplôme. Il comprend, d’une part, le Directeur de l’INSA ou son représentant, le Directeur des Etudes, le Responsable de la Formation continue et d’autre part, le Directeur du département de la spécialité, 2 ou 3 enseignants de la spécialité, 1 enseignant du Centre des Sciences Humaines et 2 représentants du monde industriel.

Oui Non
Inscrite au cadre de la Nouvelle Calédonie X
Inscrite au cadre de la Polynésie française X
Lien avec d’autres certifications professionnelles, certifications ou habilitations : Non

Référence au(x) texte(s) règlementaire(s) instaurant la certification :

Date du JO / BO Référence au JO / BO
17-03-2020

Articles D612-33 à D612-36 du code de l'éducation (grade de master) 

Référence des arrêtés et décisions publiés au Journal Officiel ou au Bulletin Officiel (enregistrement au RNCP, création diplôme, accréditation…) :

Date du JO / BO Référence au JO / BO
07-04-2021

Arrêté du 25 février 2021 fixant la liste des écoles accréditées à  délivrer un titre d’ingénieur diplômé, publié au JO le 07/04/2021  


L'accréditation pour la voie de l'apprentissage a pour date d'échéance la fin de l'année universitaire 2022/2023


Date d'effet de la certification 01-09-2020
Date d'échéance de l'enregistrement 31-08-2025
Statistiques :
Lien internet vers le descriptif de la certification :

http://www.math.insa-toulouse.fr


Le certificateur n'habilite aucun organisme préparant à la certification

Certification(s) antérieure(s) :
N° de la fiche Intitulé de la certification remplacée
RNCP30438 RNCP30438 - Titre ingénieur - Ingénieur diplômé de l'institut national des sciences appliquées de Toulouse, spécialité mathématiques appliquées
Référentiel d’activité, de compétences et d’évaluation :

Référentiel d’activité, de compétences et d’évaluation
Ouvre un nouvel onglet Ouvre un site externe Ouvre un site externe dans un nouvel onglet