La filière Data Science & AI for Business en bref
- Campus
- Nice en M1, Nice ou Lille en M2 selon le MSc
- Type
- Filière du cycle Master
- Niveau
- M1, puis immersion professionnelle ou échange, puis un MSc en M2
- Langue
- Anglais
- Direction
- Victor Planas-Bielsa, directeur de la filière
- MSc accessibles
- Financial Engineering, International Finance, Data Analytics & Artificial Intelligence, Marketing Analytics
La filière Data Science & AI for Business de l'EDHEC forme, en anglais, aux métiers de la data et de l'intelligence artificielle appliquées à l'entreprise et à la finance : analyse de données, machine learning, IA générative, bases de données.
Le M1 se suit à Nice. Après une année d'immersion professionnelle ou un échange, les étudiants rejoignent en M2 un MSc de finance à Nice, ou un MSc de data et de marketing à Lille.
Pour l'entretien EDHEC, elle convient aux candidats attirés par les données et l'IA, qui veulent les mettre au service des décisions d'une entreprise ou d'un acteur financier.
Qu'est-ce que la filière Data Science & AI for Business de l'EDHEC ?
Selon la brochure du PGE, la filière prépare aux carrières nées du machine learning, du deep learning et de l'IA générative, qui touchent tous les domaines, y compris la finance et la gestion. Elle associe des professeurs spécialistes des nouvelles technologies et de l'IA à des cours de management et de finance.
Le premier semestre du M1 réunit les statistiques et la data science avec Python, les bases statistiques de l'IA, le machine learning, l'IA appliquée à l'entreprise et les bases de données relationnelles, mais aussi l'analyse financière et la construction de portefeuille.
Le second semestre ajoute l'intégration de données, le traitement automatique du langage, la visualisation de données, l'éthique et la réglementation de l'IA, un challenge de start-up d'IA éthique, et des cours de stratégie, de contrôle de gestion et de macroéconomie. La page de la filière cite aussi un électif TechMeUp! Certified, avec Microsoft, sur le cloud, la data, l'IA et les outils de gestion.
Deux concentrations au M1, quatre MSc en M2
Au second semestre du M1, chaque étudiant choisit une concentration, sans pouvoir mélanger les cours des deux :
- Data Management : Marketing Management et Generative AI, avec un électif comme Mathematics of Deep Learning ou AI Strategy & Implementation: From Roadmap to Agents
- Finance : Fixed Income & Derivatives et Financial Econometrics with Python, avec un électif comme Pricing Derivatives with Python
Ce choix prépare le M2. La filière ouvre sur quatre MSc : Financial Engineering et International Finance à Nice, Data Analytics & Artificial Intelligence et Marketing Analytics à Lille.
À l'entretien EDHEC, indiquez vers quelle concentration vous penchez et pour quel métier : c'est plus convaincant qu'un intérêt général pour « la data ».
À quels profils / projets professionnels cette spécialisation peut servir pour l'entretien EDHEC ?
La filière parle aux candidats qui visent les métiers de la data en entreprise : data analyst, data scientist, consultant data ou chef de projet IA. La concentration Data Management, puis le MSc in Data Analytics & Artificial Intelligence ou le MSc in Marketing Analytics, mènent vers ces métiers.
Elle convient aussi aux profils quantitatifs attirés par la finance de marché : la concentration Finance prépare aux MSc in Financial Engineering et in International Finance, à Nice, et aux métiers d'analyste quantitatif, de gérant ou de structureur.
À l'entretien de personnalité, partez d'un usage concret de la donnée que vous avez observé : une recommandation sur une plateforme, un tableau de bord pendant un stage, un outil d'IA que vous utilisez. Expliquez ce qu'il change pour l'entreprise.
Quels sont les cours de la filière Data Science & AI for Business ?
Les principaux cours présentés ci-dessous donnent un aperçu non exhaustif des enseignements proposés dans la filière.
Les cours ci-dessous viennent de la liste et du recueil de syllabus du M1 2026-2027. Pour certains cours du second semestre, seul l'intitulé était publié.
Non exhaustif
Fundamentals of Stats and Data Science with Python
Yassine Lahna
Le cours associe les bases de la statistique et la manipulation de données avec Python, devenu le langage de référence de l'analyse de données.
Les étudiants apprennent à analyser des jeux de données tirés de situations réelles d'entreprise et de finance, dans l'environnement Jupyter, en écrivant leurs propres programmes.
Statistical Foundations of AI
Rickard Sandberg
Le cours développe le raisonnement statistique qu'il faut pour comprendre, interpréter et évaluer avec un œil critique les systèmes d'IA et de machine learning : distributions de données, inférence et biais d'échantillonnage, probabilités et raisonnement bayésien, corrélation et causalité.
Il privilégie la compréhension des notions et leur interprétation pratique, plutôt que les démonstrations mathématiques.
Introduction to Machine Learning
Victor Planas-Bielsa
Introduction pratique au machine learning en Python, tournée vers les applications d'entreprise, le cours couvre la classification, la régression logistique, les k plus proches voisins et les arbres de décision, l'évaluation et le choix des modèles, l'apprentissage non supervisé et les premiers réseaux de neurones.
Il s'appuie sur de nombreuses études de cas, pour apprendre à mettre en œuvre des modèles simples sur des données réelles.
AI for Business
Michelle Sisto
Le cours aide à distinguer les vraies avancées de l'IA des effets d'annonce. Les étudiants comprennent le fonctionnement de l'IA générative, apprennent à dialoguer avec elle et à construire des assistants, puis abordent ses enjeux éthiques.
La seconde moitié élargit le regard : panorama de l'IA, regard critique sur les annonces et les discours, transformation des entreprises par l'IA et avenir de la discipline, avec des exercices appliqués à chaque séance.
Relational Databases for Decision Making
Pascal Perry
Le cours présente les bases de données relationnelles comme des outils de décision : modélisation des données, schémas normalisés, requêtes SQL simples puis avancées (jointures, agrégats, sous-requêtes), introduction au NoSQL. Il insiste sur l'intégrité des données, la confidentialité et leur usage responsable.
Financial Analysis and Valuation et Portfolio Construction Theory
Vincent Milhau (Portfolio Construction Theory)
Les étudiants de la filière suivent aussi deux cours de finance du M1. Le premier apprend à lire et analyser des états financiers établis selon les normes IFRS, puis à évaluer une entreprise par les flux actualisés et les comparables.
Le second présente la théorie moderne du portefeuille, de la diversification à la frontière efficiente, avec de nombreux calculs en Python.
Data Integration with APIs and ETL Processes, Foundations of Natural Language Processing et Data Visualization
Au second semestre, trois cours complètent la boîte à outils : l'intégration de données à partir d'API et de chaînes ETL (extraire, transformer, charger), les bases du traitement automatique du langage et la visualisation de données au service de la décision.
Ethical and Regulatory Aspects of AI et Ethical AI Start-up Challenge
Selon la page de la filière, le cours d'éthique et de réglementation aborde notamment le RGPD et le règlement européen sur l'IA. Le challenge, au second semestre, porte sur la création d'une start-up d'IA éthique.
Comment se déroule la filière ?
Selon la brochure et la page officielle, le parcours se déroule ainsi :
- Un M1 à Nice, en anglais, avec des cours communs puis une concentration au second semestre
- Une année d'immersion professionnelle, en stages, ou un échange dans une université partenaire
- Un M2 dans l'un des quatre MSc ouverts à la filière, à Nice ou à Lille
- Le Master in Management (MiM) du PGE, complété par le MSc
Le programme d'accompagnement de carrière prévoit une simulation de centre d'évaluation, des DSAI Career Days et des séances hebdomadaires consacrées aux métiers de la data. À l'entretien EDHEC, montrez que vous savez où chaque étape peut vous mener.
Quelles compétences développe-t-on ?
Vous apprendrez à programmer en Python, à interroger une base de données en SQL, à construire et évaluer des modèles de machine learning, à utiliser l'IA générative avec esprit critique et à visualiser des données pour aider à décider. Les cours de finance et de management donnent le contexte dans lequel ces outils servent.
Le jour de l'entretien de personnalité, ces compétences vous aident à parler de data et d'IA avec des exemples précis, en montrant que vous en voyez aussi les limites.
Professeurs notables de la filière
Victor Planas-Bielsa
Directeur de la filière Data Science & AI for Business, responsable du cours Introduction to Machine Learning
Diplômé en physique et docteur en mathématiques, Victor Planas-Bielsa dirige la filière Data Science & AI for Business, ainsi que les MSc en ligne de l'EDHEC sur le plan académique. Il a été data scientist senior dans la recherche, où il développait des algorithmes de machine learning et des réseaux de neurones profonds avec Python, R et SQL.
Il enseigne les matières quantitatives au niveau master depuis plus de dix-huit ans. Ses travaux de modélisation et d'analyse statistique touchent la finance, la gestion et la biologie, avec des publications dans des revues comme Science Advances ou Royal Society Open Science.
Pour l'entretien EDHEC
Son parcours va des mathématiques à la biologie et à la gestion. Si vous aimez les mathématiques, préparez un problème concret d'entreprise auquel vous aimeriez les appliquer : prévoir une demande, détecter une fraude, recommander un produit.
Pour aller plus loin
Michelle Sisto
Professeure associée et doyenne associée, directrice de l'EDHEC AI Centre, responsable du cours AI for Business
Formée aux mathématiques et à l'informatique, Michelle Sisto étudiait déjà en 1988 les systèmes experts, une première forme d'IA. À l'EDHEC, elle a dirigé les programmes de niveau master, puis le Programme Grande École et les Masters, avant de lancer l'EDHEC AI Centre, qu'elle dirige.
Ce centre étudie l'effet de l'IA sur l'enseignement, la recherche et les entreprises, et veut l'intégrer à tous les programmes, du bachelor au doctorat. Elle défend un usage de l'IA centré sur l'humain et guidé par des valeurs, et rappelle que l'expertise métier reste nécessaire pour repérer les erreurs des machines.
Pour l'entretien EDHEC
Elle insiste sur la façon dont les étudiants utilisent l'IA. Préparez un exemple honnête de votre usage de ces outils, et de ce que vous refusez de leur confier.
Pourquoi choisir la filière Data Science & AI for Business et en parler pendant son entretien EDHEC ?
La filière Data Science & AI for Business de l'EDHEC associe la data, l'IA et la finance dans un M1 en anglais, une année d'expérience professionnelle et quatre MSc possibles, à Nice ou à Lille. Elle convient aux candidats qui veulent faire de la donnée un outil de décision.
À l'entretien EDHEC, présentez-la avec la concentration qui vous attire et le métier visé.
Exemple : « Pendant un stage dans une enseigne de sport, j'ai vu l'équipe marketing décider de ses promotions à partir de tableaux de bord. Avec la filière Data Science & AI for Business, je veux apprendre le machine learning et choisir la concentration Data Management. Je vise ensuite le MSc in Marketing Analytics, puis un poste de data analyst dans la distribution. »
