Le MSc in Data Analytics & Artificial Intelligence en bref
- Campus
- Lille
- Type
- MSc
- Niveau
- M2
- Langue
- Anglais
- Accès
- Depuis les filières Business Management et Data Science & AI for Business
- Spécialisations
- Data Science, Business Analytics & Business Intelligence
- Direction
- Cédric Verbeeck, directeur du programme
Le MSc in Data Analytics & Artificial Intelligence de l'EDHEC forme en M2, à Lille et en anglais, aux métiers de la data et de l'IA : programmation en Python, statistiques, machine learning, deep learning, traitement du langage et business intelligence.
Après un tronc commun, il propose deux spécialisations : Data Science, plus technique, et Business Analytics & Business Intelligence, tournée vers l'usage des données par les métiers de l'entreprise.
Pour l'entretien EDHEC, il convient aux candidats qui visent les postes de data analyst, de data scientist, d'analyste en business intelligence ou de consultant data.
Qu'est-ce que le MSc in Data Analytics & Artificial Intelligence de l'EDHEC ?
Le MSc est accessible depuis les filières Business Management et Data Science & AI for Business. Selon l'EDHEC, il associe programmation, machine learning, analyse quantitative et réflexion stratégique, avec des projets concrets et une attention portée à l'innovation éthique et responsable.
Le premier semestre réunit le tronc commun : Python, modèles statistiques, data mining, machine learning, outils de la donnée web, visualisation, éthique des données et méthodes de recherche.
Au second semestre, la spécialisation Data Science approfondit le deep learning, les séries temporelles, le traitement du langage, la gestion des données et les projets de data science. La spécialisation Business Analytics & Business Intelligence applique les données à la relation client, aux opérations, aux textes et aux réseaux sociaux.
Dublin, certificats et outils : la période de personnalisation
Au second semestre, les MSc de Lille réservent une période de personnalisation. Selon le recueil 2026-2027, chaque étudiant y choisit un certificat, un voyage d'études ou des électifs.
Plusieurs options parlent à un profil data. À Dublin, un voyage d'études est organisé avec CeADAR, le centre national irlandais pour l'analyse de données et l'IA appliquées, rattaché à l'University College Dublin : master classes, ateliers sur des cas d'entreprise et visites de sociétés qui utilisent le machine learning.
Les étudiants peuvent aussi suivre des modules sur les outils de Microsoft (cloud, données, Power Platform, Copilot), ou un certificat conçu avec Sopra Steria Next, qui prépare aux certifications Professional Scrum Product Owner et SAFe Agilist et comprend un hackathon.
À l'entretien EDHEC, ces options vous aident à préciser votre projet : data scientist dans une entreprise, consultant en transformation, product owner d'un outil numérique.
À quels profils / projets professionnels cette spécialisation peut servir pour l'entretien EDHEC ?
Le MSc parle aux candidats qui veulent faire de la donnée leur métier. La spécialisation Data Science mène vers les postes de data scientist ou d'ingénieur des données ; la spécialisation Business Analytics & Business Intelligence vers l'analyse en business intelligence, le consulting en digital analytics ou l'analyse de la supply chain.
Il convient aussi aux profils de la filière Business Management qui veulent ajouter une compétence technique forte à leur formation en management, et aux candidats intéressés par l'innovation ou la transformation numérique des entreprises.
À l'entretien de personnalité, préparez un exemple de question à laquelle les données pourraient répondre dans une entreprise que vous connaissez : quels clients risquent de partir, quel stock prévoir, quel produit recommander.
Quels sont les cours du MSc in Data Analytics & Artificial Intelligence ?
Les principaux cours présentés ci-dessous donnent un aperçu non exhaustif des enseignements proposés dans le MSc.
Non exhaustif
Python Programming
Rowan Hoogervorst
Le cours donne une introduction complète à la programmation en Python et à ses bibliothèques d'analyse de données (pandas, statsmodels, matplotlib), avec un objectif : résoudre des problèmes de data science dans un contexte d'entreprise.
Statistical Models et Datamining
Arnaud Dufays
Le premier cours part du modèle de régression linéaire pour expliquer et prévoir une variable à partir d'autres, puis aborde l'inférence, les variables indicatrices, les effets non linéaires et les interactions, avec des applications en Python.
Le second présente les techniques de data mining utiles au management : détection d'anomalies, classification non supervisée, analyse en composantes principales, méthodes de classification supervisée et règles d'association.
Machine Learning
Gisèle Hites
Le cours présente les grands modèles d'apprentissage supervisé, de la régression linéaire et de la descente de gradient aux méthodes de classification, en insistant sur le compromis entre biais et variance. Les étudiants comparent les méthodes sur un cas.
Modern Data Stack
Aristide Riou
Le cours apprend à collecter et exploiter les données web avec Google Tag Manager et Google Analytics 4, à les visualiser dans Looker Studio, puis à les interroger en SQL dans BigQuery. Il présente aussi les chaînes de données et les rôles d'une équipe data, à partir d'un jeu de données réel.
Data Visualization
Juan Pedro Quispe Romero
Le cours apprend à concevoir des visualisations utiles à la décision et à les réunir dans des tableaux de bord interactifs avec Tableau, jusqu'à un tableau de bord complet construit en groupe.
Business Ethics and Big Data
Björn Fasterling
Le cours examine les questions éthiques posées par l'exploitation commerciale des données et de l'IA : atteinte à la vie privée et à la dignité, discriminations, incitations manipulatrices, inégalités sociales. Il montre aussi ce que ces outils peuvent apporter, s'ils sont bien utilisés, à travers des études de cas préparées et débattues en classe.
Research Methods
Majid Eskandarpour
Le cours présente les étapes d'une recherche en IA et en analyse de données, de la question de départ à la revue de littérature et au choix des méthodes. Les étudiants apprennent à collecter et préparer des données avec SQL et le web scraping, pour structurer leur mémoire de fin d'études.
Deep Learning et Time Series
Romain Tavenard (Deep Learning)
Pour la spécialisation Data Science, le premier cours présente les réseaux de neurones (entièrement connectés, convolutifs, récurrents), leur estimation et le choix des modèles, avec des applications sur des données réelles et simulées. Le second couvre l'analyse et la prévision des séries temporelles, du lissage exponentiel aux modèles ARIMA et aux méthodes de machine learning.
Natural Language Processing et Data Science Projects for Business
Ivan Gordeliy, Rowan Hoogervorst
Le cours de traitement du langage transforme des textes, par exemple issus des réseaux sociaux, en informations utiles à l'entreprise : prétraitement, modèles de thèmes, représentations vectorielles des mots, analyse de sentiment, introduction aux grands modèles de langage.
Data Science Projects for Business fait suivre tout le cycle d'un projet de data science sur des cas tirés de la banque, de l'industrie, du marketing et des opérations, de la définition du problème à l'évaluation des modèles.
Business Data Management
Davy Wai
Le cours montre comment une entreprise transforme des données brutes en un actif fiable et gouverné. Sur un jeu de données de commerce en ligne, les étudiants modélisent les données dans BigQuery, construisent des chaînes de traitement dans Dataiku, retracent l'origine des données et testent la capacité d'un grand modèle de langage à répondre aux questions de l'entreprise.
Data-Driven Insights, Operations Analytics et Social Network Analysis
Cédric Verbeeck, Tuba Bakici, Mohamed Hedi Charki
Pour la spécialisation Business Analytics & Business Intelligence, ces cours appliquent l'analyse de données à la relation client (valeur client, acquisition, fidélisation), aux ressources humaines et aux opérations (files d'attente, stocks, process mining), et aux réseaux sociaux : position des individus, structure des réseaux et effets sur les comportements. Un cours de traitement du langage appliqué à l'entreprise complète la spécialisation.
Comment se déroule le MSc ?
Selon l'EDHEC, le MSc se déroule ainsi :
- De septembre à mai, les cours sur le campus de Lille, en anglais
- Au premier semestre, le tronc commun technique et éthique
- Au second semestre, les cours de la spécialisation et la période de personnalisation
- À partir de juin, un stage ou une expérience professionnelle
- Le Master in Management du PGE, complété par le MSc
Les cours alternent exposés, travaux dirigés, études de cas et projets de groupe, avec une part d'apprentissage hybride. À l'entretien EDHEC, montrez que vous avez déjà choisi, ou presque, entre les deux spécialisations.
Quelles compétences développe-t-on ?
Vous apprendrez à programmer en Python, à interroger des données en SQL, à construire, évaluer et expliquer des modèles statistiques et de machine learning, à traiter des textes et des séries temporelles, à concevoir des tableaux de bord et à conduire un projet de data science avec des interlocuteurs métiers. Le cours d'éthique ajoute la capacité à repérer les risques d'un usage des données.
Le jour de l'entretien de personnalité, ces compétences vous aident à parler d'IA avec précision, sans promesses vagues.
Professeurs notables du MSc
Arnaud Dufays
Professeur associé de data science, responsable des cours Statistical Models et Datamining
Docteur en sciences de gestion de l'Université catholique de Louvain, Arnaud Dufays a été professeur adjoint à l'Université Laval, au Québec, et chercheur du F.R.S.-FNRS à l'Université de Namur avant de rejoindre l'EDHEC.
Ses recherches portent sur l'économétrie bayésienne et la modélisation des séries temporelles, en particulier la détection des ruptures, ces moments où la dynamique d'une série change, pour mieux prévoir les données financières et macroéconomiques. Il a publié en 2024 dans le Journal of Financial and Quantitative Analysis et dans le Journal of Business & Economic Statistics.
Pour l'entretien EDHEC
Il étudie les moments où une série de données change de comportement. Si vous parlez de prévision, préparez un exemple de rupture que les modèles n'avaient pas vue venir, comme un choc sur les prix ou sur la demande.
Pour aller plus loin
Björn Fasterling
Professeur de droit et d'éthique des affaires, responsable du cours Business Ethics and Big Data
Titulaire d'un LL.M. et d'un doctorat en droit, Björn Fasterling a été avocat pendant plusieurs années au bureau berlinois du cabinet Wilmer, Cutler & Pickering avant de rejoindre l'EDHEC, où il est chercheur à l'EDHEC Augmented Law Institute.
Ses recherches portent sur la conformité, la gouvernance d'entreprise, les droits humains dans les affaires et l'éthique des données. Dans un article de l'EDHEC, il défend en 2023 une régulation de l'IA fondée sur les risques, à condition que les entreprises prennent l'éthique des données au sérieux, au-delà d'une conformité de façade.
Pour l'entretien EDHEC
Il relie le droit, l'éthique et la technique. Préparez un exemple d'usage des données qui vous semble poser problème, et dites comment une entreprise pourrait le corriger.
Pourquoi choisir le MSc in Data Analytics & Artificial Intelligence et en parler pendant son entretien EDHEC ?
Le MSc in Data Analytics & Artificial Intelligence de l'EDHEC associe un tronc commun technique, deux spécialisations et une réflexion sur l'éthique des données, avec des options comme le voyage d'études à Dublin. Il convient aux candidats qui veulent maîtriser les outils de la data et comprendre ce qu'ils changent pour l'entreprise.
À l'entretien EDHEC, présentez-le avec la spécialisation visée et un usage concret des données qui vous intéresse.
Exemple : « Pendant mon stage dans une entreprise de logistique, j'ai vu les retards de livraison s'accumuler sans que personne ne sache les prévoir. Avec le MSc in Data Analytics & Artificial Intelligence, je veux suivre la spécialisation Data Science et le cours Time Series. Je vise un poste de data scientist dans la supply chain. »
