Héritier du prestigieux DEA Laure Elie fondé en 1987, le Master 2 Modélisation aléatoire, connu sous l'acronyme M2MO, est une formation d'excellence en mathématiques appliquées. Le programme dispense un savoir fondamental solide et approfondi en probabilités, statistique et modélisation stochastique afin de fournir aux étudiants les outils théoriques et pratiques indispensables à la modélisation de phénomènes aléatoires complexes et à la résolution de problèmes concrets, à la frontière entre la recherche académique et les défis en constante évolution de l'industrie et des services.
Fort de son excellence, le M2MO s'est imposé depuis des décennies comme un programme de choix pour les meilleurs étudiants des universités et des grandes écoles d'ingénieurs. Cette synergie entre l'université et les grandes écoles a forgé un environnement académique stimulant et un réseau durable de plus d'un millier de diplômés disséminés à travers le monde.
Le master prépare les étudiants à devenir des acteurs clés en Finance Quantitative et en Science des Données. Les diplômés du M2MO sont très recherchés dans les grandes banques, assurances, sociétés de gestion et autres institutions financières. Les compétences acquises sont également très valorisées par les industries de pointe et les jeunes pousses innovantes, que ce soit dans l'énergie, les télécommunications, le spatial, l'intelligence artificielle, l'imagerie médicale ou encore les cryptomonnaies. Chaque année, plusieurs étudiants du M2MO poursuivent aussi leur formation avec une thèse de doctorat et certains deviennent plus tard enseignants-chercheurs. Rejoindre le M2MO, c'est bénéficier d'un corps professoral de renommée internationale et accéder à des savoirs constamment actualisés qui ouvrent des opportunités de carrière de premier plan.
Programme
Le M2MO s'articule autour de cours fondamentaux et d'un large éventail de cours optionnels permettant aux étudiants de se spécialiser tout en s'ouvrant des perspectives scientifiques et professionnelles variées. Ces cours sont complétés par un séminaire d'ouverture professionnelle chaque semaine de mi-septembre à janvier (voir l'agenda) et par un stage d'un minimum de 4 mois à l'issue des cours. Pour plus de détails sur les exigences du cursus, consulter les règles de validation du M2MO.
Cours
Voici l'offre de cours pour l'année universitaire 2025-2026 (voir aussi l'emploi du temps) :
Calcul stochastique et modèles de diffusion
Enseignants : C. Labbé, S. Daudin [TD]
Chaînes de Markov
Enseignant : N. Cuneo
Fondamentaux de la modélisation des produits dérivés
Enseignants : S. Crépey, M. Talbi [TD]
Optimisation pour l'apprentissage
Enseignant : G. Garrigos
Modélisation des données et inférence statistique
Enseignants : C. Lévy-Leduc, S. Gribkova [TD]
Introduction au machine learning
Enseignant : A. Fischer
Instruments financiers
Enseignant : B. Bruder (Amundi)
Modélisation avancée des produits dérivés
Enseignants : S. Crépey, M.-C. Quenez [TD]
Contrôle stochastique en finance
Enseignant : M. Talbi
Modèles avancés de la courbe des taux
Enseignant : Z. Grbac
Méthodes non linéaires en finance
Enseignants : M.-C. Quenez, S. Crépey, B. Saadeddine [TP]
Gestion quantitative d’actifs financiers
Enseignant : B. Bruder (Amundi)
Produits dérivés sur le VIX et méthodes de calibration avancées
Enseignant : J. Guyon
Applications du contrôle stochastique en finance
Enseignant : S. Scotti
Algorithmic trading
Enseignant : O. Guéant
C++
Enseignant : O. Carton, V. Lejeune [TD]
Mesures des risques
Enseignants : N. Frikha, B. Hassani
Copulas and financial applications
Enseignant : J.-D. Fermanian
Méthodes de Monte-Carlo en finance
Enseignants : S. Scotti, M. Talbi [TD/TP]
EDP en finance
Enseignants : Y. Achdou, O. Bokanowski
Méthodes numériques probabilistes avancées en finance
Enseignant : O. Guéant
Transport optimal et applications
Enseignant : M. Fathi
Dynamique du modèle de Kuramoto
Enseignant : B. Fernandez
Marchés de l’énergie
Enseignant : L. Raynaud (EDF)
Blockchain et finance décentralisée
Enseignant : L. Bertucci (ILB)
Quantum computing in finance
Enseignant : A. Jacquier (Imperial College London)
Green finance: Risk and portfolio management
Enseignants : P. Tankov, T. Roncalli (Amundi)
Apprentissage statistique
Enseignants : S. Clémençon, E. Irurozki [TD]
Approche moderne pour la réduction de la dimension
Enseignant : A. Célisse
Statistique en grande dimension
Enseignant : S. Coste
Deep learning
Enseignant : I. Giulini
Apprentissage par renforcement
Enseignant : S. Delattre
Projets de data science
Enseignants : C. Lévy-Leduc
Analyse des séries financières
Enseignant : J.-M. Bardet
Statistique des processus en finance
Enseignants : A. Gloter, A. Kebaier
Processus ponctuels et applications en finance
Enseignant : C. Denis
Prédiction et investissements séquentiels
Enseignant : J.-Y. Audibert (CFM)
Machine learning in finance: Theoretical foundations
Enseignants : H. Pham, J.-D. Fermanian
Foundations of Risk management
Enseignant : J.-F. Chassagneux, I. Toder
Financial econometrics
Enseignant : J.-M. Zakoïan
Generative AI for insurance and actuarial studies
Enseignant : A. Ocello
Stage
Chaque étudiant du M2MO doit faire un stage, d'un minimum de 4 mois, dans une entreprise ou une institution, éventuellement à l’étranger. Ce stage est mené sous la direction d’un tuteur responsable dans l’entreprise et en relation avec un enseignant référent à l'université. Ce stage donne lieu à la rédaction d'un mémoire de Master qui est présenté en soutenance devant un jury, généralement au mois de septembre ou début octobre.
Afin de faciliter la professionalisation des étudiants, un séminaire d'ouverture professionnelle se tient chaque semaine de mi-septembre à janvier (voir l'agenda).
Institutions
Le M2MO, plus formellement Master 2ème année Mathématiques et Applications – Modélisation aléatoire, est le fruit d'une longue histoire qui commence dans la deuxième partie des années 1980 sous l'impulsion de Laure Elie avec la création d'un DEA commun aux universités Paris I et Paris VII : "Statistiques et Modèles Mathématiques en Economie et Finance" (voir l'une des premières affiches).
Si l'Université Paris Cité, qui est l'héritière de l'Université Paris VII, est aujourd'hui le centre névralgique du M2MO, l'équipe enseignante est riche d'un partenariat durable avec l'Université Paris 1 Panthéon-Sorbonne, héritière de Paris I, dont des professeurs assurent plusieurs enseignements. Pour ce qui concerne les étudiants issus de ses cursus, le diplôme est délivré par l'Université Paris 1 Panthéon-Sorbonne.

Depuis de nombreuses années, le M2MO est aussi très lié à l'ENSAE, de sorte que quatre cours de troisième année de l'ENSAE font partie intégrante du M2MO. Par ailleurs, les étudiants du M2MO ont accès en auditeur libre à d'autres cours de l'ENSAE.

Le M2MO mène par ailleurs une politique active de développement de partenariats avec les grandes écoles d'ingénieurs. Il existe actuellement des conventions ou des protocoles avec les institutions suivantes : ENSAE, CentraleSupélec et Mines Paris.



Direction du M2MO

Pr. Stéphane Crépey
Laboratoire de Probabilités, Statistique et Modélisation (LPSM)
[Chargement de l'e-mail...]
Bâtiment Sophie Germain, Bureau 5046
8 Place Aurélie Nemours, 75013 Paris

Pr. Olivier Guéant
Laboratoire de Probabilités, Statistique et Modélisation (LPSM)
[Chargement de l'e-mail...]
Bâtiment Sophie Germain, Bureau 5012
8 Place Aurélie Nemours, 75013 Paris

Pr. Alain Célisse
Laboratoire Statistique, Analyse et Modélisation Multidisciplinaire (SAMM)
[Chargement de l'e-mail...]
Centre PMF, Bureau C-20.07
90, rue de Tolbiac, 75013 Paris
Contact
Pour toute question administrative relative au M2MO, vous pouvez vous adresser au secrétariat de la formation.

Laurence Chatoux
Secrétariat du M2MO
[Chargement de l'e-mail...]+33 1 57 27 93 06
Bâtiment Sophie Germain, Bureau 5055
8 Place Aurélie Nemours, 75013 Paris