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) :

Fondamental I

Calcul stochastique et modèles de diffusion

Enseignants : C. Labbé, S. Daudin [TD]

ECTS : 6 Période : T1 Lieu : Campus Grands Moulins
Fondamental I

Chaînes de Markov

Enseignant : N. Cuneo

ECTS : 6 Période : T1 Lieu : Campus Grands Moulins
Fondamental II

Fondamentaux de la modélisation des produits dérivés

Enseignants : S. Crépey, M. Talbi [TD]

ECTS : 6 Période : T1 Lieu : Campus Grands Moulins
Fondamental II

Optimisation pour l'apprentissage

Enseignant : G. Garrigos

ECTS : 6 Période : T1 Lieu : Campus Grands Moulins
Fondamental III

Modélisation des données et inférence statistique

Enseignants : C. Lévy-Leduc, S. Gribkova [TD]

ECTS : 6 Période : T1 Lieu : Campus Grands Moulins
Fondamental III

Introduction au machine learning

Enseignant : A. Fischer

ECTS : 6 Période : T1 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Instruments financiers

Enseignant : B. Bruder (Amundi)

ECTS : 3 Période : T1/T2 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Modélisation avancée des produits dérivés

Enseignants : S. Crépey, M.-C. Quenez [TD]

ECTS : 6 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Contrôle stochastique en finance

Enseignant : M. Talbi

ECTS : 6 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Modèles avancés de la courbe des taux

Enseignant : Z. Grbac

ECTS : 6 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Méthodes non linéaires en finance

Enseignants : M.-C. Quenez, S. Crépey, B. Saadeddine [TP]

ECTS : 6 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Gestion quantitative d’actifs financiers

Enseignant : B. Bruder (Amundi)

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Produits dérivés sur le VIX et méthodes de calibration avancées

Enseignant : J. Guyon

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Applications du contrôle stochastique en finance

Enseignant : S. Scotti

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Finance Quantitative)

Algorithmic trading

Enseignant : O. Guéant

ECTS : 3 Période : S2 de l'ENSAE Lieu : ENSAE
Optionnel (Informatique)

C++

Enseignant : O. Carton, V. Lejeune [TD]

ECTS : 6 Période : T1/T2 Lieu : Campus Grands Moulins
Optionnel (Gestion des Risques)

Mesures des risques

Enseignants : N. Frikha, B. Hassani

ECTS : 3 Période : T1 Lieu : Campus Grands Moulins
Optionnel (Gestions des Risques)

Copulas and financial applications

Enseignant : J.-D. Fermanian

ECTS : 3 Période : S1 de l'ENSAE Lieu : ENSAE
Optionnel (Méthodes Numériques)

Méthodes de Monte-Carlo en finance

Enseignants : S. Scotti, M. Talbi [TD/TP]

ECTS : 6 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Méthodes Numériques)

EDP en finance

Enseignants : Y. Achdou, O. Bokanowski

ECTS : 3 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Méthodes Numériques)

Méthodes numériques probabilistes avancées en finance

Enseignant : O. Guéant

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Non ouvert
Optionnel (Ouverture / Recherche)

Transport optimal et applications

Enseignant : M. Fathi

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Ouverture / Recherche)

Dynamique du modèle de Kuramoto

Enseignant : B. Fernandez

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Autres Marchés / Technologies)

Marchés de l’énergie

Enseignant : L. Raynaud (EDF)

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Autres Marchés / Technologies)

Blockchain et finance décentralisée

Enseignant : L. Bertucci (ILB)

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Non ouvert
Optionnel (Autres Marchés / Technologies)

Quantum computing in finance

Enseignant : A. Jacquier (Imperial College London)

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Autres Marchés / Technologies)

Green finance: Risk and portfolio management

Enseignants : P. Tankov, T. Roncalli (Amundi)

ECTS : 3 Période : S2 de l'ENSAE Lieu : ENSAE
Optionnel (Sciences des Données)

Apprentissage statistique

Enseignants : S. Clémençon, E. Irurozki [TD]

ECTS : 6 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Sciences des Données)

Approche moderne pour la réduction de la dimension

Enseignant : A. Célisse

ECTS : 6 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Sciences des Données)

Statistique en grande dimension

Enseignant : S. Coste

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Sciences des Données)

Deep learning

Enseignant : I. Giulini

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Sciences des Données)

Apprentissage par renforcement

Enseignant : S. Delattre

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Sciences des Données)

Projets de data science

Enseignants : C. Lévy-Leduc

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Stat. et ML en Finance)

Analyse des séries financières

Enseignant : J.-M. Bardet

ECTS : 6 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Stat. et ML en Finance)

Statistique des processus en finance

Enseignants : A. Gloter, A. Kebaier

ECTS : 6 Période : T2 Lieu : Campus Grands Moulins
Optionnel (Stat. et ML en Finance)

Processus ponctuels et applications en finance

Enseignant : C. Denis

ECTS : 3 Période : T2/T3 Lieu : Campus Grands Moulins
Optionnel (Stat. et ML en Finance)

Prédiction et investissements séquentiels

Enseignant : J.-Y. Audibert (CFM)

ECTS : 3 Période : T3 Lieu : Campus Grands Moulins
Optionnel (Stat. et ML en Finance)

Machine learning in finance: Theoretical foundations

Enseignants : H. Pham, J.-D. Fermanian

ECTS : 3 Période : S2 de l'ENSAE Lieu : ENSAE
Cours extérieur (ENSAE)

Foundations of Risk management

Enseignant : J.-F. Chassagneux, I. Toder

ECTS : 3 Période : S1 de l'ENSAE Lieu : ENSAE
Cours extérieur (ENSAE)

Financial econometrics

Enseignant : J.-M. Zakoïan

ECTS : 3 Période : S1 de l'ENSAE Lieu : ENSAE
Cours extérieur (ENSAE)

Generative AI for insurance and actuarial studies

Enseignant : A. Ocello

ECTS : 3 Période : S2 de l'ENSAE Lieu : ENSAE

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

Photo de S. Crépey

Pr. Stéphane Crépey

Laboratoire de Probabilités, Statistique et Modélisation (LPSM)

Bâtiment Sophie Germain, Bureau 5046
8 Place Aurélie Nemours, 75013 Paris

Photo de O. Guéant

Pr. Olivier Guéant

Laboratoire de Probabilités, Statistique et Modélisation (LPSM)

Bâtiment Sophie Germain, Bureau 5012
8 Place Aurélie Nemours, 75013 Paris

Photo de A. Célisse

Pr. Alain Célisse

Laboratoire Statistique, Analyse et Modélisation Multidisciplinaire (SAMM)

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.

Secrétariat

Laurence Chatoux

Secrétariat du M2MO

+33 1 57 27 93 06

Bâtiment Sophie Germain, Bureau 5055
8 Place Aurélie Nemours, 75013 Paris