Former à l’IA en finance : l’Université ne peut pas faire seule

En finance, les transformations liés à l’IA sont particulièrement rapides et visibles, de l’analyse de risque à la gestion d’actifs, en passant par la conformité ou la détection de fraude. Dans ce contexte, un modèle fondé sur un dialogue étroit entre monde académique et monde professionnel permet de répondre à un double objectif. Il faut former des profils immédiatement opérationnels, capables de s’intégrer dans des environnements complexes, tout en leur donnant les outils conceptuels nécessaires pour s’adapter aux évolutions futures.

Un modèle fondé sur le dialogue entre recherche et entreprises 

Dans les formations spécialisées en finance quantitative, cette dynamique prend la forme d’un ajustement continu des contenus. Chaque année, un travail d’évaluation est mené, associant équipes pédagogiques, communauté étudiante et partenaires industriels, afin d’identifier les évolutions du marché et d’adapter les enseignements en conséquence. Dans un environnement où l’IA redéfinit rapidement les compétences attendues, cette démarche apparaît déterminante.

Ce modèle repose sur une architecture hybride, dans laquelle praticiens et chercheurs interviennent conjointement. Un pourcentage élevé des enseignements sont assurés par des praticiens, garantissant un ancrage direct dans les réalités des entreprises. En parallèle, les enseignantes-chercheuses et enseignants-chercheurs assurent la transmission des méthodes issues des avancées les plus récentes de la recherche.

Ce double ancrage permet de construire des formations à la fois opérationnelles et évolutives. Les besoins exprimés par les entreprises, en matière d’exploitation des données, d’intégration de l’intelligence artificielle ou de développement d’outils adaptés aux usages métiers, alimentent directement la réflexion pédagogique. En retour, les entreprises bénéficient de profils formés aux dernières avancées scientifiques, tout en étant préparés aux outils et aux enjeux opérationnels des métiers de la finance.

Des interactions directes avec les entreprises

Cette collaboration ne se limite pas aux enseignements. Les entreprises contribuent directement à la formation à travers des conférences, des rencontres avec les promotions et des dispositifs de parrainage. Les professionnels en activité accompagnent les étudiants tout au long de l’année pour partager leur expérience des métiers et des usages réels de l’IA. Certaines entreprises ouvrent également leurs locaux, permettant une immersion dans leurs environnements de travail. Ces interactions donnent aux étudiants une lecture concrète des attentes du marché, tandis que les entreprises accèdent à des profils formés aux méthodes les plus récentes.

Le Data Challenge : un laboratoire grandeur nature

De nouvelles formes innovantes de collaboration apparaissent également à travers de nombreux dispositifs pédagogiques immersifs. Le Data Challenge organisé chaque année dans le cadre du Master Ingénierie statistique et financière de l’Université Paris Dauphine – PSL, auquel sont également associés des étudiantes et étudiants du Magistère Banque, finance, assurance et du Master Actuariat, en constitue une très bonne illustration. Cette ouverture à des profils issus de formations différentes favorise le travail en équipe et la confrontation des approches, chaque participant apportant des compétences complémentaires.

Organisé en fin de cursus, ce dispositif permet aux étudiantes et étudiants de mobiliser l’ensemble des outils acquis au cours de leur formation. Il ne s’agit plus seulement d’appliquer des méthodes, mais de savoir sélectionner les approches pertinentes et les articuler pour répondre à une problématique complexe.

Ce format, proche d’un hackathon, se déroule sur plusieurs semaines et s’appuie sur des données réelles fournies par une entreprise partenaire. Il est structuré autour de sessions de travail intensives, combinant apports méthodologiques, encadrement par des chercheurs et accompagnement par des professionnels.

« L’IA ne se substitue pas à l’expertise métier, elle la renforce. »

Les étudiantes et étudiants travaillent en équipe pour répondre à une problématique opérationnelle, mobilisant des compétences en intelligence artificielle, en analyse de données et en compréhension des enjeux métiers. Cette organisation favorise non seulement l’apprentissage technique, mais aussi le développement de compétences transversales telles que le travail en équipe, la gestion de projet et la capacité à traduire une problématique métier en solution concrète.

L’édition récente, menée en collaboration avec Natixis CIB, portait sur la conception d’un assistant conversationnel capable d’exploiter des données financières afin de détecter, analyser et prioriser des anomalies. Les solutions développées s’inscrivent dans des architectures combinant intelligence artificielle, bases de données et interfaces utilisateurs. Elles mettent en évidence des enjeux centraux en Finance comme l’exploitation de données complexes, l’automatisation de l’analyse et la conception d’outils directement mobilisables par les métiers, capables d’interagir avec des utilisateurs non spécialistes.

Au-delà de la performance technique, ces projets montrent que l’intelligence artificielle ne se substitue pas à l’expertise métier, mais qu’elle la renforce. Elle permet d’automatiser certaines tâches tout en améliorant la qualité des décisions. Ces dispositifs illustrent concrètement la manière dont la collaboration entre université et entreprises permet de rapprocher formation et usages réels. Ils se développent dans plusieurs établissements, souvent à l’initiative des entreprises elles-mêmes, qui y trouvent un moyen d’accéder à des approches nouvelles tout en identifiant de futurs recrutements.

Les CIFRE : un autre pilier du lien université-entreprises

La collaboration entre université et entreprises se prolonge également à travers les conventions CIFRE, qui permettent de mener des travaux de recherche en lien direct avec des problématiques industrielles. Plusieurs diplômées et diplômés poursuivent ainsi en doctorat en partenariat avec des acteurs tels que BNP Paribas, Engie ou Murex.

Ces dispositifs favorisent le transfert de connaissances entre recherche académique et applications concrètes. Ils contribuent à développer des solutions innovantes, tout en formant des profils capables d’évoluer à l’interface entre science des données, finance et intelligence artificielle. Ils illustrent une autre forme de collaboration, inscrite dans le temps long, où la recherche vient nourrir directement les besoins des entreprises.

Former pour des métiers en mutation : un enjeu pour l’enseignement supérieur

Dans un contexte où l’intelligence artificielle progresse à un rythme soutenu, la capacité d’adaptation constitue un enjeu stratégique non seulement pour les formations, mais pour l’ensemble du secteur financier. La vraie question n’est pas de savoir si l’IA va transformer les métiers mais de savoir qui sera en mesure d’en piloter les usages avec discernement.

L’enjeu n’est pas seulement de maîtriser des outils, mais de comprendre les évolutions en cours et de s’y adapter. Former dans un monde en accélération suppose ainsi de construire des dispositifs ouverts, évolutifs et connectés aux réalités économiques. C’est à cette condition que les formations pourront non seulement suivre les transformations en cours, mais aussi contribuer à les façonner.