Neurosciences Computationnelles et Intelligence Artificielle
Responsables de parcours : Jonathan Vacher (Université Paris Cité) et Benoît Girard (CNRS / Sorbonne Université)
Capacité d’accueil: 15
Fonctionnement général
Les étudiantes et étudiants du master doivent s’inscrire à un parcours. Ces parcours permettent de garantir l’acquisition d’une réelle expertise des concepts, méthodes et techniques propres à une discipline, et une meilleure lisibilité des compétences associées au diplôme. Un tronc commun et des cours d’ouverture aux autres parcours permettent de créer une culture commune dès le M1. Au M2, la plupart des cours sont entièrement interdisciplinaires et ouverts à tous les parcours. Nous souhaitons ainsi former des cognitivistes qui possèdent à la fois une solide expertise disciplinaire et une large culture interdisciplinaire, les deux clés d’une collaboration fructueuse entre disciplines.
Spécifique à ce parcours
Formation
Le parcours Neurosciences Computationnelles et Intelligence Artificielle (NCIA) propose une formation complète et interdisciplinaire à l’interface des sciences cognitives, des neurosciences computationnelles et de l’intelligence artificielle. En associant des approches théoriques rigoureuses et des outils numériques avancés, ce programme vise à former des experts capables de modéliser et d’analyser les mécanismes naturels et artificiels de la cognition.
Pré-requis
Ce parcours s’adresse à des étudiants ayant une double compétence ou un fort intérêt pour des disciplines complémentaires. Les profils idéaux incluent :
– Des étudiants en mathématiques ou informatique, avec un intérêt pour les neurosciences, la psychologie ou la biologie.
– Ou inversement, des étudiants en neurosciences, psychologie ou biologie disposant d’une formation aux outils mathématiques et informatiques.
Débouchés
Les diplômés du parcours Neurosciences Computationnelles et IA auront accès à une large gamme de carrières dans les secteurs suivants :
– Recherche académique et appliquée (neurosciences computationnelles, IA, cognition).
– Industrie du numérique (IA, traitement de données, santé numérique).
– Expertise en éthique des technologies et des données.
Mots Clés : Neurosciences computationnelles, Intelligence artificielle, Apprentissage automatique, Sciences cognitives, Modélisation bayésienne, Réseaux de neurones, Neuroimagerie, Analyse de données, Éthique des sciences et technologies
M1 – Semestre 1
Tronc commun du master
CORE-4 Ethics in cognitive sciences (3 ECTS), Katie Evans, Anouk Barberousse, Raja Chatila
Master options: 3 à 6 ECTS parmi ces cours
CORE-1 Experimental approach (3 ECTS), Christophe Pallier
CORE-2 Data camp (3 ECTS), Christophe Pallier, Mehdi Khamassi
PROG-101Introduction to programming (3 ECTS), Sylvain Charron
Tronc commun du parcours
NEURO-101 Introduction to Cognitive Neurocience (3 ECTS), Chloé Berland, Pierre Bourdillon
NEURO-301 Basic methods in Neuroimaging (3 ECTS), Laura Dugué
PSYCH-101 Introduction to Cognitive Psychology (3 ECTS), Thérèse Collins
NCIA-101 Introduction to Computational Neuroscience and AI (3 ECTS), Mehdi Khamassi, Benoît Girard
NCIA-201 Bayesian Modeling of brain and behavior (3 ECTS), Jonathan Vacher, Jean Daunizeau
NCIA-202 Adaptive collective systems (3 ECTS), Nicolas Bredèche, Aurélie Beynier, Nicolas Maudet
Options : 3 à 6 ECTS parmi ces cours
INT-101 Internship (1 jour/semaine) (6 ECTS)
NEURO-302 Advanced methods in Neuroimaging (3 ECTS), Laura Dugué
PHILO-101 Scientific reasoning (6 ECTS), Anouk Barberousse
LING-101 Introduction au Traitement Automatique des Langues (in French) (3 ECTS), Guillaume Wisniewski
LING-301 Machine Learning for Natural Language Processing: the fundamentals (6 ECTS), Marie Candito
NEURO-201 Neuropsychology as a central paradigm in cognitive science (3 ECTS), Lucie Rose, Paolo Bartolomeo, Laurent Cohen
NEURO-SU-1 Fundamentals in Neuroscience (3 ECTS), Régis Lambert, Stéphanie Daumas
INFO-SU-1 Logique et représentation des connaissances (in French) (6 ECTS), Nicolas Maudet, Gauvain Bourgne
EXT-101 (external course) (6 ECTS)
EXT-102 (external course) (3 ECTS)
M1 – Semestre 2
Tronc commun du master
CORE-3 Literature (Meta-)review (3 ECTS), Jonathan Vacher
Master options: 3 à 6 ECTS parmi ces cours
CORE-1 Experimental approach (3 ECTS), Sylvain Charron
CORE-2 Data camp (3 ECTS), Christophe Pallier, Mehdi Khamassi
PROG-202Human experimental workshop (3 ECTS), Mark Wexler
Tronc commun du parcours
NCIA-203 Computational Neuroscience (3 ECTS), Bruno Delord
NCIA-204 Reinforcement learning applied to Cognitive Science (3 ECTS), Mehdi Khamassi, Benoît Girard
INFO-SU-2 Machine Learning (1st half) (lectures in French, slides and practical labs in English) (3 ECTS), Nicolas Baskiotis
Options : 12 à 15 ECTS parmi ces cours
INT-201 Internship (1 jour/semaine) (mandatory if not taken during S1) (6 ECTS)
PROG-201 Data Camp (3 ECTS)
NCIA-205Hacking Cognition (3 ECTS), Laura Dugué
NCIA-206 Model-based neuroimaging (3 ECTS), Laura Dugué
NEURO-202 Advanced Cognitive Neuroscience (3 ECTS), Louise Kirsch
LING-208 Theory and practice of large language models (6 ECTS), Guillaume Wisniewski open in 2026
SOC-301 Applying methods cognitive sciences (3 ECTS), Thérèse Collins open in 2026
INFO-SU-3 Machine Learning (2nd half) (lectures in French, slides and practical labs in English) (3 ECTS), Nicolas Baskiotis
INFO-SU-4 Interfaces Humain-Machine (lectures in French, slides in English) (6 ECTS), Gilles Bailly, Baptiste Caramiaux
INFO-SU-5 Intelligence Artificielle et Manipulation Symbolique de l’Information (in French) (6 ECTS), Christophe Marsala, Gauvain Bourgne
INFO-SU-6 Apprentissage pour la Robotique (6 ECTS), Olivier Sigaud, Nicolas Bredèche, Stéphane Doncieux
MBIO-SU-1 Modèles mathématiques en neurosciences (in French) (6 ECTS), Michèle Thieullen, Delphine Salort
M2 – Semestre 3
Tronc commun du master
INT-301 Internship preparation (1 jour/semaine) (6 ECTS)
Options : 18 ECTS parmi ces cours
COG-405 (Computational psychiatry 6 ECTS), Fabien Vinckier, Philippe Domenech, Renaud Jardri
NCIA-207 Advanced bayesian modeling and model comparison (6 ECTS), Jonathan Vacher, Jean Daunizeau
NCIA-208 Integrative modeling of living organisms (3 ECTS), Romain Brette
NCIA-209 Advanced Reinforcement learning applied to Cognitive Science (3 ECTS), Mehdi Khamassi, Benoît Girard, Olivier Sigaud
NCIA-210 Human-AI Interactions (6 ECTS), Gilles Bailly, Baptiste Caramiaux
NCIA-211 Advanced Computational Neuroscience (3 ECTS), Bruno Delord
CORE-4 Ethics in Cognitive Sciences (only for direct entrance to M2) (3 ECTS), Katie Evans, Anouk Barberousse, Raja Chatila
IPS-SU-1 Human experimentation and statistics (only for direct entrance to M2) (3 ECTS), Stéphane Genet, Emmanuel Guigon
MVA-1 Algorithms for speech and natural language processing (6 ECTS), Emmanuel Dupoux
Closed-loop neuroscience (3 ECTS), Valérie Ego-Stengel
CNN-Saclay-2 Dynamical system and computational neuroscience (3 ECTS), Antoine Chaillet
Options : 6 ECTS parmi ces cours
COG-401 Attention (6 ECTS), Laura Dugué
COG-402Decision (6 ECTS), Mathias Pessiglione
LING-218 Computational language modeling and cognition (6 ECTS), Benoît Crabbé
MMA-UPC-1 Machine learning and optimization (6 ECTS), Jonathan Vacher
MMA-UPC-2 Generative modeling of images (6 ECTS), Jonathan Vacher
INFO-SU-7 Advanced machine learning (6 ECTS), Patrick Gallinari
INFO-SU-8 Reinforcement learning (RL) (6 ECTS), Olivier Sigaud, Benjamin Piwowarski
INFO-SU-9 Reconnaissance des formes et IA (in French) (6 ECTS), Matthieu Cord
INFO-SU-10 Explainable AI (6 ECTS), Marie-Jeanne Lesot
INFO-SU-11 IA pour la robotique et les sciences cognitives (lectures in French, slides in English) (6 ECTS), Nicolas Bredèche
MBIO-SU-1 Modèles probabilistes en neurosciences (in French) (6 ECTS), Michèle Thieullen
MBIO-SU-2 Fonctionnement des réseaux de neurones : analyse mathématique (in French) (6 ECTS), Delphine Salort
iMOV-SU-1 Vision from retina to primary visual cortex (6 ECTS), Gaël Orieux, Grégory Gauvain
iMOV-SU-2 Physiology of perception (6 ECTS), Olivier Marre, Grégory Gauvain
MSR-SU-1 Motor control (3 ECTS), Emmanuel Guigon, Malika Auvray
MSR-SU-2 Social robotics (6 ECTS), Mohamed Chetouani
M2A-SU-2 Introduction à l’apprentissage automatique (in French) (3 ECTS), Maxime Sangnier
M2A-SU-3 Méthodes du premier ordre pour l’optimisation non convexe et non lisse (in French) (3 ECTS), Pauline Tan
M2A-SU-4 Optimisation stochastique & généralisation pour le ML (in French) (3 ECTS), Claire Boyer
M2 – Semestre 4
Tronc commun du master
INT-401 Internship (temps plein) (30 ECTS)