Everything, everywhere, all at once

MVA Blog 0 - Le début

Le Master MVA (Mathématiques, Vision, Apprentissage) est un programme de recherche en mathématiques appliquées créé en 1996. À l’époque, le Deep Learning n’existait pas encore sous sa forme actuelle, et le master était surtout centré sur les mathématiques appliquées à différents domaines. Aujourd’hui, avec l’explosion de l’IA, le MVA est devenu très populaire, mais il conserve une solide base traditionnelle : tous les cours ne sont pas centrés sur le Deep Learning, et beaucoup restent des cours fondamentaux de maths et statistiques appliquées.

Un point crucial : le MVA est un master de recherche. Le stage de fin d’études doit obligatoirement être un stage de recherche, ce qui distingue ce master de nombreux autres programmes plus orientés professionnalisation. Depuis l’année dernière (2024), ils n’acceptent plus les stages en quant trading et quant research :(

Mon expérience personnelle vient d’une intégration en double diplôme avec CentraleSupélec, ce qui peut différer de celle des étudiants venant uniquement pour le M2 ou d’autres écoles d’ingénieurs.

Pourquoi ce master

Le MVA est un master d’IA no bullshit. Les cours sont dispensés par des chercheurs très compétents, parfois même experts mondiaux dans leur domaine. Certains cours peuvent sembler “perchés”, car ils reflètent les intérêts des chercheurs. Il n’y a pas que du Deep Learning (cf. l’intro) et il y a aussi des cours très théoriques.

En ce qui me concerne, le MVA en double diplôme avec Centrale permet de creuser beaucoup plus les cours de 3A tout en ajoutant une formation prestigieuse sur mon CV. Il faut prendre en compte que le marché des Data Scientists est très saturé et qu’il n’est pas si facile de se distinguer.

Le parcours et les cours

Le MVA propose environ 60 cours et les étudiants doivent en choisir 8 (6 pour mon cas en double diplôme). Je parlerai du choix des cours dans un prochain article.
Il existe aussi des parcours spécifiques, comme le parcours santé ou parcours industrie, mais étant peu intéressé par ces parcours je n’ai pas cherché plus d’informations.

Comment postuler au MVA ?

Les conseils dans cette partie concernent surtout les centraliens (d'où les acronymes aussi). Les idées générales peuvent cependant être utiles à tout le monde.

Profil idéal

Pour les étudiants venant de CentraleSupélec, il est préférable d’être inscrit en SDI. Chaque année, quelques étudiants d’autres parcours (MMF, IA, etc.) intègrent aussi le programme, mais ils restent minoritaires. En SDI, nous sommes généralement une vingtaine à rejoindre le MVA.

Le processus de candidature est relativement simple :

Il faudra candidater sur le site de l’Université Paris-Saclay et renseigner pas mal d’informations. C’est un peu fastidieux, mais rien d’insurmontable.
Le MVA demande également une attestation du niveau d’anglais. Vous pouvez soit fournir un TOEIC ou TOEFL, soit demander à votre professeur de langues de rédiger une attestation, soit faire une déclaration sur l’honneur que vous maîtrisez l’anglais (avec éventuellement quelques arguments comme “stage en anglais”). Ne stressez pas trop pour l’anglais : c’est surtout une formalité.

Conseils pour maximiser ses chances

D’après mon expérience, plusieurs facteurs peuvent vraiment aider à intégrer le MVA (toujours venant de CS) :

Bien sûr, rien de tout cela n’est strictement obligatoire, mais ces éléments montrent votre compétence, votre sérieux et votre intérêt réel pour le domaine. La césure, idéalement dans l’IA ou la recherche, est quasi indispensable pour renforcer votre candidature.

Remarques finales

Intégrer le MVA est exigeant mais accessible, surtout pour un étudiant venant d’une école d’ingénieur avec un parcours orienté maths, stats et IA. Je vais essayer de partager sur ce blog mon expérience du master : les cours que je choisirai, la charge de travail, et la recherche de stage. J’espère que ce blog vous aidera à vous projeter si vous envisagez de faire le MVA et vous donnera envie de faire de l'IA au-delà d'un model.fit !

#mva