Un master Recherche PSL à la croisée des sciences humaines, de l’informatique, de l’intelligence artificielle et des sciences des données. Délivré par l’ENC, l’ENS, l’EPHE et l’EHESS.
CandidaterLe master « Humanités numériques » est un master Recherche délivré par l’Université PSL. Il forme à l’exploitation et à l’analyse des données des sciences humaines, sociales et des disciplines des humanités. La formation s’adresse à des étudiants titulaires d’une licence ou d’un master qui souhaitent développer une double compétence thématique en humanités, dans la discipline de leur choix (histoire, philologie, lettres, sociologie, etc.), et en datascience (IA, ML, méthodes quantitatives et statistiques).
Le master est le fruit de la collaboration de l’École nationale des chartes – PSL, de l’École normale supérieure – PSL, et de l’École Pratique des Hautes Études – PSL. Il est affilié au programme gradué Translitteræ.
Si aucun pré-requis en mathématiques ou en programmation n’est demandé, la formation, très exigeante, s’adresse aux étudiants pouvant justifier d’un vrai attrait pour ces disciplines.
Corpus contemporains variés issus du web, des médias, des archives numériques. Modélisation, analyse de réseaux et apprentissage automatique appliqués aux données sociales.
Florian Cafiero
Vastes corpus littéraires explorés à l'aide du TAL et de la fouille de texte. Approche computationnelle des styles, thématiques et influences.
Jean Barré
Corpus historiques variés (presse, archives, sources institutionnelles). Outils numériques pour explorer, structurer et interpréter les données historiques.
Marie Puren
Textes médiévaux (manuscrits, chartes, chroniques). Philologie numérique, extraction de texte, encodage et analyse computationnelle.
Jean-Baptiste Camps
Corpus textuels médiévaux et romans. Édition numérique, comparaison automatique et modélisation des traditions textuelles.
Jean-Baptiste Camps
Corpus d'images patrimoniales et manuscrites. Vision par ordinateur, reconnaissance des écritures, analyse des formes visuelles.
Chahan Vidal-Gorène
Exploitation IA de modèles 3D (photogrammétrie), spatialisation et analyse de réseaux à partir de corpus variés
Carmen Brando
Un parcours personnalisé peut être conçu selon le profil de l'étudiant et son projet de recherche.
À voir avec le responsable pédagogique
La première année combine un tronc commun (40 ECTS) centré sur la programmation, les méthodes quantitatives et le machine learning, et un programme individualisé (20 ECTS) adapté à la discipline de chaque étudiant. Une semaine intensive d'accueil est organisée en septembre.
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Semaine intensive de présentation du master | fr/en | 20 | |
| Initiation aux humanités numériques | fr | 12 | 3 |
| Introduction aux mathématiques | fr | 20 | 3 |
| Fondamentaux de l'informatique | fr | 18 | 3 |
| Systèmes d'exploitation, algorithmique, Linux | |||
| Introduction au bash | |||
| Bonnes pratiques de développement, Git | |||
| Méthodes quantitatives en SHS | fr | 10 | 2 |
| Algorithmique et programmation — introduction à Python | fr | 20 | 4 |
| Méthodologie et mémoire | fr | 12 | 4 |
| Méthodologie de la recherche en SHS computationnelles | |||
| Outils pour la rédaction du mémoire | |||
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Structuration XML et XML/TEI | fr | 20 | 4 |
| Algorithmique et programmation — Python avancé | fr | 20 | 4 |
| Machine learning | en | 14 | 2 |
| Acquisition de données et annotation en DataScience | fr | 12 | 2 |
| LLM in practice and Computational Literary Studies | en | 20 | 3 |
| Méthodologie et mémoire | fr | 4 | 6 |
| Méthodes et dynamiques de recherche | 45 | 2 | |
| Journée d'étude des étudiants du master | |||
| Hackathon en science des données (semaine intensive) | |||
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Bloc thématique — 2 enseignements au choix | 12 | ||
| Bloc d'ouverture — 1 configuration au choix | 2 | ||
| 1 PSL week | |||
| ou 1 semestre langue + UE sport | |||
| ou 2 semestres langue | |||
| ou engagement étudiant | |||
| ou 1 enseignement thématique | |||
| Option technique — 1 au choix | 4 | ||
| Option technique de M2 | |||
| Langage SQL (master TNAH) | |||
| Langage R (EPHE / EHESS) | |||
La deuxième année prolonge le tronc commun de M1 et est validée pour un tiers par un mémoire de recherche co-dirigé. Le M2 est ouvert à l'apprentissage (jeudis et vendredis à l'École).
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Fondamentaux de mathématiques et Python pour DataScience | fr | 10 | 2 |
| Traitement automatique de l'image | fr | 10 | 2 |
| Approches quantitatives et modélisation mathématique en SHS | fr | 20 | 4 |
| Langue vivante (centre des langues PSL) | 10 | 1 | |
| Spécialisation SHS computationnelles — 1 au choix | 24 | 5 | |
| Philologie computationnelle (en) | |||
| Humanités numériques spatialisées (fr) | |||
| TAL et analyse sémantique (fr) | |||
| Stage de découverte en laboratoire (4 à 8 semaines) | 3 | ||
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Algorithmique et programmation — Python avancé | fr | 20 | 4 |
| Spécialisation SHS computationnelles — 1 au choix | 24 | 5 | |
| Traitement automatique de l'image (en) | |||
| Analyse de réseaux (en) | |||
| Paléographie computationnelle (en) | |||
| Méthodes et dynamiques de recherche | 45 | 2 | |
| Journée d'étude des étudiants du master | |||
| Hackathon en science des données (semaine intensive) | |||
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Bloc thématique — 2 enseignements au choix | 40 | 10 | |
| Bloc d'ouverture — 1 au choix | 20 | 2 | |
| Séminaire, cours, PSL week… | |||
| Audio processing and computer vision for 3D (en) | |||
| Enseignement | Langue | Heures | ECTS |
|---|---|---|---|
| Mémoire de recherche | 20 |
Prise en main des méthodes computationnelles, machine learning appliqué aux SHS, et maturation du projet de recherche.
Approfondissement de la spécialisation disciplinaire, stage en laboratoire et construction du corpus du mémoire.
Programmation avancée, IA et grands modèles de langue. Rédaction et soutenance du mini-mémoire de recherche.
Rédaction du mémoire de recherche mobilisant méthodes computationnelles et expertise disciplinaire.
Résolument tourné vers la recherche, ce master vise avant tout les étudiants souhaitant poursuivre en doctorat, mais ouvre aussi vers l'industrie IA et les métiers de la donnée.
Formation orientée vers la poursuite en doctorat dans les disciplines des SHS computationnelles.
Ingénierie de la donnée patrimoniale, traitement de corpus, développement d'outils pour la recherche en SHS, mise en place de chaînes de traitement.
Analyse de données textuelles et visuelles, modélisation, machine learning appliqué à des sources diverses.
Édition numérique, mise en place de chaînes de valorisation IA
Le M2 est ouvert à la formation en apprentissage, à raison d'un rythme 2 jours / 3 jours selon les semestres. L'intégralité du tronc commun en data science pour les SHS est à suivre par l'apprenti (y compris toutes les options de spécialisation HN).
Lundi–mardi en entreprise, mercredi–vendredi à l'École.
Lundi–mercredi en entreprise, jeudi–vendredi à l'École.
Le calendrier et les rendus peuvent être affinés au cas par cas selon le projet de recherche de l'étudiant et les besoins de l'entreprise ou de l'institution d'accueil.
Pour tout renseignement sur les tarifs et l'organisation, contacter le service de la formation continue de l'École des chartes – PSL.
Les étudiants en alternance peuvent être mobilisés sur les missions suivantes :
Traitement de corpus textuels
Fouille de texte, TAL, OCR/HTR, structuration et annotation de grandes collections documentaires.
Vision par ordinateur
Analyse d'images patrimoniales, détection d'objets, reconnaissance d'écritures manuscrites.
Data science & machine learning
Modélisation statistique, apprentissage automatique, réseaux de neurones appliqués à des corpus SHS.
Données spatiales & réseaux
SIG, analyse de réseaux, spatialisation de corpus historiques et sociaux.
Édition et structuration XML/TEI
Encodage de sources primaires, édition numérique critique, modélisation de données patrimoniales.
Ingénierie des données
Pipelines de traitement, bases de données, valorisation et exposition de données de recherche.
Cartadata est la junior-entreprise de l’École nationale des chartes – PSL. Elle permet aux étudiants du master Humanités numériques de mettre en application leurs compétences sur des missions concrètes — édition numérique, traitement de corpus, valorisation patrimoniale, conseil et études — pour des partenaires publics et privés.
Encadrée par les enseignants et opérée par les étudiants, Cartadata est un complément de formation professionnalisant et un sas vers les métiers de la donnée patrimoniale et de l’ingénierie documentaire.
Le master s'adresse aux titulaires d'une licence/CPES en Humanités (Histoire, Philologie, Sciences du langage, MIASHS, Philosophie, Anthropologie, Lettres-Info, etc.). Si aucun pré-requis en maths-info n'est exigé, une familiarisation et une vraie appétence est demandée (rythme soutenu du tronc commun numérique). La langue d'enseignement est le français (C1). Une entrée directe en M2 est possible pour les titulaires d'un M1 avec des bases solides en programmation et un projet de recherche déjà clair.
Issu de la convention entre l'ENC–PSL et l'Université de Pise, dont le master Informatica Umanistica recourt aux mêmes approches sur quatre parcours comparables.
Le master est partenaire de cette formation PSL. Informations et inscriptions spécifiques sur le site de PSL.
La formation est ouverte à la mobilité internationale. Contacter le service des relations internationales de l'ENC–PSL.
Les étudiants du master participent à compétitions internationales (ou shared tasks en TAL et vision par ordinateur, dans le cadre de la validation de cours ou d'intiatives personnelles, avec quelques succès.
