Bachelor of Sciences in Artificial Intelligence (IBSAI)

English version for International Students

Bachelor International

LOGO_PSL

Établissement opérateur

Type de formation: Formation initiale

Lieu de la formation: Paris 5

Niveau de diplôme: Bachelor

Disciplines: Économie, Mathématique, Programmation

27h par semaine

Langue d’enseignement: Anglais

Critères et procédure d’admission

Prérequis

Conditions d’éligibilité :

  • Baccalauréat général de l’enseignement secondaire français, obtenu en France ou à l’étranger, ou diplôme étranger à équivalence reconnue, avec des résultats académiques solides dans l’ensemble des matières.
  • Avoir suivi des cours de mathématiques avancés et au moins un cours de sciences avancé (physique, informatique, biologie, etc.).
  • Maîtriser l’anglais au niveau C1 selon le Cadre Européen Commun de Référence pour les Langues (CECRL).

Attendus

Les candidats au Bachelor IBSAI doivent :

  • Manifester une forte curiosité intellectuelle pour les sciences, les technologies et leurs applications interdisciplinaires.
  • Démontrer des compétences solides en mathématiques et dans une discipline scientifique avancée (analyse, modélisation, résolution de problèmes).
  • Posséder des aptitudes à mener des raisonnements rigoureux, ainsi qu’une capacité d’organisation et de travail approfondi.
  • Disposer d’un excellent niveau d’expression écrite et orale en anglais (C1 minimum).

Procédure de candidature

Sur dossier.

  • Les admissions se déroulent sur Parcoursup (selon le calendrier national) ou via la plateforme Etudes en France pour les candidats concernés, conformément à la règlementation en vigueur pour une première inscription en première année de licence en France.
  • Les dossiers sont examinés sur la base des critères académiques, des compétences linguistiques et de la motivation des candidats.

Pièces exigées dans le dossier de candidature :

  • Pour les candidats en terminale :
    – Bulletins de première et terminale (trimestres disponibles pour les futurs bacheliers 2025)
    – Résultats des épreuves anticipées du Baccalauréat (français).
    – Lettre de motivation expliquant l’intérêt pour le Bachelor IBSAI.
    – Fiche Avenir
  • Pour les candidats déjà titulaires du baccalauréat joindre en complément :
    – Bulletin de troisième trimestre de terminale
    – Relevé de notes du baccalauréat
    – Relevés de notes de l’enseignement supérieur (le cas échéant).
  • Pour les candidats internationaux (en terminale ou dans l’enseignement supérieur) joindre en complément :
    – Traduction certifiée des relevés de notes
    – Justificatif du niveau d’anglais (TOEFL, IELTS ou équivalent).

Critères généraux d’examen des voeux (CGEV)

Les dossiers seront évalués sur les éléments suivants :

  • Résultats académiques :
    – Niveau en mathématiques et dans une discipline scientifique avancée.
    – Progression des résultats au cours des dernières années.
  • Compétences et savoir-faire :
    – Capacité à analyser, modéliser et résoudre des problèmes complexes.
    – Autonomie, organisation et méthodes de travail.
  • Savoir-être et motivation :
    – Curiosité pour les thématiques de l’intelligence artificielle et des sciences
    interdisciplinaires.
    – Adéquation entre le projet exprimé et les objectifs de la formation.
    – Qualité de l’expression écrite et orale en anglais.

Organisation et composition de la commission de recrutement

  • La commission de recrutement est présidée par le directeur ou la directrice du Bachelor IBSAI, accompagnée des responsables pédagogiques du programme.
  • Elle comprend des enseignants-chercheurs et des professionnels issus des disciplines couvertes par le Bachelor.

1ère année de Bachelor AI

Fall semester

Course TypeCourse TitleSyllabus Overview
Transverse Courses1) Languages

2) A Healthy Mind in a Healthy Body
3) Principles of  Economics 1		1) French (Beginner to Advanced based on placement test). Focus on communication skills, grammar, and cultural integration.
2) Physical education and mental health strategies. Emphasis on balancing academic pressures with physical fitness and mindfulness.
3) Core project: https://www.core-econ.org
AI-focused CoursesIntroduction to AIOverview of AI fundamentals: history, applications, ethical implications. Topics include machine learning, neural networks, and automation.
Foundations of AI1) Math in Practice: Calculus
2) Math in Practice: Mathematical Reasoning & Writing
3) Algebra 1
4) Analysis 1
5) The Art of Computer Programming 1
6) Climate fresk
7) Introduction to Statistics		1) Introduction to calculus with applications in AI. Topics include limits, differentiation, and integration techniques.
2) Formal reasoning and proofs, mathematical writing skills, and logical deduction.
3) Linear algebra foundations: vector spaces, linear transformations, matrices, and systems of equations with AI applications.
4) Real analysis: sequences, limits, continuity, derivatives, and their applications in AI algorithms.
5) Introduction to computer programming with a focus on algorithms, data structures, and object-oriented programming using Python or C++.
7) Fundamental concepts in probability and statistics, including probability distributions, hypothesis testing, and statistical inference.

Spring semester

Course TypeCourse TitleSyllabus Overview
Transverse Courses1) Principles of Economics 2
2) Law and Tech
3) Meet the AI Innovators
4) Languages		1) Core project
2) Overview of legal frameworks surrounding AI and digital technologies. Topics include IP law, data privacy, and regulatory challenges.

4) Continuation of language studies with a focus on technical and academic vocabulary for AI students.
AI-Focused Courses1) Machine Learning 101
2) ML Project		1) Continuation of language studies with a focus on technical and academic vocabulary for AI students.
2) Hands-on project applying machine learning techniques to a real-world problem. Includes data analysis, model building, and evaluation.
Foundations of AI1) Analysis 2
2) Algebra 2
3) Introduction to Probability
4) Database Management
5) The Art of Computer 6) Programming 2		1) Further study of real analysis, including complex functions, integration, and series. Applications in AI and optimization.
2) Continuation of Algebra 1 with advanced topics: eigenvalues, eigenvectors, and spectral theory in AI.
3) Core probability theory, including discrete and continuous distributions, expected values, and Markov chains. Applications in AI.
4) Principles of database design, SQL, and database management systems (DBMS) with a focus on data for AI applications.
5) Advanced programming concepts, parallel computing, and algorithmic efficiency in AI.