Le BUT Science des données (la « data science » du titre) t'apprend en trois ans à faire parler des données : les ranger dans une base, les analyser avec la statistique, puis présenter le résultat à celui qui doit décider. Exemple : à partir des ventes d'une enseigne, tu écris la requête qui extrait les chiffres, tu repères les tendances et tu livres un tableau de bord au directeur. À la sortie, tu peux viser un poste de data analyst ou de chargé d'études statistiques, ou candidater en master. Son ancien nom, STID (« statistique et informatique décisionnelle »), figure dans l'arrêté du 27 mai 2021.
Les quatre compétences du diplôme
Le BUT est organisé en compétences, des savoir-faire que tu prouves en situation : pas « j'ai suivi le cours de SQL », le langage des bases de données, mais « je sais sortir d'une base les chiffres qu'un client demande ».
Le programme national en fixe quatre. Le mot « décisionnel », qui revient partout, désigne ce qui aide une organisation à décider, comme un tableau de bord qui suit les ventes.
| Compétence (intitulé officiel) | Concrètement, tu sais |
|---|---|
| Traiter des données à des fins décisionnelles | gérer une base de données et traduire une demande en programme clair et documenté |
| Analyser statistiquement les données | dégager les grandes tendances et tenir compte de la variabilité d'un échantillon |
| Valoriser une production dans un contexte professionnel | expliquer tes résultats à un non-spécialiste, en français comme en anglais |
| Développer un outil décisionnel (parcours VCOD) ou Modéliser les données dans un cadre statistique (parcours EMS) | construire un outil de visualisation, ou choisir un modèle statistique et contrôler sa qualité |
Définition : une SAÉ (situation d'apprentissage et d'évaluation) est une mise en situation proche du métier, comme un projet ou un stage, où tu montres que tu maîtrises une compétence. Les cours qui t'en donnent les outils s'appellent les ressources.
Exemple : la SAÉ 1.01 s'intitule « Reporting à partir de données stockées dans un SGBD relationnel ». Un SGBD est un logiciel de gestion de bases de données, et le reporting consiste à produire les tableaux qui suivent une activité. On te remet une base et un cahier des charges ; tu écris les requêtes et tu livres les tableaux de bord demandés, code documenté.
Sur les trois ans, tu tiens aussi un portfolio, où tu rassembles les preuves de ce que tu sais faire. À chaque semestre, le projet personnel et professionnel (PPP) t'aide à choisir ton parcours puis ton métier.
Année par année, et les deux parcours
La première année est commune et travaille les trois premières compétences. Au premier semestre, les ressources portent notamment sur le tableur, les bases de données, la programmation, la statistique descriptive, les probabilités et l'analyse mathématique.
Le second semestre ajoute la régression, la datavisualisation (mettre les données en graphiques) et la statistique inférentielle, qui tire des conclusions sur une population entière à partir d'un échantillon. En programmation statistique, le programme cite les logiciels R et SAS.
Piège classique : venir pour l'intelligence artificielle et tomber sur un premier semestre de tableur, de SQL et de statistique descriptive. C'est pourtant la base : comme le dit le programme, une analyse correcte ne peut venir que de données propres et préparées. La ressource « Apprentissage statistique pour l'IA » n'arrive qu'au semestre 6, dans le parcours EMS.
Les deux parcours démarrent au semestre 3, avec la quatrième compétence. Visualisation, conception d'outils décisionnels (VCOD) couvre la chaîne qui mène des données sources au tableau de bord, avec davantage de programmation, notamment pour le web. Exploration et modélisation statistique (EMS) mise sur le recueil des données par enquête et sondage, puis sur le choix du modèle statistique.
Le tronc commun continue à côté. En deuxième année viennent notamment les tests d'hypothèses (trancher entre deux affirmations au vu d'un échantillon) et les entrepôts de données, de grandes bases qui centralisent les données d'une entreprise. La troisième année ajoute le data mining, ou fouille de données, et le big data, des volumes trop gros pour les outils classiques.
Stages, projets et alternance
Sur les trois ans, le programme prévoit 1 800 heures d'enseignement et 600 heures de projet, dans lesquelles puisent les SAÉ. Environ un tiers des heures est fixé par chaque IUT : d'un établissement à l'autre, une partie du contenu change. Lis le programme local avant de candidater.
Les stages totalisent 22 à 26 semaines : 8 à 12 au semestre 4, 12 à 16 au semestre 6, et un premier stage de 4 semaines au plus est possible dès le semestre 2. Celui du semestre 4 doit déjà te confier une « mission d'envergure » en lien avec le diplôme.
Le BUT se prépare aussi en alternance, entre l'IUT et une entreprise qui t'emploie. Les compétences visées ne changent pas ; seul le volume d'heures, cours et projets compris, baisse de 20 % chaque année. Demande à chaque IUT à partir de quelle année il la propose.
Après le BUT : emploi ou master
Le BUT vaut 180 crédits européens et confère le grade de licence. Les 120 premiers crédits correspondent au DUT (diplôme universitaire de technologie), que l'université délivre en cours de route : utile si tu t'arrêtes après deux ans.
Pour travailler, le programme cite, dans une liste qu'il dit non exhaustive, des métiers comme data analyst, développeur décisionnel ou chargé d'analyse et de reporting pour VCOD, et chargé d'études statistiques, statisticien ou data scientist pour EMS.
Pour continuer, le grade de licence te permet de candidater en master. Mais l'arrêté du 6 décembre 2019, qui encadre le BUT, précise que cette poursuite « n'est pas de droit » : aucune place ne t'est réservée, et le diplôme a pour objectif l'insertion professionnelle.
Exercices corrigés de première année
Trois exercices du premier semestre, du plus direct au niveau d'un contrôle. Cherche avant d'ouvrir la correction.
Piège classique : prendre la moyenne pour la valeur « typique ». Une seule valeur extrême suffit à la tirer loin des autres, alors que la médiane, qui coupe la série rangée en deux moitiés, ne bouge pas si la plus grande valeur grossit encore.
Exercice 1 : Sept étudiants notent leur temps de trajet jusqu'à l'IUT, en minutes (données fictives) : 12, 15, 18, 20, 22, 25 et 98. Calcule la moyenne et la médiane de cette série, puis dis laquelle décrit le mieux le trajet d'un étudiant typique.
Correction :
Moyenne : $\bar{x} = \dfrac{12 + 15 + 18 + 20 + 22 + 25 + 98}{7} = \dfrac{210}{7} = 30$ minutes.
Médiane : la série est déjà rangée et compte 7 valeurs, donc la médiane est la 4e, soit 20 minutes.
Six étudiants sur sept mettent moins de 30 minutes : la moyenne est tirée vers le haut par le seul trajet de 98 minutes. Pour l'étudiant typique, c'est la médiane, 20 minutes. La moyenne garde son sens pour un total : $7 \times 30 = 210$ minutes de trajet pour le groupe.
Exercice 2 : La table ventes contient cinq lignes (données fictives), de la forme (id, magasin, montant en euros) : (1, Lille, 120), (2, Douai, 80), (3, Lille, 45), (4, Arras, 150) et (5, Douai, 60). Écris une requête SQL qui affiche le montant total des ventes de chaque magasin, du plus grand total au plus petit, puis donne le résultat.
Correction :
GROUP BY regroupe les lignes d'un même magasin, SUM additionne leurs montants et ORDER BY suivi de DESC trie dans l'ordre décroissant.
SELECT magasin, SUM(montant) AS total
FROM ventes
GROUP BY magasin
ORDER BY total DESC;Lille : $120 + 45 = 165$ ; Douai : $80 + 60 = 140$ ; Arras : $150$. La requête renvoie Lille (165 €), Arras (150 €), puis Douai (140 €).
Exercice 3 : Dans une enquête de satisfaction, chaque client interrogé est satisfait avec la probabilité $0{,}6$, indépendamment des autres (données fictives). On interroge 3 clients. Calcule la probabilité qu'exactement 2 soient satisfaits, puis celle qu'au moins 1 le soit.
Correction :
Chaque client est satisfait ou non, indépendamment des autres, avec la même probabilité $0{,}6$ : le nombre $X$ de satisfaits suit la loi binomiale $\mathcal{B}(3\,;\,0{,}6)$.
Exactement 2 satisfaits : le client non satisfait est le 1er, le 2e ou le 3e, soit $\dbinom{3}{2} = 3$ cas, chacun de probabilité $0{,}6^2 \times 0{,}4$. Donc $P(X = 2) = 3 \times 0{,}36 \times 0{,}4 = 0{,}432$.
Au moins 1 satisfait : on passe par l'événement contraire, « aucun satisfait ». $P(X \geqslant 1) = 1 - P(X = 0) = 1 - 0{,}4^3 = 1 - 0{,}064 = 0{,}936$.
À retenir
À retenir :
- Trois ans, 180 crédits européens et le grade de licence ; le DUT correspond aux 120 premiers crédits.
- Quatre compétences : traiter, analyser, valoriser, puis développer (VCOD) ou modéliser (EMS).
- Première année commune, parcours à partir du semestre 3.
- Les SAÉ évaluent les compétences en situation ; les stages totalisent 22 à 26 semaines.
- Ensuite, un emploi (data analyst, chargé d'études statistiques) ou un master, sans place garantie.
Sources
- Programme national du BUT Science des données (annexe 23, 2022, mis à jour en 2023), ministère de l'Enseignement supérieur : texte en PDF.
- Arrêté du 6 décembre 2019 portant réforme de la licence professionnelle, articles 1, 2 et 17 : Légifrance.
- Arrêté du 27 mai 2021 relatif aux programmes nationaux du BUT (ancien intitulé de la spécialité) : Légifrance.