Economie Parcours : modélisation et numérique, Université de Montpellier

En terminale, tu as appris à commenter une courbe. Ici, tu apprends à la construire et à la tester, puis à dire ce qu'elle ne prouve pas. Pour le chômage par exemple : quelles données, quel modèle, et quelles limites.

• Microéconomie
• Macroéconomie
• Mathématiques
• Statistiques
• Probabilités
• Python
• Économétrie
• Anglais économique

Concrètement, modélisation veut dire mettre une intuition économique en équations, puis vérifier si les données suivent. Numérique veut dire le faire avec un ordinateur : nettoyer un fichier, faire un graphique propre, estimer un effet, présenter un résultat.

• Tu refais les gammes en maths : fonctions, optimisation, matrices, suites, tout ce qui sert à l'économie.
• Tu apprends les statistiques qui évitent les contresens : moyenne, dispersion, corrélation, causalité.
• Tu codes en Python sur des données économiques réelles.
• Tu lis l'actualité économique avec des outils : inflation, inégalités, climat, emploi, concurrence.

Attends-toi à beaucoup de projets courts : explorer un jeu de données ou calibrer un modèle simple, puis défendre ton graphique à l'oral. C'est là que le côté lycée aide : on te montre comment présenter proprement un raisonnement chiffré.

L'anglais compte plus qu'on croit. Les manuels, les données et les articles de référence sont souvent en anglais. Travailler dessus dès la première année te met à l'aise pour la suite.

Ce parcours est fait pour toi si tu aimes les deux côtés : comprendre la société et manier les chiffres. Si tu as choisi l'économie par goût du débat mais que les maths te rebutent, tu vas souffrir. Si tu adores les maths mais que les questions sociales t'ennuient, tu vas t'ennuyer.

• Tu as un bon niveau en maths en première et terminale et tu aimes chercher.
• Tu lis l'actualité économique par curiosité, au-delà du bac.
• L'idée d'apprendre à coder te motive.
• Tu préfères une petite promo exigeante à un grand amphi anonyme.
• Tu acceptes un travail régulier, avec des rendus fréquents et des oraux.

Les profils les plus à l'aise viennent souvent d'une terminale générale avec des maths solides et un goût pour l'économie, SES ou histoire-géographie. Un dossier avec des résultats réguliers, des appréciations qui parlent de travail et de rigueur, et un vrai projet compte beaucoup dans une formation sélective.

Pose-toi trois questions franches avant de candidater :

1. Est-ce que je suis prêt à faire des maths chaque semaine pendant trois ans ?
2. Est-ce que j'ai envie de passer des heures sur des données et du code pour prouver une idée ?
3. Est-ce que je veux poursuivre en master, puisque c'est la sortie naturelle du parcours ?

Si tu réponds oui trois fois, le CPES a du sens. Si tu veux entrer vite sur le marché du travail après deux ans, ou si tu cherches une économie surtout littéraire, vise une autre voie.

Le CPES ne te prépare pas à un métier précis en trois ans. Il te rend sélectif pour la suite : des masters où l'on attend des étudiants capables de manier à la fois la théorie économique et les outils quantitatifs.

• Masters d'économie et d'économétrie, analyse des politiques publiques, économie de l'environnement ou de la santé.
• Masters data et décision appliqués à l'économie, à la finance ou au marketing quantitatif.
• Masters de statistique publique, d'études et de conseil, dans les administrations et les entreprises.
• Écoles et concours accessibles après une licence solide, pour les profils qui veulent bifurquer.

Ton atout à la sortie, c'est le dossier complet : des notes en économie, des preuves en maths et stats, des projets de code à montrer, et une habitude de l'oral. Dans un master quantitatif, les responsables cherchent exactement ce mélange.

Pour choisir ton master dès la deuxième année, regarde trois choses : la part de maths et d'économétrie, la place du projet et du stage, et les logiciels demandés. Garde tes meilleurs projets Python et tes rapports : ils parlent mieux que tes notes.

Et si tu changes d'avis en route, les bases restent utiles : raisonner avec des ordres de grandeur, lire un tableau de données sans te faire piéger, écrire un argument chiffré. C'est ce que les recruteurs appellent l'esprit quantitatif.