EIOM 2026 | Modéliser pour comprendre et prédire
  • Accueil
  • Parcours
  • Jour 1
    • Vue d’ensemble
    • Présentation
    • Tutoriel
    • Missions
  • Jour 2
    • Vue d’ensemble
    • Présentation
    • Tutoriel
    • Missions
  • Jour 3
    • Vue d’ensemble
    • Présentation
    • Tutoriel
    • Missions
  • Projet final
  • Supports PDF
  • Diagnostic
  • Préparation

EIOM 2026 | Science des données

Modéliser pour comprendre et prédire

Trois matinées actives pour construire, diagnostiquer et comparer des modèles en R, à partir de jeux de données accessibles et documentés.

26 au 28 août 2026 Régression linéaire Régression logistique Apprentissage automatique

Votre mission

À la fin des trois matinées, vous pourrez transformer une question de recherche en une stratégie de modélisation reproductible, choisir une mesure de performance adaptée et défendre un modèle sans confondre association, prédiction et causalité.

Un modèle utile n’est pas seulement celui qui prédit bien. Il doit répondre à la bonne question, être évalué sur des données appropriées et rester défendable dans son contexte.

À qui s’adresse le parcours?

L’EIOM accueille des personnes étudiantes aux cycles supérieurs, des stagiaires postdoctoraux, des professionnelles et professionnels de recherche ainsi que des personnes issues de plusieurs disciplines. Le parcours suppose une connaissance de base de R, sans exiger une programmation avancée (École interdisciplinaire outils et méthodes, 2026; École interdisciplinaire outils et méthodes, 2026).

Chaque matinée propose donc un trajet essentiel et des prolongements pour les personnes plus expérimentées. Les exemples ont été choisis pour que la question scientifique reste accessible sans expertise préalable du domaine étudié.

Trois matinées, une progression

MercrediComprendre une relationRégression linéaire multiple, interprétation, incertitude et diagnostics. JeudiPasser d’une probabilité à une décisionRégression logistique, seuils, discrimination, calibration et coûts d’erreur. VendrediComparer sans se raconter d’histoireArbres, forêts aléatoires, validation temporelle et choix responsable d’un modèle.

Commencer ici

Diagnostic de départNeuf questions, sans collecte de données, pour cibler votre préparation. Préparer votre posteR, RStudio, paquets, données et test de fonctionnement. Voir le parcoursObjectifs, rythme, activités et productions attendues.

Données et posture

Nous travaillerons avec les ventes immobilières d’Ames, les données de passagers du Titanic et les demandes de services citoyennes 311 de Montréal (D. De Cock, 2011; P. Hendricks, 2015; Ville de Montréal, 2026). Les modèles seront présentés comme des outils descriptifs ou prédictifs. Ils ne suffisent pas, à eux seuls, à établir une relation causale.

La sixième édition de l’EIOM se déroule en présence à l’Université Laval du 24 au 28 août 2026. Le parcours officiel vise un niveau intermédiaire à avancé et repose sur R (École interdisciplinaire outils et méthodes, 2026).

Les références

D. De Cock. (2011). Ames, Iowa: Alternative to the Boston Housing Data as an End of Semester Regression Project. Journal of Statistics Education. https://doi.org/10.1080/10691898.2011.11889627.
École interdisciplinaire outils et méthodes. (2026). Programme de l’École interdisciplinaire outils et méthodes 2026. https://eiom.ca/programme/.
École interdisciplinaire outils et méthodes. (2026). Foire aux questions de l’École interdisciplinaire outils et méthodes. https://eiom.ca/faq/.
P. Hendricks. (2015). titanic: Titanic Passenger Survival Data Set. https://CRAN.R-project.org/package=titanic.
Ville de Montréal. (2026). Demandes de services citoyennes (Requêtes 311). https://www.donneesquebec.ca/recherche/dataset/vmtl-requete-311.

Aurélien Nicosia | Université Laval

 
  • Voir la source
  • Faire part d'un problème

EIOM 2026 | 26 au 28 août 2026