Programme d’informatique

Filière BCPST
Première et deuxième années

6 décembre 2020

1
Table des matières
1 Programme du semestre 1 5

2 Programme du semestre 2 6
2.1 Méthodes de programmation et dictionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Bases de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Graphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Programme des semestres 3 et 4 8

3.1 Méthodes numériques et statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Approfondissements des concepts informatiques . . . . . . . . . . . . . . . . . . . . . . . . . 9

A Langage Python 11

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 2/11
Introduction au programme
Les objectifs du programme Le programme d’informatique de BCPST s’inscrit entre deux continuités : en
amont avec les programmes rénovés du lycée, en aval avec les enseignements dispensés dans les grandes
écoles, et plus généralement les poursuites d’études universitaires. Il a pour objectif la formation de futurs
ingénieures et ingénieurs, vétérinaires, enseignantes et enseignants, chercheuses et chercheurs et avant tout
des personnes informées, capables de gouverner leur vie professionnelle et citoyenne en pleine connais-
sance et maîtrise des techniques et des enjeux de l’informatique et en la nourrissant par les habitudes de la
démarche scientifique.
Le présent programme a pour ambition de poser les bases d’un enseignement cohérent et mesuré d’une
science informatique encore jeune et dont les manifestations technologiques connaissent des cycles d’obso-
lescence rapide. On garde donc à l’esprit :
— de privilégier la présentation de concepts fondamentaux pérennes sans s’attacher outre mesure à la
description de technologies, protocoles ou normes actuels ;
— de donner aux futurs diplômées et diplômés les moyens de réussir dans un domaine en mutation
rapide et dont les technologies qui en sont issues peuvent sauter brutalement d’un paradigme à un
autre très différent ;
— de préparer les étudiantes et étudiants à tout un panel de professions et de situations de la vie pro-
fessionnelle qui les amène à remplir tour à tour une mission d’expertise, de création ou d’invention,
de prescription de méthodes ou de techniques, de contrôle critique des choix opérés ou encore de
décision en interaction avec des spécialistes ;

Compétences visées Ce programme vise à développer les six grandes compétences suivantes :
analyser et modéliser un problème ou une situation, notamment en utilisant les objets conceptuels de
l’informatique pertinents (table relationnelle, graphe, dictionnaire, etc.) ;
imaginer et concevoir une solution, décomposer en blocs, se ramener à des sous-problèmes simples et
indépendants, adopter une stratégie appropriée, décrire une démarche, un algorithme ou une struc-
ture de données permettant de résoudre le problème ;
décrire et spécifier les caractéristiques d’un processus, les données d’un problème, ou celles manipu-
lées par un algorithme ou une fonction ;
mettre en œuvre une solution, par la traduction d’un algorithme ou d’une structure de données dans
un langage de programmation ou un langage de requête ;
justifier et critiquer une solution, en développant des processus d’évaluation, de contrôle, de valida-
tion d’un code que l’on a produit ;
communiquer à l’écrit ou à l’oral, présenter des travaux informatiques, une problématique et sa solu-
tion ; défendre ses choix ; documenter sa production et son implémentation.
La pratique régulière de la résolution de problèmes par une approche algorithmique et des activités de pro-
grammation qui en résultent constitue un aspect essentiel de l’apprentissage de l’informatique. Les exemples
ou les exercices d’application peuvent être choisis au sein de l’informatique elle-même ou en lien avec d’autres
champs disciplinaires.

Sur les partis pris par le programme Ce programme impose aussi souvent que possible des choix de vo-
cabulaire ou de notation de certaines notions. Les choix opérés ne présument pas la supériorité de l’option
retenue. Ils ont été précisés dans l’unique but d’aligner les pratiques d’une classe à une autre et d’éviter l’in-
troduction de longues définitions récapitulatives préliminaires à un exercice ou un problème. De même, ce
programme nomme aussi souvent que possible l’un des algorithmes possibles parmi les classiques qui ré-
pondent à un problème donné. Là encore, le programme ne défend pas la prééminence d’un algorithme ou
d’une méthode par rapport à un autre mais il invite à faire bien plutôt que beaucoup.

Sur les langages et la programmation L’enseignement du présent programme repose sur un langage de
manipulation de données (SQL) ainsi que le langage de programmation Python, pour lequel une annexe liste
de façon limitative les éléments qui sont exigibles des étudiants. La poursuite de l’apprentissage du langage
Python est vue en particulier par les étudiants pour adopter immédiatement une bonne discipline de pro-
grammation tout en se concentrant sur le noyau du langage plutôt que sur une interface de programmation
applicative (API) pléthorique.

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 3/11
Mode d’emploi Ce programme a été rédigé par semestre pour assurer une certaine homogénéité de la for-
mation. Le premier semestre permet d’asseoir les bases de programmation vues au lycée et les concepts as-
sociés. L’organisation de la progression au sein des semestres relève de la responsabilité pédagogique de la
professeure ou du professeur et le tissage de liens entre les thèmes contribue à la valeur de son enseignement.
Les notions étudiées lors d’un semestre précédent sont régulièrement revisitées tout au long des deux années
d’enseignement.

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 4/11
1 Programme du semestre 1
Les séances de travaux pratiques du premier semestre poursuivent les objectifs suivants :
— consolider l’apprentissage de la programmation en langage Python qui a été entrepris dans les classes
du lycée ;
— mettre en place un environnement de travail ;
— mettre en place une discipline de programmation : spécification précise des fonctions et programmes,
annotations et commentaires, jeux de tests ;
La consolidation du langage Python portera principalement sur
— les variables
— les expressions et instructions
— les instructions conditionnelles
— les fonctions
— les instructions itératives
— la manipulation de quelques trsuctures de données
Rappelons que l’annexe liste les éléments du langage Python qui sont exigibles des étudiants.
Le tableau ci-dessous présente les thèmes qui sont abordés lors de ces séances et, en colonne de droite, une
liste, sans aucun caractère impératif, d’exemples d’activités qui peuvent être proposées aux étudiants. L’ordre
de ces thèmes n’est pas impératif.
Aucune connaissance relative aux modules éventuellement rencontrés lors de ces séances n’est exigible des
étudiants.

Thèmes Exemples d’activité. Commentaires.

Algorithmes élémentaires opérant par Calculs de sommes et produits. Calculs des termes d’une suite
boucles simples. récurrente (ordre 1, ordre supérieur), liste des termes, chaînes
de caractères.
Algorithme opérant par boucles dans Recherche d’un élément. Recherche du maximum, du second
un tableau unidimensionnel. maximum. Application aux polynômes : représentation par le
tableau de ses coefficients (évaluation, opération, détermina-
tion du degré). Manipulations élémentaires d’un tableau unidi-
mensionnel (indexation, extraction, etc.).
Lecture et écriture dans un fichier texte.
Utilisation de modules, de biblio- Calculs statistiques sur des données. Représentation graphique
thèques. (histogrammes, etc.).
Algorithmes opérant par boucles im- Recherche d’un facteur (ou d’un mot) dans un texte. Recherche
briquées. des deux valeurs les plus proches dans un tableau. Manipula-
tions élémentaires des tableaux à deux dimensions (indexation
et extraction, etc.). Calculs de la somme, du produit et de la
transposée d’une matrice. On en profitera pour introduire la bi-
liothèque « NUMPY ».
Recherche dichotomique. Recherche de valeurs approchées d’une racine d’une équation
algébrique. Recherche dichotomique dans un tableau trié. On
met en évidence une accélération du processus.
Fonctions récursives. Factorielles, suites récurrentes. Algorithme d’exponentiation ra-
pide. Dessins de fractales. On évite de se cantonner à des fonc-
tions mathématiques.
Matrices de pixels et images. Obtention d’une image en niveaux de gris, image miroir, néga-
tif. Algorithmes de rotation, de réduction ou d’agrandissement.
Modification d’une image par convolution : flou, détection de
contour, etc. 0n pourra utiliser la bibliothèque « PIL ».
Tris. Algorithmes naïfs : tri par insertion, par sélection. Tri par comp-
tage. Application aux statistiques : tri d’une série statistique,
recherche de la médiane (éventuellement des quartiles). 0n
pourra faire le lien entre le tri par comptage et la recherche des
effectifs d’apparition dans une liste.

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 5/11
2 Programme du semestre 2
On formalise par des leçons et travaux pratiques le travail entrepris au premier semestre concernant la disci-
pline et les méthodes de programmation.

2.1 Méthodes de programmation et dictionnaire

Même si on ne parle pas de preuve d’algorithme, on insistera sur l’importance des tests dans la mise au point
des programmes.

Notions Exemples d’activité. Commentaires.

Identifiants et valeurs. Objets mutables On mettra en évidence le phénomène d’aliasing et son impact
et non mutables, portée d’un identi- dans le cas d’objets mutables (listes).
fiant, effets de bord.
Dictionnaires, clés et valeurs. Nombre d’éléments distincts dans une liste, construction d’un
Usage des dictionnaires en program- index.
mation Python.
Syntaxe pour l’écriture des diction-
naires. Parcours d’un dictionnaire.

2.2 Bases de données

On se limite volontairement à une description applicative des bases de données en langage SQL. Il s’agit de
permettre d’interroger une base présentant des données à travers plusieurs relations.

Notions Exemples d’activité. Commentaires.

Vocabulaire des bases de données : On présente ces concepts à travers de nombreux exemples. On
tables ou relations, attributs ou co- s’en tient à une notion sommaire de domaine : entier, flottant,
lonnes, domaine, schéma de tables, en- chaîne ; aucune considération quant aux types des moteurs SQL
registrements ou lignes, types de don- n’est au programme. Aucune notion relative à la représentation
nées. des dates n’est au programme ; en tant que de besoin on s’ap-
puie sur des types numériques ou chaîne pour lesquels la rela-
tion d’ordre coïncide avec l’écoulement du temps. Toute notion
relative aux collations est hors programme ; en tant que de be-
soin on se place dans l’hypothèse que la relation d’ordre corres-
pond à l’ordre lexicographique usuel. NULL est hors programme.
Clé primaire, clé étrangère On se limite au cas où une clé primaire est associée à un unique
attribut.
Requêtes SELECT avec simple clause Les opérateurs au programme sont +, -, *, / (on passe outre
WHERE (sélection), projection, renom- les subtilités liées à la division entière ou flottante), =, <>, <,
mage AS. <=, >, >=, AND, OR, NOT. D’autres mots-clés comme OFFSET et
LIMIT pourront être utilisés mas sleur maîtrise n’est pas au pro-
gramme.
Utilisation des mots-clés DISTINCT et
ORDER BY.
Jointures 𝑇1 JOIN 𝑇2 … JOIN 𝑇𝑛 On présente les jointures en lien avec la notion de relations entre
ON 𝜙. tables. On se limite aux équi-jointures : 𝜙 est une conjonction
d’égalités.
Agrégation avec les fonctions MIN, MAX, Pour la mise en œuvre des agrégats, on s’en tient à la norme
SUM, AVG et COUNT, y compris avec SQL99. Les requêtes imbriquées ne sont pas au programme.
GROUP BY.
Filtrage des agrégats avec HAVING.

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 6/11
 Mise en œuvre
La création de tables et la suppression de tables au travers du langage SQL sont hors programme.
La mise en œuvre effective se fait au travers d’un logiciel permettant d’interroger une base de données
à l’aide de requêtes SQL comme MySQL ou SQLite. Récupérer le résultat d’une requête à partir d’un
programme n’est pas un objectif.
Sont hors programme : la notion de modèle logique vs physique, les bases de données non relation-
nelles, les méthodes de modélisation de base, les fragments DDL, TCL et ACL du langage SQL, les tran-
sactions, l’optimisation de requêtes par l’algèbre relationnelle.

2.3 Graphes
Il s’agit de définir le modèle des graphes, leurs représentations et leurs manipulations.
On s’efforce de mettre en avant des applications importantes et si possibles modernes : réseau de transport,
graphe du web, réseaux sociaux, bio-informatique. On précise autant que possible la taille typique de tels
graphes.

Notions Exemples d’activité. Commentaires.

Vocabulaire des graphes. On présente l’implémentation des graphes à l’aide de listes d’ad-
Graphe orienté, graphe non orienté. jacence (rassemblées par exemple dans une liste ou dans un dic-
Sommet (ou nœud) ; arc, arête. Boucle. tionnaire). On n’évoque ni multi-arcs ni multi-arêtes.
Chemin d’un sommet à un autre.
Connexité dans les graphes non
orientés.
Matrice d’adjacence.
Graphe 𝐺 = (𝑆, 𝐴).
Pondération d’un graphe. Étiquettes On motive l’ajout d’information à un graphe par des exemples
des arcs ou des arêtes d’un graphe. concrets.
Parcours d’un graphe. La file sera représentée par une liste. On pourra évoquer le pro-
Parcours en largeur. blème de cette représentation naïve en terme d’efficacité mais au-
cune connaissance sur d’autres représentations plus performante
n’est au programme.

2.4 Méthodes numériques

Cette section propose des sujets de travaux pratiques venant compléter le programme du deuxième semestre.

Thèmes Exemples d’activité. Commentaires.

Méthode de dichotomie et méthode Comparaison avec d’autres méthodes : méthode de Newton,
des rectangles. méthode des trapèzes.
Simulation de lois usuelles : Ber- Simulation d’expériences et de variables aléatoires.
noulli, binomiale, hypergéométrique, Simulation d’une variable aléatoire à l’aide de sa fonction de ré-
uniforme. partition.
Estimation d’une probabilité, estima- La justification de cette estimation sera donnée en deuxième an-
tion de l’espérance et de la variance. née

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 7/11
3 Programme des semestres 3 et 4
Le programme de deuxième année est constitué de séances de travaux pratiques qui poursuivent les objectifs
suivants :
— approfondir les connaissances acquises au deuxième semestre notamment sur les bases de données
et sur les graphes ;
— programmer des méthodes numériques vues en mathématiques ;
— mettre en application des notions vues en statistiques et probabilités dont les tests statistiques ;
— programmer de nouveaux algorithmes sur des applications en lien avec d’autres disciplines, notam-
ment la biologie.
Comme au premier semestre, les tableaux ci-dessous présentent les thèmes qui sont abordés lors de ces
séances et, en colonne de droite, une liste, sans aucun caractère impératif, d’exemples d’activités qui peuvent
être proposées aux étudiants. L’ordre de ces thèmes n’est pas impératif.
Aucune connaissance relative aux modules éventuellement rencontrés lors de ces séances n’est exigible des
étudiants.
Les deux parties du programme représentent un volume horaire équivalent.

3.1 Méthodes numériques et statistiques

Thèmes Exemples d’activités Commentaires

Méthode d’Euler explicite pour la réso- Modèle logistique, comparaison avec d’autres méthodes de ré-
lution approchée d’équation différen- solution approchée (méthode de Heun par exemple).
tielle ordinaire d’ordre 1. L’impact du pas de discrétisation sur la qualité des résultats et sur
le temps de calcul est mis en évidence.
Les résultats obtenus peuvent être comparés avec une résolution
exacte ou avec une fonction de résolution approchée fournie par
un module.
Simulation d’une variable aléatoire de On pourra simuler des variables aléatoires à l’aide de la loi uni-
loi géométrique à l’aide de la loi de Ber- forme et de la réciproque de la fonction de répartition : cas dis-
noulli. cret et continu. Exemples de la loi de Poisson, de la loi exponen-
tielle et de la loi normale.
Exemples de chaînes de Markov.
Estimation de l’espérance, de la loi Fonction de répartition empirique.
d’une variable aléatoire à partir de si-
mulation.
Illustration numérique de convergence Illustration du théorème central limite.
en lois.
Simulation d’une loi de Poisson à l’aide
d’une loi binomiale.
Intervalle de confiance pour le para- La notion théorique d’intervalle de confiance n’est pas au pro-
mètre d’une loi de Bernoulli. gramme

Approfondissement sur les statis- Elaboration pour un test de la moyenne, cas particulier d’une
tiques : simulation et mécanisme de proportion.
tests. On affichera les histogrammes obtenus.
Simulation de variables aléatoires de On pourra visualiser la convergence des lois de Student vers une
lois de khi-2 et de Student. loi normale.
Elaborer d’un test de moyenne, dit de La connaissance des lois de Student et du khi-2 n’est pas un at-
Student, sur un petit échantillon gaus- tendu du programme. On pourra utiliser les simulateurs intégrés
sien. dans Python.

On pourra compléter cette partie par une étude sur un autre sujet ou approfondir un des thèmes précédents.
Les thèmes suivants ont été choisis par leur lien possibles avec des applications possible en SVT mais ils ne
sont que des exemples proposés.

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 8/11
 Exemples de thèmes libres Exemples d’activités Commentaires
Complément sur la méthode d’Euler. Méthode d’Euler explicite pour la résolution approchée de sys-
tème d’équations différentielles d’ordre 1 et d’équation différen-
tielle d’ordre 2.
Modèle de Lotka-Volterra, modèle SIR, système différentiel issu
d’une équation de cinétique chimique, équation d’un oscilla-
teur harmonique amorti.
Une programmation vectorisée, même si elle peut être proposée,
n’est pas un attendu du programme.
Méthode du pivot de Gauss. Résolution d’un système linéaire.
Une version sans recherche de pivot peut être proposée en premier
puis une recherche de pivot partiel peut être programmée.
On pourra mettre en évidence l’impact de la taille du système sur
le temps de calcul.
La programmation sans aide n’est pas un attendu du programme.
Autour des équations aux dérivées par- Équation de la chaleur, couplage réaction-diffusion.
tielles. Aucune connaissance sur les équations aux dérivées partielles
n’est exigible.

3.2 Approfondissements des concepts informatiques

Thèmes Exemples d’activités Commentaires

Révisions et approfondissements sur Algorithme de Dijkstra.
les graphes. Problème du voyageur de commerce. Algorithme glouton, colo-
Parcours en profondeur et parcours en nie de fourmis, recuit simulé.
profondeur itéré. L’objectif est de reprendre la structure de graphe à travers un ap-
Plus court chemin dans un graphe pon- profondissement possible.
déré.
Révisions des tris naïfs et exemple de tri Tri fusion ou tri rapide.
récursif. On pourra visualiser à l’aide de graphique l’accélération du
temps de calcul.
La programmation du tri rapide en place n’est pas un objectif
du programme. L’objectif sur les deux années est qu’un étudiant
sache programmer un tri de son choix de façon autonome.
Révisions et pprofondissements sur les A partir d’une base de données comprenant 3 ou 4 tables ou rela-
bases de données : révision sur les join- tions, on approfondit la notion de jointure interne en lien avec la
tures et agrégations notion d’associations entre entités.
Pour la notion d’agrégation, on présente quelques exemples de re-
quêtes imbriquées.
On marque la différence entre WHERE et HAVING sur des
exemples.

L’objectif de cette dernière partie est à travers l’étude d’un thème, sur plusieurs séances, de permettre aux
étudiants de gagner en autonomie (choix de la représentation des données, choix du découpage en fonctions,
etc).
Les thèmes suivants ont été choisis par leurs applications possibles en lien avec la SVT mais ils ne sont que
des exemples proposés.

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 9/11
 Exemples de thèmes libres Exemples d’activités Commentaires
Informatique pour la génétique. Recherche de motif : recherche exacte d’une ou plusieurs sé-
quences courtes dans un génome.
Algorithme naïf, algorithme de Robin-Karp.
Alignement de séquences en présence d’erreurs de séquen-
çage ou de mutations. Distance d’édition, algorithmes de
Needleman-Wunsch, de Smith-Waterman.
Construction d’arbres phylogénétiques.
Images. Segmentation d’images : comment partitionner une image en
zones connexes ?
La structure union-find peut être introduite dans ce but.
Apprentissage et classification. Algorithme des k-moyennes.
Classification par 𝑘 plus proches voisins.
On pourra travailler autant sur des données réelles que sur des
données issues de simulations (clusters gaussiens par exemple).

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 10/11
A Langage Python
Cette annexe liste limitativement les éléments du langage Python (version 3 ou supérieure) dont la connais-
sance est exigible des étudiants. Aucun concept sous-jacent n’est exigible au titre de la présente annexe.
Aucune connaissance sur un module particulier n’est exigible des étudiants.
Toute utilisation d’autres éléments du langage que ceux que liste cette annexe, ou d’une fonction d’un mo-
dule, doit obligatoirement être accompagnée de la documentation utile, sans que puisse être attendue une
quelconque maîtrise par les étudiants de ces éléments.

Traits généraux
— Principe d’indentation.
— Portée lexicale : lorsqu’une expression fait référence à une variable à l’intérieur d’une fonction, Python
cherche la valeur définie à l’intérieur de la fonction et à défaut la valeur dans l’espace global du module.

Types de base
— Opérations sur les entiers (int) : +, -, *, **, avec des opérandes positifs.
— Opérations sur les flottants (float) : +, -, *, /, **.
— Opérations sur les booléens (bool) : not, or, and.
— Comparaisons ==, !=, <, >, <=, >=.

Types structurés
— Structures indicées immuables (chaînes de caractères) : len, accès par indice positif valide, concaté-
nation +, répétition *, tranche.
— Listes : création par compréhension [𝑒 for 𝑥 in 𝑠], par append successifs ; len, accès par indice
positif valide ; concaténation +, répétition *, tranche, copie ; pop en dernière position.
— Dictionnaires : création, accès, insertion, len, copy.

Structures de contrôle
— Instruction d’affectation avec =.
— Instruction conditionnelle : if, elif, else.
— Boucle while (sans else), return dans un corps de boucle.
— Boucle for (sans else) et itération sur range(𝑎, 𝑏), une chaîne de caractères une liste, un diction-
naire au travers des méthodes keys et items.
— Définition d’une fonction def 𝑓(𝑝1 , …, 𝑝𝑛 ), return.

Divers
— Introduction d’un commentaire avec #.
— Utilisation simple de print, sans paramètre facultatif.
— Importation de modules avec import module, import module as alias, from module import 𝑓, 𝑔, …

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2020 Informatique de BCPST

https://www.enseignementsup-recherche.gouv.fr 11/11