100+ Sujets pour Mémoire de Licence et Master en Informatique

Tu cherches un sujet de mémoire en informatique et tu tombes partout sur les mêmes mots-clés : IA, blockchain, cloud. Presque personne n’échoue là-dessus. Les sujets échouent sur la question d’après : comment montreras-tu, à la fin, que ta solution vaut quelque chose ?

Un sujet de mémoire en informatique se trouve en partant d’un domaine réellement encadré dans ton établissement, en le réduisant à un système et à un public précis, puis en vérifiant d’où viendront les données de l’évaluation : banc de mesure, jeu de données ouvert ou utilisateurs réels. Arrive au rendez-vous avec trois propositions et, pour chacune, une phrase sur la façon de l’évaluer.

📌 L’essentiel en bref

• 220 sujets d’informatique répartis sur neuf domaines.
• Un système qui fonctionne n’est pas encore un résultat.
• Le score SUS moyen sur 500 études est de 68.
• Le règlement européen sur l’IA s’applique largement depuis août 2026.
• La source des données fixe le calendrier, pas l’intérêt.

Les propositions de cet article font partie de l’aperçu de tous les sujets de mémoire, où se trouvent aussi les autres filières.

Quatre étapes vers le bon sujet : comment trouver un sujet de mémoire en informatique

La recherche de sujet en informatique a une particularité : tu peux fabriquer toi-même presque tout ce que tu veux étudier. Un jeu de données, un prototype, un banc de mesure, tout n’est qu’une question d’heures de travail. C’est pour cela que les sujets d’informatique débordent si facilement.

Les 220 propositions plus bas sont une matière première. Une proposition devient un sujet quand trois choses sont fixées : le système que tu touches, le public visé et la grandeur qui mesurera la réussite.

1. Commencer par l’équipe de recherche, pas par la tendance. Regarde quelles équipes existent chez toi et quels mémoires y ont été soutenus récemment. Un sujet sans équipe ne trouve pas d’encadrant, aussi actuel soit-il.
2. Réduire un domaine à un système précis. « L’intelligence artificielle dans la santé » est un domaine. « Un classifieur pour les comptes rendus d’hospitalisation : reconnaît-il les diagnostics sans réglage fin ? » est un sujet.
3. Planifier l’évaluation avant le code. Note ce que tu veux comparer à la fin, et à quoi. Sans base de comparaison, la partie résultats contient un chiffre que personne ne peut situer.
4. Arriver au rendez-vous avec trois sujets. Avec un seul, tu reçois un verdict. Avec trois, tu obtiens une discussion sur les différences, et c’est là le véritable conseil.

La démarche indépendante de la filière est décrite dans l’article Trouver un sujet pour mémoire de licence et de maîtrise.

Les domaines et spécialités des études d’informatique

Les domaines de l’informatique se distinguent moins par leur contenu que par la provenance des données de mesure. Une preuve en informatique théorique ne demande que de la littérature. Un sujet d’informatique appliquée demande un partenaire qui te laisse approcher ses utilisateurs. Cette distinction fixe ton calendrier, bien plus que la difficulté technique.

Le tableau ci-dessous indique pour chacun des neuf domaines de quoi il traite et où se trouvent habituellement les données. Il reste volontairement grossier : chaque domaine autorise aussi des travaux purement théoriques, et presque chacun autorise une enquête propre. La colonne de droite nomme le cas normal.

Le marché du travail derrière ces domaines est large. L’Insee écrit dans sa publication du 14 octobre 2025 sur les métiers du numérique : « Entre 2021 et 2023, 1,3 million de personnes en moyenne exercent une profession du numérique, soit 4,6 % des actifs occupés. » Un sujet orienté vers un métier précis de cet ensemble se défend bien en entretien.

Un domaine manque volontairement dans la liste. Tout ce qui interroge le processus métier, le projet de déploiement et la rentabilité plutôt que le système lui-même relève de l’informatique de gestion. Une liste séparée rassemble les sujets d’informatique de gestion. Si ta spécialité porte plutôt sur les fondements formels, regarde les propositions de sujets en mathématiques.

220 sujets de mémoire en informatique répartis sur neuf domaines

Les 220 propositions qui suivent sont classées selon les neuf domaines présentés plus haut. Elles servent de point de départ, pas de problématique finie : chaque proposition demande encore un système précis, un public et une mesure avant de devenir un sujet. « Apprentissage automatique en cybersécurité » ne devient un travail que lorsque le type d’attaque, le jeu de données et la grandeur mesurée sont connus.

Vérifie deux choses avant de reprendre une proposition. D’abord si ton établissement encadre ce domaine, car un sujet sans encadrement ne passe pas. Ensuite si la technique porte encore ce nom. Les sujets qui nomment une bibliothèque ou un produit vieillissent nettement plus vite que les sujets qui nomment un problème.

Fondements de l’informatique : 25 sujets

Les sujets de fondements sont le choix le plus sûr quand tu ne veux demander de données à personne. Tu mesures ton propre système : temps d’exécution, mémoire occupée, débit. Le banc de mesure représente la moitié du travail et mérite une description qu’une autre personne peut reproduire. Le piège : sans solution de comparaison, le résultat est un chiffre sans signification.

• Optimisation d’algorithmes de recherche dans des structures de données non linéaires
• Analyse comparative de langages de programmation orientés objet
• Développement d’applications multiplateformes avec des cadriciels récents
• Revues de code automatisées et leur effet sur la qualité logicielle
• Techniques de parallélisation dans les processeurs récents
• Évaluation d’algorithmes de coloration de graphes
• Analyse de performance des algorithmes de compression de données
• Algorithmes évolutionnaires appliqués à des problèmes d’optimisation
• Analyse des mécanismes de synchronisation en environnement multithread
• Conception et implémentation d’un petit système d’exploitation
• Aspects de sécurité dans les langages de programmation et la compilation
• Implémentation d’algorithmes sur architectures GPU
• Patrons de conception en programmation fonctionnelle
• Stratégies de gestion de la mémoire dans les langages récents
• Analyse de la complexité des algorithmes en cryptographie
• Développement d’un cadriciel pour l’automatisation des tests
• Évaluation d’architectures logicielles pour des applications à forte montée en charge
• Bonnes pratiques dans la conception d’interfaces de programmation
• Usage de Docker dans le développement et le déploiement logiciel
• Conception et implémentation d’architectures en microservices
• Analyse des optimisations de compilateur pour les langages de haut niveau
• Implémentation et évaluation de techniques de débogage
• Systèmes d’exploitation temps réel pour l’embarqué
• Développement d’un émulateur pour un domaine précis
• Intégration continue et déploiement continu dans le développement logiciel

Informatique théorique : 25 sujets

Les travaux théoriques ne demandent ni laboratoire ni participants, mais du souffle. Tu démontres quelque chose ou tu le réfutes, et les deux passent par du papier, un crayon et beaucoup de lecture. Ces sujets supposent que quelqu’un travaille dans cette direction chez toi. Un sujet de preuve dans un laboratoire tourné vers les applications trouve rarement un encadrant.

• Décidabilité dans les langages formels
• Classes de complexité et leurs relations
• Nouveaux algorithmes pour des problèmes NP-complets
• Applications de la théorie des jeux en informatique
• Isomorphisme de graphes et ses défis algorithmiques
• Informatique quantique : fondements et perspectives
• Automates et leurs applications au traitement de texte
• Conception et analyse d’algorithmes pour des problèmes de graphes
• Théorie des codes et systèmes tolérants aux fautes
• Théorèmes de point fixe dans la sémantique des langages de programmation
• Problèmes de satisfaisabilité et stratégies des solveurs SAT récents
• Théorie algorithmique des jeux et conception de mécanismes
• Réseaux de Petri et modélisation de systèmes
• Formalisation de systèmes de preuve
• Modèles de calcul au-delà de la complétude de Turing
• Théorie des catégories en informatique
• Le rôle des théories de la récursion dans la calculabilité
• Stratégies de réduction en théorie de la complexité
• Langages formels et construction de compilateurs
• Analyse des techniques de randomisation dans les algorithmes
• Preuves à divulgation nulle de connaissance
• Formalisation des automates infinis
• Logique floue appliquée à la prise de décision
• Analyse de complexité des algorithmes répartis
• Algorithmes d’approximation pour des problèmes d’optimisation NP-difficiles

Informatique pratique : 25 sujets

Dans ce domaine, quelque chose finit par tourner. Le piège est exactement là : un système qui fonctionne n’est pas encore un résultat. Décide tôt de la grandeur qui dira si ta solution fait mieux que l’alternative évidente. Qui y réfléchit seulement le dernier mois écrit sa partie évaluation avec les données qui traînent.

• Évaluation des interfaces REST et GraphQL dans les applications web
• Stratégies de sécurité pour les systèmes d’exploitation mobiles
• Développement d’outils d’analyse de données en temps réel
• Bonnes pratiques de gestion des grandes bases de code
• Performance des bases de données NoSQL face aux systèmes SQL
• Réalité virtuelle pour des applications éducatives
• Rendu côté serveur dans les applications web : architecture et temps de chargement
• Développement d’agents conversationnels par traitement du langage naturel
• Mécanismes de sécurité dans les objets connectés
• Usage des drones pour la collecte et l’analyse de données
• Développement d’un système de reconnaissance faciale
• Détection et correction automatisées de défauts logiciels
• Chaîne de blocs pour des systèmes de transaction sécurisés
• Développement d’une application de productivité avec des éléments de jeu
• Analyse et implémentation de stratégies de répartition de charge pour serveurs web
• Développement de systèmes d’exploitation sur mesure à base de Linux
• Réalité augmentée pour des systèmes d’assistance industriels
• Efficacité et montée en charge des solutions de stockage en nuage
• Conception et implémentation d’une visualisation de données accessible
• Algorithmes d’optimisation des routes dans un réseau
• Implémentation d’algorithmes pour des systèmes auto-réparateurs
• Attaques de type cross-site scripting et moyens de défense
• Développement d’un outil d’investigation numérique
• Conception d’un outil libre de gestion de projet
• Implémentation et évaluation d’algorithmes pour le calcul réparti

Informatique appliquée : 25 sujets

Les sujets appliqués vivent du partenaire de terrain. Un hôpital, une association, une administration ou une entreprise fournit le cas et le plus souvent aussi les personnes du test. Demande tôt et par écrit, car ici les sujets échouent sur l’accès, pas sur la technique. Un sujet de ce domaine sans partenaire reste un prototype sans évaluation.

• Développement d’un système numérique de suivi de santé
• Solutions informatiques pour une agriculture durable
• Analyse des systèmes de transport par simulation et analyse de données
• Informatique spatiale : navigation et gestion des données
• Plateformes éducatives numériques : développement et évaluation
• Systèmes logistiques assistés par ordinateur pour l’entreposage intelligent
• Outils informatiques appliqués à l’archéologie
• Conception d’un système d’information pour une petite entreprise
• Développement d’un système de recommandation pour le commerce en ligne
• Concepts de sécurité pour les applications de banque en ligne
• Technologies de maison connectée : développement et intégration
• Analyse de données de réseaux sociaux pour des stratégies marketing
• Santé mobile : application pour le suivi des patients
• Réalité virtuelle en psychothérapie
• Développement de jeux vidéo à contenu éducatif
• Informatique appliquée à l’analyse médico-légale
• Mise en place de systèmes de gestion intégrée hors du secteur informatique
• Systèmes d’information dans le tourisme : développement et usage
• Intelligence artificielle dans l’industrie musicale
• Analyse des stratégies de formation en ligne à l’université
• Ville intelligente : intégration des systèmes informatiques dans l’urbanisme
• Solutions informatiques pour la gestion de l’énergie
• Appui informatique à l’analyse de données juridiques
• Art et culture numériques : plateformes et archivage
• Développement de systèmes d’assistance pour les personnes en situation de handicap

Génie logiciel : 25 sujets

Le génie logiciel est le domaine où l’on trouve le plus de travaux empiriques. Écrire sur les méthodes de développement, la dette technique ou les revues de code suppose des témoignages de développeuses et de développeurs. C’est une bonne nouvelle : les professionnels consentent facilement et parlent volontiers de leur travail. Douze à vingt questionnaires remplis portent un mémoire de licence, le nombre exact se décide avec ton encadrant.

• Méthodes agiles et modèle en cascade : comparaison de deux approches
• Analyse et amélioration de l’expérience utilisateur dans un produit logiciel
• Métriques logicielles et assurance qualité
• Développement et évaluation de chaînes de livraison continue
• Remaniement de code : techniques et bonnes pratiques
• Dette technique et ses effets sur les projets logiciels
• Analyse des environnements de développement multiplateformes
• Procédures de test automatisé pour applications mobiles
• Patrons de conception dans les applications en nuage
• Outils d’assistance au développement fondés sur l’intelligence artificielle
• Aspects de sécurité dans le développement logiciel
• Projets de logiciel libre et animation de communauté
• Effets des microservices sur l’architecture d’un système
• Maintenance et évolution logicielles : défis et stratégies
• Techniques de virtualisation dans le développement logiciel
• Mise en place d’une culture DevOps en entreprise
• Cadriciels pour l’internationalisation d’un logiciel
• Évaluation de styles d’architecture pour applications d’entreprise
• Efficacité des systèmes de suivi de défauts
• Programmation en binôme et revues de code dans la pratique
• Optimisation de performance des applications web à forte charge
• Outils de gestion de projet dans le développement logiciel
• Développement de protocoles de sécurité pour applications web
• Intelligence artificielle appliquée au test logiciel
• Mécanismes d’adaptation pour des systèmes logiciels anciens

Intelligence artificielle et apprentissage automatique : 30 sujets

L’intelligence artificielle est le domaine qui a le plus bougé depuis 2023 : cinq sujets ci-dessous ne figuraient pas dans la première version de cette liste. Renseigne-toi sur l’accès au centre de calcul avant l’inscription.

• Réseaux de neurones pour la reconnaissance d’images
• Algorithmes d’apprentissage pour le secteur financier
• Apprentissage profond appliqué au diagnostic médical
• Réglage fin de modèles de langue pré-entraînés pour un domaine spécialisé
• Apprentissage automatique pour la prévision de phénomènes météorologiques
• Apprentissage par renforcement dans les véhicules autonomes
• Intelligence artificielle en médecine personnalisée
• Reconnaissance de motifs dans des séries temporelles
• Optimisation de la chaîne d’approvisionnement par intelligence artificielle
• Traitement du langage naturel pour le résumé automatique de textes
• Analyse comportementale par intelligence artificielle en vidéosurveillance
• Intelligence artificielle dans le jeu vidéo : comportement des personnages non joueurs
• Systèmes de recommandation pour les services de diffusion en continu
• Apprentissage automatique en cybersécurité
• Apprentissage automatique pour la prévision de cours boursiers
• Algorithmes pour des assistants commandés à la voix
• Intelligence artificielle en agronomie pour augmenter les rendements
• Méthodes d’intelligence artificielle pour l’analyse de données génomiques
• Apprentissage automatique en vision industrielle
• Outils de diagnostic fondés sur l’intelligence artificielle en santé
• Apprentissage automatique pour la détection de fausses informations
• Plateformes d’apprentissage assistées par intelligence artificielle
• Intelligence artificielle en robotique : systèmes coopératifs
• Analyse prédictive dans la gestion de la relation client
• Intelligence artificielle pour l’optimisation des réseaux d’énergie
• Génération augmentée par recherche : architecture et qualité des réponses
• Évaluation des grands modèles de langue : jeux de référence et limites
• Détection de textes produits par une intelligence artificielle : méthodes et taux d’erreur
• Quantification de réseaux de neurones pour une exécution sur appareil
• Effet des stratégies d’invite sur les réponses des modèles de langue

Science des données : 25 sujets

Les sujets de science des données tiennent à une seule question : le jeu de données existe-t-il vraiment et as-tu le droit de l’utiliser ? Les portails ouverts comme data.gouv.fr ou Zenodo sont la voie confortable. Les données des réseaux sociaux ne le sont plus, car les interfaces des grandes plateformes sont devenues payantes ou fermées. Vérifie l’accès avant d’inscrire le sujet.

• Recherche de motifs fréquents dans de grands jeux de transactions
• Techniques de partitionnement appliquées à la segmentation de marché
• Modèles d’apprentissage automatique pour prévoir la demande client
• Approches d’apprentissage profond pour la classification automatique de textes
• Cadriciels pour le traitement de flux de données massives
• Détection d’anomalies dans des données de séries temporelles
• Analyse de sentiment dans les réseaux sociaux
• Techniques de visualisation pour des jeux de données complexes
• Méthodes d’analyse de réseaux appliquées aux médias sociaux
• Construction de systèmes de recommandation par filtrage collaboratif
• Analyse prédictive pour la détection de fraude
• Analyse de données spatio-temporelles pour la surveillance de l’environnement
• Apprentissage automatique pour l’optimisation de réseaux logistiques
• Modèles de prévision des tendances des marchés financiers
• Traitement du langage naturel pour la rédaction automatique de dépêches
• Optimisation d’algorithmes pour un traitement de données à grande échelle
• Personnalisation de contenus web par des techniques d’intelligence artificielle
• Évaluation des techniques d’intégration de données issues de plusieurs sources
• Stratégies de gestion de données en environnement en nuage
• Science des données en santé pour améliorer le suivi des patients
• Algorithmes de réduction et de compression de données
• Analyse de données géographiques au service de l’urbanisme
• Méthodes pour garantir la qualité des données
• Fouille de textes pour extraire de l’information de publications scientifiques
• Apprentissage automatique pour une éducation personnalisée

Mathématiques pour l’informatique : 20 sujets

Les sujets mathématiques s’écrivent au bureau et plaisent au jury davantage que les étudiants ne le supposent. Un tel travail montre que tu comprends les fondements au lieu d’appeler une bibliothèque. Cinq des vingt propositions sont nouvelles et touchent à la cryptographie et à l’apprentissage automatique, deux endroits où les mathématiques sont en ce moment particulièrement visibles.

• Courbes elliptiques et leur rôle dans les procédés de chiffrement récents
• Modélisation et simulation de réseaux par la théorie des graphes
• Théorie des probabilités appliquée à l’algorithmique
• Méthodes numériques pour les équations différentielles en image de synthèse
• Algorithmes d’optimisation en intelligence artificielle
• Modèles mathématiques pour analyser la performance d’un algorithme
• Topologie et ses applications en robotique
• Théorie des jeux appliquée aux réseaux informatiques
• Analyse d’algorithmes de chiffrement par la théorie des nombres
• Structures discrètes en informatique
• Algèbre linéaire et traitement de données
• Méthodes statistiques pour l’assurance qualité logicielle
• Conception et analyse d’expériences en recherche informatique
• Modélisation mathématique de processus dans les systèmes répartis
• Combinatoire dans la conception de structures de données
• Confidentialité différentielle : fondements mathématiques et limites pratiques
• Cryptographie fondée sur les réseaux euclidiens : les mathématiques des standards du NIST
• Stabilité numérique dans l’entraînement de réseaux de neurones
• Théorie de l’information et entropie en compression de données
• Chaînes de Markov pour modéliser le comportement des utilisateurs web

Domaines spécialisés et recherche : 20 sujets

Les sujets spécialisés sont séduisants et risqués à la fois. Séduisants parce que la littérature est rare et que ton travail apporte vite quelque chose de propre. Risqués parce qu’une littérature rare signifie aussi peu de repères. Ne prends un sujet de ce domaine que si une équipe de ton établissement travaille dessus.

Deux points demandent aujourd’hui une désignation précise. Les procédés résistants au calcul quantique sont normalisés depuis le 13 août 2024 : le NIST a publié les trois premiers standards, FIPS 203, 204 et 205, dont ML-KEM pour l’échange de clés (NIST, août 2024). Qui écrit sur l’informatique quantique et le chiffrement nomme ces standards au lieu d’évoquer une menace future en général.

• Effets de l’informatique quantique sur les procédés de chiffrement
• Systèmes robotiques autonomes pour des usages particuliers
• Aspects éthiques des systèmes d’intelligence artificielle
• Robotique humanoïde et empathie artificielle
• Interfaces cerveau-ordinateur et leurs applications
• Neurosciences computationnelles et modèles cognitifs
• Algorithmes génétiques pour la résolution de problèmes en intelligence artificielle
• Systèmes avancés pour l’informatique en brouillard
• Informatique en périphérie dans les environnements d’objets connectés
• Systèmes cyberphysiques et internet industriel
• Applications de réalité mixte pour la formation
• Nanotechnologies en informatique
• Migration de systèmes existants vers des procédés résistants au calcul quantique
• Bio-informatique : méthodes d’analyse de séquences génétiques
• Informatique au service des énergies durables
• Exigences de conformité du règlement sur l’IA pour les systèmes à haut risque
• Consommation d’énergie à l’entraînement de grands modèles : mesure et réduction
• Reproductibilité en recherche informatique : artefacts et labels
• Accessibilité des interfaces web selon les WCAG : méthodes de contrôle
• MLOps : exploitation et surveillance de modèles en production

Quels sujets d’informatique exigent une enquête propre

Les sujets d’informatique qui exigent une enquête propre se reconnaissent à leur formulation : tout ce qui interroge l’acceptation, la facilité d’utilisation ou l’usage réel demande des propos humains. Le reste provient d’une mesure sur ton propre système ou de la littérature. Cette distinction est la plus utile avant l’inscription, et aucune liste de sujets ne la mentionne.

Le tableau ci-dessous associe aux formulations les plus courantes ce qu’elles exigent. Chaque ligne portant « enquête propre » ou « test utilisateur » à droite signifie environ quatre semaines de plus pour le questionnaire, le consentement et le recrutement.

Pour les lignes avec enquête propre, une décision vient d’abord : veux-tu compter ou comprendre ? Compter demande un questionnaire standardisé et assez de participants. Comprendre mène loin avec huit bons entretiens. Ce que chacune des deux voies apporte est expliqué dans l’article sur l’enquête en ligne comme méthode de recherche empirique.

Un point dérape régulièrement dans les travaux d’informatique : la représentativité. Une enquête auprès de 40 camarades de promotion ne dit rien des développeurs de France, et elle n’a pas à le faire. Elle doit seulement être décrite correctement dans la partie méthode. Les conditions d’une telle prétention sont expliquées dans l’article sur la représentativité des enquêtes en ligne.

Évaluer ton système : la partie qui manque à la plupart des mémoires d’informatique

Ton système s’évalue en fixant avant la première ligne de code l’objectif que tu contrôles, la question posée et la grandeur mesurée, puis en confrontant le résultat à une solution de comparaison ou au jugement de vrais utilisateurs. Sans ce plan, il ne reste à la fin que le constat que le logiciel tourne.

L’informatique est la filière où les étudiants fabriquent le plus souvent quelque chose et réfléchissent le plus rarement à l’avance à la façon de l’évaluer. Le prototype tourne, le dépôt est rempli, la remise est dans deux semaines, et il manque la partie qui fait du travail un travail scientifique. La question de l’évaluation appartient donc au choix du sujet, pas à la conclusion.

Un jury ne note pas seulement le code

Le jury note un ensemble, et les règlements le disent explicitement. Le règlement des études de Polytech Nantes pour 2026-2027, validé par le conseil de l’école le 21 mai 2026, précise : « L’évaluation prend en compte la qualité du mémoire, la soutenance mais aussi une appréciation du tuteur industriel du candidat. » Le code n’y apparaît pas comme un critère séparé, ce qui en dit long sur l’attente réelle.

Le même règlement rappelle que le projet de fin d’études « donne lieu à la rédaction d’un mémoire de fin d’études et à une soutenance devant un jury de soutenance ». Un travail défendu à l’oral demande des chiffres que tu peux expliquer. Des tests unitaires montrent que ton code fait ce que tu as programmé, pas que ta solution fait mieux que l’existant. Ton propre règlement des études reste la référence.

Mesurer la facilité d’utilisation avec la System Usability Scale

Dès que des personnes doivent utiliser ton système, il te faut une mesure de leur jugement. Le questionnaire le plus répandu est la System Usability Scale, en abrégé SUS : dix affirmations, une échelle à cinq niveaux, une valeur finale entre 0 et 100. L’intérêt pour un mémoire tient au point de comparaison. Jeff Sauro a analysé en 2011 500 études et écrit : « The average SUS score from all 500 studies is a 68. »

Avec ce chiffre, ton résultat reçoit un classement qu’aucune question de satisfaction maison ne fournit. Un score SUS de 74 est au-dessus de la moyenne, un score de 55 ne l’est pas. Note la limite : la SUS mesure le jugement subjectif sur la facilité d’utilisation, pas l’accomplissement de la tâche. La durée d’une tâche et son taux d’échec se mesurent à part.

Protection des données : ce que la CNIL attend d’une enquête

Une enquête menée dans un mémoire traite des données personnelles, et le règlement général sur la protection des données s’y applique comme partout ailleurs. Pour une enquête ordinaire sans données sensibles, aucune démarche auprès de la CNIL n’est prévue. La CNIL écrit en revanche, sur sa page du 4 février 2026 consacrée à la recherche scientifique hors santé : « Il est possible de traiter des données sensibles dans le cadre d’une recherche scientifique (hors santé) sous réserve d’avoir saisi la CNIL pour avis. »

Pour ton travail, trois gestes suffisent le plus souvent : collecter seulement ce dont tu as besoin, informer les participants de la finalité et de la durée de conservation, et prévoir une forme anonyme dès que c’est possible. Si ton sujet touche aux opinions, aux données de santé ou à d’autres catégories sensibles, parles-en à ton encadrant avant de diffuser le questionnaire.

Reproductibilité : ce qui reste vérifiable de ton travail

La reproductibilité est en informatique un critère de qualité à part et un bon argument en soutenance. L’Association for Computing Machinery, en abrégé ACM, distingue dans sa politique sur l’Artifact Review and Badging (version 1.1 du 24 août 2020) deux niveaux. « Results Reproduced » signifie qu’une autre équipe a obtenu les résultats avec les artefacts des auteurs. « Results Replicated » signifie qu’elle les a obtenus sans ces artefacts.

Pour ton mémoire, cela donne une courte liste. Dépose code source, configuration, jeu de données et scripts d’analyse de façon que ton encadrant puisse refaire tes calculs. Nomme les versions des bibliothèques, pas seulement leurs noms. Et garde trace des essais que tu as écartés. Un travail dont les résultats se recalculent est plus difficile à attaquer qu’un travail aux chiffres plus flatteurs.

Pour une enquête ou un test utilisateur, il te faut un outil qui permette de créer le questionnaire et d’analyser les réponses. empirio.ai, un outil de sondage en ligne allemand, propose 50 réponses par mois dans son offre gratuite et héberge dans l’UE, avec un contrat de sous-traitance (état : octobre 2026). Pour une mesure SUS avec 30 participants, cela suffit. Plusieurs centaines de réponses demandent une offre payante, et cela fait partie du tableau.

Sujets pour un mémoire de master, un projet de fin d’études et un rapport de stage

Les sujets pour un mémoire de master, un projet de fin d’études et un rapport de stage viennent de la même liste que les sujets de licence, taillés autrement : le rapport de stage prend une seule grandeur, le mémoire de licence une solution avec son évaluation, le mémoire de master la comparaison de plusieurs méthodes. Ce qui compte n’est pas la proposition, mais l’ampleur que tu lui donnes.

Les cas ci-dessous reviennent le plus souvent en rendez-vous d’encadrement. Le même principe vaut pour tous : plus le travail est court, plus la question se resserre et plus la partie évaluation rétrécit. Un rapport de quinze pages supporte exactement une grandeur mesurée.

Élargir un sujet d’informatique au niveau master

Un mémoire de master se distingue d’un mémoire de licence en informatique non par la quantité de code, mais par la quantité de comparaison. « Développement d’un système de recommandation pour le commerce en ligne » devient en master la comparaison de trois méthodes sur le même jeu de données, avec test de significativité et discussion des limites. L’ampleur croît là où croît la justification, pas là où croît le nombre de lignes.

Le projet de fin d’études en école d’ingénieurs

Le projet de fin d’études, abrégé PFE, est la forme du travail final dans les écoles d’ingénieurs et il se déroule le plus souvent en entreprise. Deux personnes encadrent : un tuteur académique et un tuteur industriel. Pour le choix du sujet, cela change une chose importante. Le sujet doit intéresser l’entreprise et tenir devant un jury, et ces deux attentes ne coïncident pas toujours. Mets la question d’évaluation sur la table dès le premier entretien.

Tailler un sujet pour un rapport de stage de licence

Pour un rapport de stage, prends une proposition de la liste et retire tout l’aspect comparatif. « Méthodes agiles et modèle en cascade : comparaison de deux approches » devient « Les rétrospectives dans une équipe Scrum : déroulement et utilité perçue ». Un rapport de stage n’a pas besoin d’un jeu de référence, il a besoin d’une description propre et d’une affirmation étayée. D’autres exemples figurent dans la liste de sujets pour un mémoire ou un travail de séminaire.

Informatique ou informatique de gestion : où va quel sujet

Informatique et informatique de gestion se recoupent largement, mais la question d’examen diffère. L’informatique demande comment un système fonctionne et s’il fonctionne mieux qu’un autre. L’informatique de gestion demande si un système sert une organisation et ce que son déploiement coûte. Concrètement : si ton sujet contient une grandeur issue du système, c’est de l’informatique. S’il contient une grandeur issue de l’entreprise, c’est de l’informatique de gestion.

Une fois le sujet arrêté, il reste le pas vers la problématique. Une question de recherche n’est pas la même chose qu’un sujet : elle doit pouvoir être tranchée, et avec les données que tu obtiendras vraiment. La différence entre problématique, thèse et hypothèse est expliquée dans l’article Thèse, hypothèse, problématique.

Erreurs courantes dans le choix d’un sujet d’informatique

Quatre erreurs reviennent particulièrement souvent dans le choix d’un sujet d’informatique : un nom de technologie pris pour un sujet, un prototype sans base de comparaison, un cadre juridique périmé et un accès aux données qui manque. Les quatre ont le même noyau : le sujet est pensé depuis la technique et non depuis la question.

Les quatre se corrigent avant l’inscription. Après, non, car le sujet et le titre sont alors fixés et tout échange suppose une nouvelle inscription.

Le sujet est une technologie, pas une question

« La chaîne de blocs dans la logistique » est un domaine, pas un mémoire. L’erreur vient de ce que les noms de technologies sont les mots familiers des cours et des offres d’emploi. Le résultat est un travail qui explique la technologie sur trente pages et ce que tu en as fait sur cinq. La sortie est mécanique : ajoute derrière ton sujet un système, un public et une grandeur. Si c’est encore trop vaste, coupe la moitié.

Le prototype tourne, mais il n’y a rien à montrer

L’échec le plus fréquent des mémoires d’informatique : le système fonctionne, la remise approche et il n’existe aucune base de comparaison. La partie résultats annonce alors que l’application a « été implémentée avec succès », et cela ne vaut aucun point à la notation. Fixe avant le premier commit ce à quoi tu compares : une solution existante, une méthode de référence simple ou l’état antérieur à ta modification.

Cadre juridique périmé : le règlement sur l’IA s’applique désormais

Les listes de sujets en ligne traitent encore l’intelligence artificielle comme un domaine non régulé. Depuis août 2024, c’est faux. Le règlement européen sur l’intelligence artificielle, règlement (UE) 2024/1689, est entré en vigueur le 1er août 2024. Les interdictions et l’obligation de maîtrise de l’IA s’appliquent depuis le 2 février 2025, les obligations pour les modèles à usage général depuis le 2 août 2025 et la plus grande partie du règlement depuis le 2 août 2026 (Commission européenne).

Pour ton choix de sujet, un pas de contrôle en découle. Qui développe un système d’intelligence artificielle pour un usage concret, par exemple le recrutement, l’éducation ou la santé, le classe dans la partie théorique par niveau de risque et nomme les obligations attachées. Un travail purement algorithmique sans usage concret n’en a pas besoin. Cet article n’est pas un conseil juridique, le texte du règlement fait foi.

Pas d’accès aux données que tu voulais traiter

Un sujet d’analyse de sentiment sur une plateforme sociale se lit bien et s’arrête souvent devant un mur payant. Des interfaces encore libres en 2020 sont aujourd’hui payantes ou fermées. Il en va de même pour les données d’entreprise : un accord oral pendant un stage n’est pas une autorisation du service juridique. Télécharge le jeu de données ou obtiens l’accord écrit avant d’inscrire le sujet.

Liste de contrôle avant l’inscription

• Système, public et grandeur mesurée figurent dans le titre de travail.
• La base de comparaison pour l’évaluation est nommée.
• Le jeu de données est téléchargé ou l’accord est écrit.
• Des participants pour un test utilisateur sont joignables.
• Temps de calcul et outils sont clarifiés.
• Une équipe de ton établissement encadre le domaine.

Un sujet d’informatique n’est pas bon parce que la technique est passionnante. Il est bon parce que tu peux mesurer quelque chose à la fin.

Conclusion

Retiens des 220 propositions trois sujets qui correspondent à une équipe de ton établissement, puis décide d’après l’évaluation et non d’après l’intérêt. Les sujets d’informatique théorique et de mathématiques passent toujours, parce que tu n’as de données à demander à personne. Tout ce qui comporte un test utilisateur ou une enquête demande quatre semaines d’avance et assez de participants.

Pour aller plus loin

• Tu veux savoir quelle longueur le mémoire doit avoir et quels chapitres y entrent ? Mémoire de Bachelor : guide, structure et exemple
• Il te faut un questionnaire pour ton test utilisateur ? Créer un questionnaire : guide, conseils et exemples
• Tu cherches un modèle prêt à l’emploi comme point de départ ? Modèles pour enquêtes et questionnaires

Ton sujet demande une enquête auprès d’utilisateurs ?

Crée le questionnaire en quelques minutes, partage le lien avec ton groupe de test et laisse analyser les réponses directement.

Créer une enquête pour ton mémoire