• Thème

Optimisation de Portefeuille par Apprentissage Profond : Une Approche par Réseaux de Neurones pour la Prédiction des Rendements et la Gestion des Risques

2. Description

Ce projet de Master Recherche explore l'application des méthodes d'apprentissage profond (deep learning) à l'optimisation de portefeuilles financiers. Contrairement aux approches traditionnelles basées sur des hypothèses statistiques souvent restrictives (normalité des rendements, corrélations linéaires), les techniques de deep learning permettent de capturer des motifs non linéaires et des dépendances complexes dans les données financières. L'objectif est de développer un modèle capable de prédire les rendements et la volatilité des actifs, puis d'optimiser l'allocation du portefeuille en tenant compte des contraintes de risque et de liquidité.

Les candidats seront invités à :

• Collecter et prétraiter des données financières haute fréquence (prix, volumes, macro-variables) pour un ensemble d'actifs (actions, indices, obligations).
• Développer des architectures de réseaux de neurones (LSTM, GRU, Transformers) pour la prédiction des rendements et de la covariance des actifs.
• Intégrer des mécanismes d'attention pour identifier les variables influentes et améliorer l'interprétabilité des prédictions.
• Adapter des algorithmes d'optimisation de portefeuille (frontière efficiente, optimisation sous contraintes) pour incorporer les prédictions du modèle de deep learning.
• Tester la performance du portefeuille optimisé via des backtests robustes et comparer les résultats avec les méthodes classiques (Markowitz, Black-Litterman).
• Évaluer la robustesse du modèle durante les périodes de crise financière et de forte volatilité.

3. Compétences du candidat

Les candidats doivent posséder :

• De solides compétences en apprentissage profond et en traitement des données financières.
• Une maîtrise avancée de Python et des bibliothèques dédiées au deep learning (TensorFlow, PyTorch) et à l'analyse financière (Pandas, NumPy, Scikit-learn).
• Une connaissance des théories financières modernes (théorie du portefeuille, mesures de risque).
• Une aptitude à manipuler de larges jeux de données et à concevoir des pipelines de données robustes.
• Une familiarité avec les techniques de validation et de backtesting des modèles financiers.
• La maîtrise de l’anglais est nécessaire pour l’exploitation de la littérature académique.

4. Profil recherché

• Être titulaire d’un Master 1 ou diplôme équivalent en informatique, mathématiques appliquées, sciences économiques et de gestion, finance quantitative, data science, ou dans un domaine connexe.
• Avoir une expérience préalable en deep learning et/ou en analyse quantitative.
• Faire preuve de curiosité intellectuelle et de motivation pour la recherche appliquée en finance.
• Capacité à travailler de manière autonome et à présenter des résultats techniques de manière claire.

5. Équipe d’encadrement

Dr. KENMOE SIYOU Romuald

Optimisation Robuste des Portefeuilles Financiers par une Approche Copules pour une Meilleure Capture des Dépendances Extrêmes entre Actifs

2. Description

Ce projet de Master Recherche se situe à l'avant-garde de la finance quantitative et de la gestion des risques. Il vise à surmonter les limites des modèles d'optimisation de portefeuille traditionnels, qui reposent souvent sur l'hypothèse de normalité des distributions et de linéarité des dépendances (corrélation de Pearson). Ces hypothèses s'avèrent fréquemment violées en réalité, surtout en période de crise financière où les queues de distribution (les événements extrêmes) et les dépendances non-linéaires entre les actifs deviennent prédominantes.

L'objectif principal est de développer et de tester un framework d'optimisation de portefeuille qui utilise la théorie des copules pertubées pour modéliser de manière plus réaliste et plus flexible la structure de dépendance entre les actifs financiers. Les copules permettent de dissocier la modélisation des distributions marginales de chaque actif de la modélisation de leur structure de dépendance, capturant ainsi les asymétries et les dépendances de queues (le risque de crises concomitantes). Le candidat devra :

• Constituer une base de données de prix d'actifs financiers présentant des dépendances complexes (indices boursiers, obligations, matières premières, devises).
• Modéliser les distributions marginales des rendements de chaque actif à l'aide de modèles GARCH pour tenir compte de la volatilité conditionnelle hétéroscédastique.
• Identifier et calibrer les copules (e.g., Copule de Student, Copule de Clayton, Copule de Gumbel) les plus appropriées pour capturer les dépendances, notamment lors des mouvements de marché extrêmes.
• Intégrer les modèles de copules calibrés dans un processus d'optimisation de portefeuille (e.g., optimisation de la VaR conditionnelle, ou CVaR) pour construire des portefeuilles robustes.
• Évaluer la performance hors-échantillon et la résilience du portefeuille optimisé via copules en comparaison avec les approches standards (modèle de Markowitz, optimisation sous contraintes de VaR historique) notamment en période de stress marché.

3. Compétences du candidat

Les candidats doivent posséder :

• Une excellente maîtrise des concepts de probabilités, de statistiques inférentielles et de théorie des copules.
• De solides compétences en programmation pour la modélisation quantitative, impérativement en R(packages copula, rugarch, rmgarch, PerformanceAnalytics) et/ou en Python (librairies scipy, arch, copulae, riskfolio-lib).
• Une bonne connaissance des théories financières modernes (Théorie du Portefeuille de Markowitz, mesures de risque VaR/CVaR, modèles GARCH).
• Une aptitude avérée au traitement et à l'analyse de données financières massives (data mining, data cleaning).
• Une rigueur méthodologique exceptionnelle pour la validation et le backtesting des modèles. La maîtrise de l’anglais technique est indispensable pour l'exploitation de la littérature scientifique.

4. Profil recherché

• Être titulaire d’un Master 1 ou d’un diplôme d’ingénieur de conception en Mathématiques Appliquées, Statistique, Informatique Décisionnelle, Sciences économiques et de gestion,  Finance Quantitative, Data Scienceou Physique.
• Être disponible à temps plein et sans autres engagements académiques ou professionnels.
• Faire preuve d'une forte appétence pour la modélisation mathématique avancée et la résolution de problèmes complexes.
• Avoir un esprit critique et analytique pour évaluer la performance et les limites des modèles développés.
• Être capable de travailler en autonomie tout en s'intégrant efficacement dans l'écosystème de recherche du laboratoire.

5. Équipe d’encadrement

Prévision des Rendements des Indices Boursiers Africains par Intégration de Variables Macroéconomiques et de Sentiment Marché à l'Aide de Modèles Hybrides (LSTM-Réseaux Bayésiens)

2. Description

Ce projet de Master Recherche aborde le défi complexe de la prévision des rendements sur les marchés financiers africains, caractérisés par une efficience informationnelle limitée, une plus faible liquidité et une plus forte exposition aux chocs idiosyncratiques locaux et internationaux. Les modèles de prévision traditionnels peinent à capturer les non-linéarités et les dynamiques complexes de ces marchés.

L'objectif est de développer et de valider un modèle de prévision hybride et novateur qui combine la puissance des réseaux de neurones récurrents (LSTM - Long Short-Term Memory) pour traiter les séries temporelles financières avec la rigueur des réseaux bayésiens pour intégrer structurellement l'impact de variables macroéconomiques (PIB, inflation, flux d'investissements directs étrangers) et de indicateurs de sentiment marché (dérivés de l'analyse de sentiments sur les réseaux sociaux et les news locales). Ce projet vise à :

• Constituer une base de données panel unique, fusionnant les données de rendements haute fréquence des principaux indices boursiers africains (BRVM, JSE, NGSE, etc.) avec des données macroéconomiques et des indicateurs de sentiment construits par traitement du langage naturel (NLP).
• Comparer la performance prédictive hors-échantillon de modèles classiques (ARIMA, GARCH) avec des modèles avancés d'apprentissage machine (LSTM pur, Random Forests).
• Concevoir et entraîner une architecture hybride LSTM-Réseau Bayésien où le réseau bayésien influence les hyperparamètres ou les couches de sortie du LSTM en fonction des conditions macroéconomiques.
• Évaluer la robustesse des prévisions et leur potentiel application dans une stratégie de trading quantitative simple, en tenant compte explicitement des coûts de transaction élevés sur ces marchés.
• Produire une analyse fine des déterminants de la performance des indices africains, contribuant ainsi à la littérature académique sur le financement du développement et l'efficience des marchés frontières.

3. Compétences du candidat

Les candidats doivent posséder :

• De solides compétences en modélisation statistique et en apprentissage machine (Machine Learning), notamment sur les séries temporelles.
• Une maîtrise avérée de la programmation en Pythonavec les bibliothèques spécialisées (Pandas, NumPy, Scikit-learn, TensorFlow/Keras, PyMC3 ou pgmpy pour les réseaux bayésiens, NLTK/Spacy pour le NLP).
• Une forte aptitude à la collecte, au nettoyage et à la fusion de données massives et hétérogènes (web scraping d'articles financiers, utilisation d'APIs comme Yahoo Finance, gestion de bases de données).
• Une bonne connaissance des principaux indicateurs macroéconomiques et de leur impact théorique sur les marchés financiers.
• Une rigueur méthodologique absolue pour le backtesting et la validation des modèles prédictifs. La maîtrise de l'anglais est indispensablepour l'accès aux données internationales et la littérature académique.

4. Profil recherché

• Être titulaire d’un Master 1 ou d’un diplôme d’ingénieur de conception en Data Science, Informatique Décisionnelle, Mathématiques Financières, Économétrie, Statistiqueou Génie Informatique.
• Être disponible à temps plein et sans autres engagements académiques ou professionnels.
• Faire preuve d'une curiosité intellectuelle forte pour la finance de marché, l'économie du développement et l'innovation algorithmique.
• Démontrer un intérêt marqué pour le continent africain et ses dynamiques économiques.
• Avoir une capacité avérée à travailler en autonomie sur un projet complexe et à présenter des résultats techniques de manière claire et synthétique.

5. Équipe d’encadrement

• Thème 4

  Développement d’un Algorithme de Trading Haute Fréquence par Apprentissage Profond pour les Marchés Financiers Africains

  2. Description

  Ce projet de Master Recherche vise à concevoir et implémenter un algorithme de trading algorithmique fondé sur des techniques avancées d’apprentissage profond (Deep Learning). L’objectif est de prédire les mouvements de prix à court terme sur les indices boursiers et actions individuelles des marchés financiers africains, qui présentent à la fois des opportunités de rendement et des défis spécifiques (liquidité limitée, volatilité élevée, inefficiences informationnelles).

  Le projet combinera l’analyse des séries temporelles financières, le traitement du langage naturel (NLP) pour intégrer l’actualité économique et politique locale, et l’apprentissage profond pour capturer des motifs non linéaires et des dépendances complexes. Les livrables incluront un système automatisé de suggestion de signaux de trading et une analyse comparative de sa performance par rapport à des stratégies benchmarks.

  Les candidats seront invités à :

  • Collecter et prétraiter des données financières haute fréquence (prix, volumes) et des données textuelles (actualités, réseaux sociaux) relatives aux marchés africains.
  • Développer et entraîner des architectures de deep learning adaptées (par exemple : réseaux de neurones récurrents - LSTM, GRU - ou transformers) pour la prédiction de rendements ou de volatilités.
  • Intégrer des mécanismes d’attention pour identifier les drivers sous-jacents des prédictions.
  • Concevoir et tester une stratégie de trading incluant des contraintes de risque, de liquidité et de coûts de transaction réalistes.
  • Évaluer la performance de la stratégie via des backtests robustes et des métriques financières pertinentes (Sharpe, drawdown, etc.).
  3. Compétences du candidat

  Les candidats doivent posséder :

  • Une solide formation en mathématiques appliquées, informatique, data science ou ingénierie financière.
  • Une expérience avérée en programmation Python et en manipulation de données (Pandas, NumPy).
  • Une maîtrise des frameworks de deep learning (TensorFlow ou PyTorch) et des bibliothèques de traitement du langage naturel (NLTK, spaCy).
  • Des connaissances en finance de marché, en particulier sur les mécanismes de trading, la gestion des risques et l’analyse technique/quantitative.
  • Une aptitude à travailler avec des volumes importants de données et à mener des expérimentations complexes.
  • La maîtrise de l’anglais est nécessaire pour l’exploitation de sources internationales.
  4. Profil recherché
  • Titulaire d’un Master 1 ou diplôme équivalent en informatique, mathématiques, ingénierie financière, data science, ou domains connexes.
  • Une expérience préalable en trading algorithmique ou en projets de deep learning est un atout.
  • Capacité à travailler de manière autonome et à s’intégrer dans une équipe pluridisciplinaire.
  • Curiosité intellectuelle et forte motivation pour la recherche appliquée en finance digitale.
  5. Équipe d’encadrement
  Dr. KENMOE SIYOU Romuald N

• . Thème 5

  Finance Verte au Cameroun : Évaluation des Opportunités d'Investissement Durable et Développement d'un Cadre d'Optimisation de Portefeuille Vert

  2. Description

  Ce projet de Master Recherche explore le potentiel de la finance verte au Cameroun, en se concentrant sur l'identification, l'évaluation et l'optimisation des opportunités d'investissement durable dans des secteurs clés tels que les énergies renouvelables, l'agriculture durable, la gestion des déchets, et la préservation des écosystèmes. Le projet vise à combiner l'analyse financière, la modélisation des risques environnementaux et sociaux, et les techniques d'optimisation de portefeuille pour proposer des stratégies d'investissement alignées sur les objectifs de développement durable (ODD) du Cameroun.

  Les candidats seront invités à :

  • Recenser et analyser les initiatives vertes existantes au Cameroun (projets solaires, éoliens, hydroélectriques, agroforesterie, etc.) et évaluer leur rentabilité financière et leur impact environnemental.
  • Développer des métriques pour quantifier les risques climatiques et les opportunités de transition verte dans le contexte camerounais.
  • Construire un portefeuille d'actifs verts en utilisant des méthodes d'optimisation modernes (théorie du portefeuille de Markowitz, mesures de risque ESG, modèles de scoring environnemental).
  • Proposer un cadre réglementaire et incitatif pour favoriser l'investissement vert au Cameroun, en s'appuyant sur des études de cas internationales.
  • Simuler des scénarios de transition énergétique et évaluer la résilience des portefeuilles verts face aux chocs climatiques et économiques.
  3. Compétences du candidat

  Les candidats doivent posséder :

  • De solides connaissances en finance d'entreprise, en analyse d'investissement et en gestion de portefeuille.
  • Une familiarité avec les enjeux du développement durable, des énergies renouvelables et de l'économie verte.
  • Des compétences en modélisation quantitative et en analyse de données (Python, R, Excel avancé).
  • Une aptitude à mener des recherches terrain, including des entretiens avec des acteurs clés (entreprises, institutions financières, ONG).
  • Une maîtrise des cadres réglementaires et des normes internationales en matière de finance verte (Green Bonds, principes ESG).
  • La maîtrise de l’anglais est un atout pour accéder à la littérature internationale.
  4. Profil recherché
  • Être titulaire d’un Master 1 ou diplôme équivalent en finance, énergie, économie, ingénierie environnementale, gestion des ressources naturelles, ou dans un domaine connexe.
  • Avoir un intérêt marqué pour les questions environnementales et le développement durable.
  • Capacité à travailler de manière autonome et à synthétiser des informations complexes issues de sources variées.
  • Une expérience préalable dans le secteur de l'énergie ou de l'environnement est un plus.
  5. Équipe d’encadrement
  • KENMOE SIYOU Romuald N

• Thème 6

  Détection du Moment Optimal d’Achat sur les Marchés Africains par la Théorie de l’Arrêt Optimal : Application aux Inversions de Tendance

  2. Description

  Ce projet de Master Recherche vise à développer un cadre théorique et pratique pour identifier le moment optimal d’entrée sur les marchés financiers africains lors de retournements de tendance, en utilisant la théorie de l’arrêt optimal. Les marchés africains, caractérisés par une volatilité élevée et une faible liquidité, présentent des opportunités de rendement significatives lors de phases de correction ou de reprise, mais ces opportunités sont difficiles à capturer avec les méthodes traditionnelles.

  L’objectif est de modéliser le problème de décision d’investissement comme un problème d’arrêt optimal, où l’investisseur cherche à maximiser son rendement espéré en choisissant le meilleur moment pour acheter un actif, en se basant sur l’observation de signaux de retournement de tendance. Le projet combinera la modélisation stochastique, l’analyse des séries temporelles et des simulations numériques pour proposer des stratégies d’investissement robustes.

  Les candidats seront invités à :

  • Analyser les caractéristiques des cycles de marché et des signaux d’inversion de tendance sur les principaux indices boursiers africains (par exemple : BRVM, JSE, NGSE).
  • Formuler mathématiquement le problème d’arrêt optimal pour la détection des points d’entrée, en tenant compte des coûts de transaction et des contraintes de liquidité.
  • Développer et implémenter des algorithmes de résolution pour le problème d’arrêt optimal (équations de Bellman, méthodes de programmation dynamique).
  • Tester la performance des stratégies proposées via des backtests sur données historiques, en les comparant à des stratégies benchmarks (achat simple, stratégies techniques classiques).
  • Évaluer la robustesse des modèles en période de crise et proposer des ajustements pour les marchés faiblement liquides.
  3. Compétences du candidat

  Les candidats doivent posséder :

  • Une solide formation en mathématiques appliquées, probabilités stochastiques et processus aléatoires.
  • Une maîtrise de la théorie de l’arrêt optimal, de la programmation dynamique ou des méthodes de contrôle stochastique.
  • Des compétences avancées en programmation (Python, R, ou MATLAB) pour la modélisation et la simulation numérique.
  • Une connaissance des marchés financiers, en particulier des marchés émergents et frontières.
  • Une aptitude à analyser des séries temporelles financières et à interpréter les signaux de trading.
  • La maîtrise de l’anglais est nécessaire pour l’exploitation de la littérature académique et des données financières.
  4. Profil recherché
  • Titulaire d’un Master 1 ou diplôme équivalent en mathématiques financières, ingénierie financière, recherche opérationnelle, ou dans un domaine connexe.
  • Une expérience en modélisation stochastique ou en trading algorithmique est un atout.
  • Capacité à formaliser et résoudre des problèmes décisionnels complexes sous incertitude.
  • Curiosité intellectuelle et motivation pour appliquer des théories avancées à des problématiques concrètes de marchés émergents.
  5. Équipe d’encadrement
  • KENMOE SIYOU Romuald N

• . Thème 7

  Impact du Levier Financier sur la Performance et sa Volatilité dans les PME Camerounaises : Une Analyse Quantitative

  2. Description

  Ce projet de Master Recherche vise à analyser l'impact de l'endettement sur la performance des Petites et Moyennes Entreprises (PME) camerounaises, en considérant à la fois le niveau de performance moyen et sa volatilité. Les PME jouent un rôle crucial dans l'économie camerounaise, mais leur accès au financement et leur gestion du levier financier restent des défis majeurs. Une utilisation excessive de la dette peut amplifier les risques et la volatilité des résultats, tandis qu'une structure de capital optimale peut améliorer la rentabilité.

  L'étude combinera l'analyse empirique, la modélisation économétrique et l'évaluation des risques pour déterminer l'effet du levier financier sur des indicateurs de performance tels que la rentabilité économique (ROA) et financière (ROE), ainsi que sur la stabilité de ces performances. Le projet s'appuiera sur des données financières collectées auprès d'un échantillon représentatif de PME camerounaises sur une période récente.

  Les candidats seront invités à :

  • Collecter et structurer des données financières (bilan, compte de résultat) auprès d'un échantillon de PME camerounaises sur plusieurs années.
  • Calculer des indicateurs de performance (ROA, ROE, marge nette) et de levier financier (ratio d'endettement, capacité de remboursement).
  • Développer des modèles économétriques (régressions linéaires et non linéaires, modèles de panel) pour estimer l'impact de l'endettement sur la performance moyenne et sa volatilité.
  • Analyser les seuils d'endettement optimaux pour maximiser la performance tout en minimisant le risque de volatilité excessive.
  • Proposer des recommandations aux gestionnaires de PME et aux institutions financières sur la gestion du levier financier.
  3. Compétences du candidat

  Les candidats doivent posséder :

  • De solides compétences en analyse financière, en économétrie et en gestion d'entreprise.
  • Une maîtrise des outils statistiques et économétriques (Stata, R, SPSS, ou EViews) pour l'estimation de modèles de régression et de données de panel.
  • Une connaissance des spécificités des PME, notamment dans le contexte des économies en développement.
  • Une compréhension des mécanismes de levier financier et de leur impact sur la rentabilité et le risque.
  • La maîtrise de l’anglais est un atout pour l’exploitation de la littérature académique.
  4. Profil recherché
  • Être titulaire d’un Master 1 ou diplôme équivalent en finance, économie, gestion, ou dans un domaine connexe.
  • Avoir un intérêt marqué pour l'économie camerounaise et les défis des PME.
  • Capacité à mener des analyses quantitatives rigoureuses et à interpréter des résultats économétriques.
  • Une expérience préalable en analyse financière ou en économétrie appliquée est un plus.
  5. Équipe d’encadrement
  • KENMOE SIYOU Romuald N

• Thème 8

  Relation Dynamique entre Rendements Boursiers, Volume des Transactions et Volatilité : Une Analyse Comparative des Marchés Boursiers Africains

  2. Description

  Ce projet de Master Recherche vise à étudier les relations dynamiques et interdépendantes entre les rendements boursiers, le volume des transactions et la volatilité sur les marchés boursiers africains. Ces marchés, bien qu'en pleine croissance, présentent des caractéristiques uniques telles qu'une liquidité limitée, une forte volatilité et une sensibilité accrue aux flux informationnels. Comprendre les interactions entre ces variables est essentiel pour les investisseurs, les régulateurs et les académiques, afin d’améliorer la prise de décision et la stabilité marché.

  L’étude utilisera des données historiques de haute fréquence (quotidiennes ou intrajournalières) des principaux indices boursiers africains (par exemple, BRVM, JSE, NGSE, EGX) et appliquera des modèles économétriques avancés pour capturer les causalités, les asymétries et les persistances dans ces relations. Le projet contribuera à la littérature financière sur les marchés émergents et fournira des insights pratiques pour la gestion des risques et l’élaboration de stratégies d’investissement.

  Les candidats seront invités à :

  • Collecter et harmoniser des données de rendements, volumes et volatilité (calculée via modèles GARCH) pour un panel de marchés boursiers africains sur une période significative.
  • Analyser les corrélations et causalités (via tests de Granger) entre les variables d’intérêt, en identifiant d’éventuels effets asymétriques (e.g., impact différencié des hausses vs baisses des volumes sur la volatilité).
  • Estimer des modèles multivariés (tels que les modèles VAR ou les modèles à correction d’erreurs) pour étudier les relations à court et long terme.
  • Examiner l’impact de chocs exogènes (crises financières, chocs politiques) sur ces relations à travers des analyses de rupture structurelle.
  • Proposer des implications pour la gestion de portefeuille, la liquidité marché et les politiques de régulation.
  3. Compétences du candidat

  Les candidats doivent posséder :

  • Une solide formation en économétrie, en séries temporelles financières et en analyse quantitative.
  • Une maîtrise des logiciels statistiques et économétriques (R, Stata, EViews, ou Python avec bibliothèques spécialisées) pour l’estimation de modèles complexes (GARCH, VAR, tests de causalité).
  • Une connaissance des marchés financiers, en particulier des marchés émergents et africains.
  • Une aptitude à manipuler et analyser de larges jeux de données financières, y compris le traitement des valeurs manquantes et des outliers.
  • Une capacité à interpréter des résultats économétriques et à les relier à la théorie financière.
  • La maîtrise de l’anglais est nécessaire pour l’accès aux bases de données internationales et la littérature académique.
  4. Profil recherché
  • Titulaire d’un Master 1 ou diplôme équivalent en finance, économétrie, statistique, ou dans un domaine connexe.
  • Avoir un intérêt pour la finance de marché et les spécificités des économies émergentes.
  • Capacité à travailler de manière autonome sur un projet quantitatif exigeant, avec rigueur méthodologique.
  • Une expérience préalable en analyse de données financières ou en modélisation économétrique est un atout.
  5. Équipe d’encadrement
  • KENMOE SIYOU Romuald N

• . Thème 9

  Analyse de l’Intégration Économique des Pays Africains dans la Zone CEEAC : Enjeux, Défis et Perspectives pour le Développement Régional

  2. Description

  Ce projet de Master Recherche vise à analyser le processus d’intégration économique des pays membres de la Communauté Économique des États de l’Afrique Centrale (CEEAC). Malgré les objectifs ambitieux de libre-échange, de coordination des politiques économiques et de facilitation de la circulation des biens et des personnes, l’intégration régionale en Afrique centrale reste limitée. Ce projet cherche à identifier les facteurs facilitants et les obstacles à une intégration réussie, en mettant l’accent sur les aspects économiques, logistiques, politiques et infrastructurels.

  Les candidats seront invités à :

  • Étudier le cadre institutionnel et les mécanismes de coopération économique au sein de la CEEAC.
  • Analyser les flux commerciaux, les barrières douanières et les infrastructures logistiques entre les États membres.
  • Évaluer l’impact des politiques communes (tarifaires, monétaires, fiscales) sur le commerce intra-régional et le développement économique.
  • Identifier les défis liés à la mise en œuvre des protocoles d’intégration (divergences politiques, asymétries économiques, contraintes infrastructurelles).
  • Proposer des stratégies pour renforcer l’intégration, en s’inspirant des meilleures pratiques issues d’autres communautés économiques régionales (CEDEAO, UEMOA).
  • Utiliser des modèles économétriques pour quantifier les gains potentiels d’une intégration approfondie (augmentation du PIB, réduction de la pauvreté, diversification économique).

   

  3. Compétences du candidat

  Les candidats doivent posséder :

  • De solides connaissances en économie internationale, en intégration régionale et en politiques économiques.
  • Une maîtrise des outils quantitatifs (logiciels : Stata, R, ou Python) pour l’analyse des données commerciales et macroéconomiques.
  • Une capacité à analyser des textes juridiques et réglementaires relatifs aux accords d’intégration.
  • Une familiarité avec les enjeux de développement et les dynamiques socio-économiques de l’Afrique centrale.
  • Des compétences en recherche documentaire et en collecte de données auprès d’institutions régionales (CEEAC, Banque Mondiale, BCEAC).
  • La maîtrise du français est essentielle, et celle de l’anglais est un atout pour l’accès à la littérature académique internationale.

   

  4. Profil recherché
  • Être titulaire d’un Master 1 ou diplôme équivalent en économie, relations internationales, sciences politiques, gestion du développement, ou dans un domaine connexe.
  • Avoir un intérêt marqué pour les questions d’intégration régionale, de coopération économique et de développement en Afrique.
  • Capacité à mener des analyses comparatives et à proposer des recommandations politiques fondées sur des preuves.
  • Aptitude à travailler de manière autonome et à synthétiser des informations complexes issues de sources variées.
  5. Équipe d’encadrement
  • KENMOE SIYOU Romuald N

•  

  1. Thème

  Blockchain pour la traçabilité des matériaux recyclé

  2. Description

  Ce projet de recherche appliquée vise à concevoir, prototyper et évaluer un système de traçabilité basé sur la technologie blockchain pour les matériaux recyclés tout au long de la chaîne de valeur de l'économie circulaire. L'objectif principal est de créer un registre numérique infalsifiable et transparent qui enregistre chaque étape du cycle de vie d'un matériau : de son identification en tant que déchet, lors de la collecte et du tri, pendant le processus de recyclage, jusqu'à sa réintroduction en tant que matière première secondaire dans la fabrication de nouveaux produits.     

                 En garantissant l'authenticité et la qualité des données le projet cherche à résoudre le problème de méfiance qui freine l'adoption massive des matières recyclées par les industriels. L'impact final est de valoriser économiquement les efforts de recyclage, d'accélérer la transition vers une économie circulaire et de fournir aux consommateurs une preuve tangible de l'engagement écologique des produits qu'ils achètent.

   

  3. Compétences du candidat

  Ce projet s'adresse à un candidat inscrit en Master 2 recherche ou dans des filières telles que SupplyChain Management, Logistique, Systèmes d'Information, Informatique Décentralisée, ou Génie Industriel. Les prérequis académiques indispensables incluent une solide compréhension des principes de la supplychain et des enjeux de l'économie circulaire. Une connaissance des concepts fondamentaux de la blockchain (blocs, hachage, consensus, smart contracts) est essentielle. Une appétence pour les aspects techniques est requise, bien que le développement profond ne soit pas forcément l'objectif premier. La maîtrise d'outils de modélisation de processus (BPMN) et une bonne culture générale sur les technologies disruptives sont fortement attendues.

   

  4. Profil recherché

   

  • Analytiques : Capacité à modéliser et analyser des processus métier complexes pour identifier les points de données critiques à tracer.
  • Techniques : Une expérience avec des plateformes blockchain de type enterprise (Hyperledger Fabric, Ethereum Enterprise) ou des connaissances en développement de smart contracts (Solidity) serait un atout majeur.
  • Rigueur et innovation : Curiosité intellectuelle, autonomie et forte capacité à proposer des solutions innovantes pour adresser un défi environnemental concret.
  • Qualités personnelles : Excellentes capacités de rédaction et de synthèse, esprit d'équipe et forte motivation pour contribuer à un projet à impact positif sur l'environnement.

   

  5. Equipe d’encadrement
  • KENMOE SIYOU Romuald N