Quand on vient des maths, on a un avantage caché : on sait raisonner. La rigueur, la démonstration, la pensée abstraite, tout cela, c'est déjà de l'informatique sans le savoir. Le vrai enjeu, c'est de savoir comment passer concrètement de l'un à l'autre.
Voici les ressources qui ont vraiment changé ma façon de voir les choses.
1. Python for Everybody — Dr. Chuck (Coursera / YouTube)
Pour qui : Zéro expérience en code, fort en logique.
Si tu sors du Bac S ou d'une L1 maths, tu n'as pas besoin d'un cours pour débutants absolus. Tu as besoin d'un cours qui respecte ton intelligence. Dr. Chuck va vite sur la syntaxe et s'attarde sur les concepts. En quelques semaines, j'avais écrit mes premiers scripts Python utiles.
La transition maths vers Python est naturelle. Une fonction en maths est une fonction en Python. Un ensemble, c'est un set. Une suite, c'est une liste.
2. freeCodeCamp — College Algebra with Python
Pour qui : Les matheux qui veulent formaliser le lien entre les deux disciplines.
Ce parcours m'a convaincu que Python n'était pas une fin en soi, mais un outil de calcul. On y retrouve des notions de lycée (fonctions, équations, matrices) réécrites en code. C'est simple, gratuit et ça donne une certification concrète.
3. 3Blue1Brown — Essence of Linear Algebra et Essence of Calculus
Pour qui : Tout le monde, sans exception.
En L2 et L3, on fait de l'algèbre linéaire dans l'abstraction pure. Grant Sanderson (3Blue1Brown) te montre pourquoi une matrice est une transformation de l'espace. Ce pont entre visualisation et formalisation m'a aidé autant en cours qu'en Machine Learning.
Voir les maths en mouvement change tout.
4. CS50 de Harvard — Introduction to Computer Science
Pour qui : Ceux qui veulent une culture informatique solide, pas juste du Python.
C'est l'un des meilleurs cours d'introduction à l'informatique. En quelques semaines, tu comprends la mémoire, les algorithmes, les bases de données et le web. J'ai fait les premières semaines en parallèle de mes cours de L2 et cela m'a donné un vocabulaire essentiel.
5. Kaggle Learn — Data Science et Machine Learning
Pour qui : Après Python, quand on veut aller vers les données et l'IA.
Kaggle propose des micro-cours gratuits (Python, Pandas, visualisation, ML, SQL) avec des notebooks interactifs. En venant des maths, la statistique descriptive et l'algèbre linéaire prennent tout leur sens ici.
6. GitHub — Lire du vrai code
Pour qui : Dès qu'on sait écrire ses premières fonctions.
Les tutoriels ont une limite. Le vrai apprentissage vient de la lecture de code écrit par d'autres. Sur GitHub, j'ai appris énormément en explorant des projets open source. Forker, modifier, casser, comprendre : c'est comme ça qu'on progresse.
Mon conseil : choisis un petit projet Python qui t'intéresse et lis son code ligne par ligne.
Ce que j'aurais voulu qu'on me dise plus tôt
- Les maths ne sont pas un obstacle à l'informatique, elles en sont le fondement : probabilités vers Machine Learning, algèbre linéaire vers réseaux de neurones, graphes vers algorithmes.
- Le code s'apprend en faisant, pas en regardant. La progression devient réelle quand on construit ses propres projets.
- La régularité bat l'intensité : 30 minutes par jour valent mieux qu'un marathon de 6 heures le week-end.
Si tu es étudiant en maths à Dakar ou ailleurs en Afrique francophone et que tu veux te lancer dans l'informatique, ces ressources sont un point de départ concret. Tu as déjà les outils, il s'agit juste de les brancher sur le bon domaine.