Top piège du sujet
Domaines d'utilisation des théorèmes d'automatique non connus
Statistiques jury
Comment les candidats s'en sont sortis
Notes brutes officielles publiées par le jury — non harmonisées.
Moyenne
9.50
Médiane
9.5
Écart-type
3.50
Q1 (25%)
7.0
Q3 (75%)
12.0
Candidats présents
—
Comparaison
Comment ce sujet se compare aux autres
Moyenne stable par rapport à 2022 (9.5 vs 9.5). Écart-type plus élevé (σ 3.26 → 3.5), notes plus dispersées.
Calculateur
Où je me situe sur ce sujet ?
Entrez votre note brute. Le percentile et la position se mettent à jour en temps réel.
Analyse
Ce qu'a observé le jury
Synthèse Hadamard du rapport officiel — citations, chiffres et conseils du jury.
Présentation du sujet
Épreuve de modélisation 5h sur la modélisation d'un éco-bâtiment. 50 questions sur 27 pages, 4 parties indépendantes. Partie 1 : extraction d'informations d'une base de données pour optimisation de gestion d'énergie. Partie 2 : modélisation et contrôle thermique d'un bâtiment. Partie 3 : récupération et mise en forme de l'énergie solaire (panneaux photovoltaïques, MPPT). Partie 4 : commande prédictive thermique + méthode Machine Learning.
Structure de l'épreuve
- Partie I — Partie 1, Extraction de données (météo, mesures)(Q1-Q10)Abordable
Étude et extraction d'informations d'une base de données pour optimisation de gestion d'énergie. Préambule à la suite du sujet.
- Partie II — Partie 2, Modélisation et contrôle thermique du bâtiment(Q11-Q25)Niveau attendu
Modèle thermique, contrôle de la température. Maîtrise des outils thermiques de PSI.
- Partie III — Partie 3, Énergie solaire (panneaux PV, MPPT)(Q26-Q40)Difficile
Récupération et mise en forme de l'énergie solaire. Lois de l'électrocinétique. Convertisseurs DC/DC, MPPT (Maximum Power Point Tracking).
- Partie IV — Partie 4, Commande prédictive + Machine Learning(Q41-Q50)Très difficile
Dimensionnement d'une méthode de commande haut niveau. Méthode issue du Machine Learning. Conditions d'utilisation des théorèmes d'automatique souvent ignorées.
Analyse globale du jury
« Le sujet s'appuyait sur des connaissances et des compétences de disciplines complémentaires comme l'informatique, les mathématiques, les sciences de l'ingénieur et les sciences physiques. La moyenne générale de l'épreuve est de 9,5/20 avec un écart type de 3,5. Le jury tient à féliciter les candidats qui depuis plusieurs années prennent en compte la qualité de rédaction et la mise en valeur des résultats. »
Top pièges sanctionnés
Domaines d'utilisation des théorèmes d'automatique non connus-2 pts
« Cela a été notamment le cas pour les questions d'automatique où peu de candidats connaissent les domaines d'application de l'automatique. De plus, l'utilisation des termes propres à l'automatique est confuse, notamment, sur les entrées, les perturbations, les pôles, les constantes de temps, etc. »
Manque de recul sur applications numériques (vitesses > c, énergies > solaire)-2 pts
« Depuis plusieurs années, nous remarquons un manque de recul quant aux applications numériques. Des candidats ne sont pas choqués par des vitesses plus grandes que la vitesse de la lumière ou des énergies produites plus grandes que l'énergie solaire. »
Hypothèses des théorèmes non explicitées-2 pts
« De manière générale, les candidats ne connaissent pas ou peu les conditions d'utilisation de théories ou théorèmes. »
Chapitres clés à maîtriser
Bosse chaque chapitre sur d'autres sujets de concours qui le couvrent.
Source : Rapport du jury X-ENS · Modelisation PSI, session 2023 · PDF officiel ↗
Contexte
L'épreuve en quelques chiffres
L'épreuve Modélisation X-ENS PSI 2023 s'est déroulée le 19 avril 2023, durée 5h, coefficient 5. Sujet sur la modélisation d'un éco-bâtiment : 4 parties indépendantes : extraction de données, thermique, énergie solaire, commande prédictive avec Machine Learning.
Stats officielles : moyenne 9,5/20, écart-type 3,5. Distribution gaussienne propre.
Accompagnement personnalisé
Travaillez ce sujet avec un prof de l'équipe
Nos professeurs anciens taupins (Polytechnique, ENS, Centrale) reprennent ce sujet avec toi en cours particulier — corrigé ligne par ligne, méthode, pièges évités.
Trouvez le prof qu'il vous faut
Échangez avec notre équipe pour trouver le professeur idéal selon vos besoins.
Stratégie
Notre approche pour ce sujet
Quatre parties indépendantes, possibilité de choisir 2-3 parties bien maîtrisées plutôt que survoler les 4. Stratégie : Partie 1 + 2 sont accessibles, Partie 3 demande de l'électrocinétique, Partie 4 (automatique avancée) est piégeuse.
Gestion des 5h : 20 min lecture, 1h sur Partie 1 (Q1-Q10, extraction données), 1h30 sur Partie 2 (Q11-Q25, thermique), 1h30 sur Partie 3 (Q26-Q40, photovoltaïque + MPPT), 30 min sur Partie 4 (Q41-Q50, ML). Si automatique mal maîtrisée, sacrifier Partie 4 pour soigner les autres.
Conseils du jury
Cinq conseils transversaux
- Connaître les domaines d'application des théorèmes d'automatique : fonction transfert, pôles, constantes de temps, perturbations.
- Vocabulaire d'automatique précis : entrée, perturbation, pôle, constante de temps. Ne pas confondre.
- Vérifier l'ordre de grandeur des AN : vitesse < c, énergie ≤ solaire reçue, etc.
- Soigner la rédaction et la mise en valeur des résultats : le jury félicite les bons candidats sur ce point.
- Choisir 2-3 parties à fond plutôt que les 4 survolées.
Ressources
Téléchargements
Sujet officiel, corrigé Hadamard et rapport jury — tout en un endroit.
FAQ