Certification professionnelle

Objectifs et contexte de la certification :

La certification vise à préparer au métier de Chef de Projet en Intelligence Artificielle. Elle répond à un besoin du monde professionnel dans un secteur en pleine mutation qui subit de plein fouet les changements induits par les nouvelles technologies.

L’apparition du métier est récente et tient à la conjonction de trois facteurs principaux : 

• Le développement de grandes masses de données,
• Le développement de moyens de calculs puissants (en lien avec l’utilisation des GPU pour les PC individuels, et plus globalement avec la loi de Moore),
• La mise au point d’algorithmes puissants : les réseaux de neurones convolutifs (associés au développement du Deep Learning)

Dans ce contexte, la plupart des entreprises ont des besoins en termes d’intégration de l’intelligence artificielle dans leur process.

Pour que cette intégration soit efficace, il faut à la fois maitriser la partie technique de l’intelligence artificielle, mais également le mode de fonctionnement des entreprises.

Le chef de projet intelligence artificielle apporte une réponse à cette double problématique en faisant le lien entre les volets technologiques et organisationnels des transformations IA.

Dans ce contexte, les activités abordées par la certification couvrent les deux grands domaines de la conduite de projet d'IA qui nécessite l’acquisition de compétences en « Business et Management » et des compétences techniques en IA. Il s’agit d’un profil que l’on trouve peu sur le marché et pour lequel la demande est forte.

Activités visées :

Le chef de projet en intelligence artificielle est chargé de l’approche globale de l'écosystème de l'intelligence artificielle et doit explorer ses opportunités potentielles dans différents contextes, par l'animation d’ateliers, la formalisation des idées recueillies, ainsi que par du prototypage et des tests.

Il a pour activité l'identification des principales exigences techniques, budgétaires, organisationnelles et des ressources en capital humain, pour mettre en œuvre un projet d'IA, le management de l’équipe projet IA, ainsi que de la mise en place du plan de formation et de la préparation de supports de communication. Il est également chargé du traitement des différents types de processus de données, de la modélisation de données, de la conception du modèle IA et de son optimisation. Enfin il a aussi pour missions la définition de l’expérience utilisateur, le contrôle du respect de la règlementation, la prévention des risques globaux ainsi que la présentation des enjeux technologiques.

Compétences attestées :

Identifier des projets IA en exerçant une veille sur les innovations internationales fondées sur l’intelligence artificielle, en particulier dans les domaines du Machine Learning, Deep Learning, Neural Networks (Recurrent or Convolutional), en recueillant les enjeux métiers auprès des parties prenantes de l’organisation, afin que les innovations identifiées et les besoins particuliers d’une entreprise ou d’un secteur d’activité soient en corrélation.

Déterminer les solutions facilitant l’usage des projets IA, en exerçant une veille, en échangeant avec ses pairs et en respectant les bonnes pratiques et la réglementation déjà établies (notamment le RGAA) afin d’assurer l’accessibilité de ces projets aux personnes en situation de handicap.

Animer des ateliers pour imaginer des solutions nouvelles sur la base de ces innovations en collectant des idées à travers des outils collaboratifs, en réalisant des sessions de formation / sensibilisation préparant la participation à des ateliers de recherche d’idées afin de présenter des innovations en matière d’apprentissage automatisé auprès d’un public non technique. 

Formaliser les idées recueillies en phase d’idéation, en confrontant les solutions proposées par rapport aux enjeux métiers identifiés (pertinence métier) ainsi que les solutions proposées par rapport à leur faisabilité technique, en sélectionnant les idées pertinentes en fonction de leurs conditions de réalisation (budget, calendrier, ressources humaines et techniques) afin d’en rédiger une synthèse exhaustive.

Piloter l’évolution de la solution alpha à la version béta, et de la version béta à la version admissible, en développant le périmètre et les différents algorithmes afin de manager le projet dans son intégralité.

Piloter la mise en œuvre d’un périmètre restreint de la solution envisagée avec un algorithme simple, en utilisant un prototypage et en travaillant sur des échantillons limités de données texte, image ou audio, en faisant des essais d’algorithmes et de modèles statistiques adaptés au type d’apprentissage souhaité, afin d’analyser les résultats obtenus et de recueillir des résultats et préconisations.

Elaborer le cahier des charges du projet IA en définissant et planifiant les activités à réaliser, en identifiant les risques du projet, et en évaluant leur criticité, afin de faire des propositions d’actions visant à en réduire la gravité ou la fréquence, et ce pour mener à bien le projet.

Elaborer le budget du projet IA en identifiant les coûts journaliers des ressources humaines internes et externes nécessaires, en évaluant le temps humain à mobiliser pour chacune des ressources, en évaluant les coûts techniques des ressources logicielles, des ressources réseau (Central Processing Units / Graphic Processing Units) et des autres moyens nécessaires à la bonne marche du projet, afin de respecter le budget alloué 

Manager une équipe projet IA en recrutant les ressources humaines nécessaires (notamment data scientists, software engineer, machine learning researcher, conversational UX designer) à la réalisation du projet IA, y compris le micro-travail (collecte massive des données pour alimenter l’algorithme) afin de s’assurer du bon déroulement du projet IA.

Sélectionner des prestataires associés en les évaluant et en les fédérant sur un projet commun, afin de s’assurer du bon aboutissement de celui-ci.

Piloter la mise en place du plan de formation complémentaire des membres de l’équipe projet en coordonnant de manière opérationnelle les ressources humaines mobilisées internes ou externes, pour développer ou actualiser leurs compétences dans les technologies retenues.

Collaborer à la préparation des supports de formation à destination des futurs utilisateurs ou de personnes impliquées dans le déploiement de la solution, en communiquant de manière positive sur les premiers résultats obtenus ou les difficultés rencontrée, en effectuant des démonstrations des solutions développées auprès de partenaires internes ou externes afin d’informer sur l’avancement du projet et de conduire le changement de manière optimale.

Traiter des données grâce aux techniques de Data Mining / Data Analysis en mettant en place une politique de collecte massive de données via des bases de données exploitables ou via des opérations de collecte de données à des fins d’apprentissage type Mechanical Turk, en agrégant les données collectées à l’aide d’outils techniques appropriés, en sélectionnant les modèles statistiques d’analyses de données à appliquer, afin d’exploiter des résultats sous forme de préconisations.

Modéliser des données (Data Modeling) sous un format exploitable quelle que soit leur source (texte, image, son) en les transformant, en les normalisant et en les structurant, afin de garantir leur qualité et leur pertinence, et pour optimiser les problématiques de stockage et de temps de traitement.  

Concevoir un modèle IA en élaborant le Design de l’architecture informatique de la solution IA à développer via une Application Programming Interfaces (API), en définissant des objectifs de performance visés, en sélectionnant un ou plusieurs algorithmes adaptés au projet d’apprentissage automatisé envisagé, supervisé ou non supervisé (supervised / unsupervised learning), afin d’exploiter les résultats du prototypage.

Optimiser le modèle IA en interprétant les premiers résultats obtenus en contrôlant la qualité des modèles prédictifs – Time-series Predictions / Predictive Analytics – à l’aide de scénarios de test préétablis – tests théoriques ou cas d’usage réels, en analysant la fiabilité de l’algorithme par rapport au niveau de performance ou de précision attendu, afin d’améliorer l’algorithme à partir des évaluations réalisées.  

Définir une expérience utilisateur (UX) grâce à une interface (UI) simple et facile d’accès, en animant des ateliers de conception, un prototypage et des tests de l’interface, afin d’obtenir le meilleur résultat sur les plans fonctionnels et graphiques.

Contrôler le respect de la réglementation en matière de protection des données personnelles (RGPD) en établissant une politique de collecte des données conforme à la réglementation et aux valeurs de l’entreprise, en exerçant une veille sur les ouvertures ou contraintes réglementaires en fonction du secteur d’application retenu, afin de présenter les enjeux éthiques de l’intelligence artificielle.

Prévenir les risques en matière de cybersécurité et d’intrusion dans l’architecture technique retenue, ou d’exploitation abusive des données collectées, en protégeant les données personnelles collectées dans le cadre de la mise en œuvre de la solution d’intelligence artificielle, afin de garantir l’intégrité et l’authenticité des données collectées ou restituées, en utilisant les techniques appropriées. 

Mesurer l’impact de l’intelligence artificielle sur l’environnement, la société et l’individu et définir des solutions de remédiation et/ou de collaboration afin d’adopter une démarche soucieuse des questions éthiques.

Présenter les enjeux technologiques de la solution développée auprès de publics non spécialistes de l’IA en faisant des propositions d’applications étendues à des univers connexes, afin de valoriser et promouvoir la solution d’intelligence artificielle développée auprès des parties prenantes de l’organisation (salariés, actionnaires, clients, partenaires, etc.).

Modalités d'évaluation :

Etudes de cas, mises en situation, épreuves à l'oral et à l'écrit