Certification professionnelle

Objectifs et contexte de la certification :

L’intelligence artificielle (IA) est une simulation de processus cognitifs visant à permettre à une machine de reproduire ou d’exécuter des fonctions normalement associées à l’intelligence humaine. Elle désigne le champ d’étude et d’application qui tente de faire réaliser par une machine ce que l’homme faisait jusqu’à présent avec son intelligence. Le sujet touche un grand nombre de domaines : économique, scientifique, judiciaire, médical,   industriel, etc. Les investissements en IA sont tirés par la Data science et principalement le « Machine Learning », le « Deep Learning », des applications de vision artificielle et de traitement du langage naturel. Ainsi, le « Machine Learning » représente 50 à   65% des investissements actuellement réalisés en IA. Le développement de l’IA est stimulé par la disponibilité de l’information massive à faible coût. L’accès croissant à Internet, l’augmentation du temps passé en ligne par les utilisateurs et l’utilisation des réseaux sociaux qui génèrent un flux continu de données. Cela a pour conséquence une  démocratisation des outils de développement IA pour répondre à la  massification des traitements. En France, on constate une accélération des investissements et des transactions dans l’IA depuis 2016. Cela impacte positivement les besoins en emploi car la recherche et le développement d’IA et d’applications IA requièrent une forte intensité en main d’œuvre, avec des compétences variées et de haut niveau. 

La  certification Développeur en Intelligence Artificielle et Data science s’adresse à un public qui souhaite acquérir (formation initiale ou   réorientation) ou renforcer (formation continue) les compétences et  l’expertise dans le développement d'applicatifs informatiques autour de l'IA et de la Data Science. Elle permet d’acquérir les compétences permettant de développer des solutions informatiques utilisables par des spécialistes ou non-spécialistes, intégrant directement ou indirectement des briques technologiques d'Intelligence Artificielle.

Car le développeur en Intelligence Artificielle conçoit, teste et adapte les applicatifs intégrant  tout ou partie de ces technologies. Il est donc un spécialiste du développement informatique, du génie logiciel et des interfaces Homme-Machine, avec une très bonne connaissance des technologies d'IA/Data science, du secteur ou de la fonction d'application des données traitées.  Ce profil s’inscrit pleinement dans des besoins  en emploi confirmés dans ce domaine et à ce niveau, qui plus est dans le contexte actuel (numérique, sanitaire, environnemental). La Branche des bureaux d’études techniques anticipe un solde net de 7500 personnes supplémentaires pour la période 2019-2024 sur les métiers spécialistes de Data Science et IA (+59% par rapport à 2019).   
  

Activités visées :

Le développeur en Intelligence Artificielle et Data science est un métier émergent.  Sous la supervision du chef de projet IA, le développeur IA et Data science réalise le développement de la solution IA conçue préalablement par le CDP IA en réponse à un besoin identifié au sein des entreprises, et participe à sa mise en  place (exemples d’usages d’IA : optimiser les ressources et process existants, augmenter les ventes (usages, marketing et relation client), anticiper les risques et assurer la conformité  (maintenance prédictive), innover, etc.) . Au cours du projet, il  contribue à la conception et à l’adaptation des solutions émises par le CDP IA. Ces solutions IA sont  utilisables par des spécialistes ou non-spécialistes, intégrant directement ou indirectement des briques technologiques d'Intelligence Artificielle. Il est donc un spécialiste du développement d’applicatifs informatiques, du génie logiciel et des interfaces Homme-Machine, avec une très bonne connaissance des technologies d'IA/Data Science, du codage et des langages de programmation, du secteur ou de la fonction d'application des données traitées. Le développeur IA et Data science contribue ainsi au développement de nouveaux usages d’IA pour des clients internes ou externes. Pour ce faire, par rapport au cahier des charges fonctionnel et technique et en particulier à l’infrastructure qui lui sera proposée, il va, en préalable au déploiement, construire, entraîner, tester et adapter le modèle d’apprentissage préconisé, à partir d’une structure de données propres et appropriées qu’il aura préalablement construite dans une logique-process ETL (Extracting,   Transforming, loading / Extraction, Transformation, Chargement).  Une fois construit le modèle d’apprentissage répondant au besoin de la solution IA défini par le CDP IA,  le Développeur IA et Data science met en production la solution IA. Il développe le Backend  et le Frontend conformément aux règles de l'accessibilité numérique, réalise des plans de tests au fur et à mesure et adapte la production en conséquence. Dans une logique de qualité et d’amélioration continue, il rédige une documentation technique associée, potentiellement en anglais (exemple : le développeur commente son code (qualité de code)). Au cours du développement et une fois la solution déployée, il maintient techniquement (dysfonctionnements), améliore et/ou adapte (évolutions des besoins) l’application ou le programme d’intelligence artificielle pour répondre au besoin. Le développeur en IA et data science conduit ses actions en mode projet, en utilisant les techniques et outils de gestion de projet, en cohérence avec le projet défini, sous la supervision du chef de projet et en collaboration avec l’équipe projet. Durant tout le développement de la solution IA, il s’assure que celle-ci répond toujours aux exigences définies dans le cahier des charges fonctionnelles. Dans ce cadre, et de manière transverse, il réalise une veille technologique, réglementaire et métier, y compris en anglais.   

Les tâches et activités associées au développeur en intelligence artificielle et Data science couvrent un large   spectre :

A1 – Développement, exploitation et  amélioration d’un modèle IA (codage) Sous la supervision du chef de projet IA, le développeur IA et Data science réalise le développement de la solution IA, conçut préalablement par le CDP IA, et la met en place. Pour ce faire, par rapport au cahier des charges fonctionnel et technique et en particulier à l’infrastructure qui lui sera proposée, il va, en préalable au déploiement, construire, entraîner, tester et adapter le modèle d’apprentissage préconisé, à partir d’une structure de données propres et  appropriées qu’il aura auparavant construite dans une logique-process ETL. Une fois le modèle d’apprentissage répondant au besoin de la solution IA défini par le CDP IA, le Développeur IA et Data science met en production le modèle IA. Il développe le Backend et le Frontend de la solution IA, réalise des plans de tests au fur et à mesure et adapte la production en conséquence. Dans une logique de qualité et d’amélioration continue, il rédige une documentation technique associée, potentiellement en anglais. Au cours du développement et une fois la solution déployée, il maintient techniquement (dysfonctionnements), améliore et/ou adapte (évolutions des besoins) l’application ou le programme d’intelligence artificielle pour répondre au besoin.

A1.1 Sous activité : Gestion des données de la solution IA

A partir de l’architecture des données et des flux conçus par le CDP IA,  le développeur en IA et Data science va créer la structure de données afin d’obtenir un corpus de données à grande échelle. L’objectif est d’alimenter la solution IA de données fiables. Pour cela, le développeur en IA et Data science utilise toutes les phases d’un processus ETL - Collecte   des données (ETL : Extraction) - Traitement   des données (ETL : Transformation - Preprocessing) - Création des structures de stockage des données (ETL : Loading/chargement) - Requêtage des structures de données (ETL : Loading/ chargement)

A1.2   Sous activité : Développement du modèle/programme d’apprentissage de la solution IA A partir de la solution IA conçue par le CDP IA, le développeur en IA et Data science va réaliser le modèle d’apprentissage de données selon le cahier des charges fonctionnel (programmation dans un environnement de codage - Programmer sur des Framework). Il va ensuite entraîner le modèle afin qu’il apprenne les informations  nécessaires pour répondre au besoin en se basant sur les données disponibles  dans les structures de données (A1.1 Sous activité : gestion des données) afin d’obtenir le meilleur résultat possible au regard des critères  de performance attendus. - Préparation, adaptation des données pour le  modèle d’apprentissage (attributs endogènes et exogènes) (Feature Engineering) - Développement du modèle d’apprentissage    Implémentation du modèle d’apprentissage : Réalisation de l’entrainement du modèle d’apprentissage : Paramétrages du modèle d’apprentissage - Test du modèle d’apprentissage - à partir de l’infrastructure et reporting du résultat - Pré-analyse des résultats du modèle d’apprentissage.

A1.3 Sous activité : Mise en production/maintenabilité de la solution IA Une   fois que le modèle est suffisamment aguerri selon les indicateurs que le CDP IA aura défini, le Développeur en IA et Data science met en production la solution IA (= déploiement à échelle réelle). Les données étant fluctuantes la solution IA évolue au fil du temps et les besoins utilisateurs également. Le Développeur en IA et Data science doit s’assurer de l’adéquation de la solution avec la demande initiale. Livraison : Informer le CDP IA de la  disponibilité de la solution IA selon les exigences attendues dans le CDC - Développement du Backend - Développement du Frontend - Contrôle qualité / réalisation de tests / mesure de la performance (passage à l’échelle réelle) - Maintien  / Amélioration de l’application ou du programme d’intelligence artificielle en fonction des évolutions pour répondre au besoin   

A2 – Gestion des activités/tâches du projet  de développement de la solution IA Le  Développeur en IA et Data science est capable d’utiliser une méthode de projet pour effectuer sa mission, en cohérence avec le projet défini sous la supervision du chef de projet et en collaboration avec l’équipe projet. Durant tout le développement de la solution IA, le Développeur en IA et Data science s’assure que celui-ci  répond toujours aux exigences définies dans le cahier des charges fonctionnel. Pour garantir cette cohérence du besoin avec la solution créée, il réalise une veille technologique, réglementaire et métier y compris en anglais afin de maîtriser la réalisation. - Application d’une méthode de projet prédéfinie par le chef de projet (méthode agile) - Suivi, adaptation et compte rendu de la réalisation en collaboration avec les équipes - Autocontrôle de la conformité avec la   demande - Réalisation de la veille technologique, réglementaire, métier    

Compétences attestées :

 A1 –Développement, exploitation et amélioration d’un modèle IA (codage)

A1.1 Sous activité : Gestion des données de la solution IA

A1.1 C1/ Définir les sources et les outils nécessaires pour permettre de collecter les données

A1.1 C2/ Recueillir de manière sécurisée les informations à partir de sources adaptées (sources hétérogènes, internes fournies par le client ou externes accessibles en Open Data) permettant de définir les données à collecter pour réaliser l’architecture de données

A1.1 C3/ Paramétrer les outils afin d’importer les données de manière automatisée et sécurisée

A1.1 C4/ Analyser, nettoyer, trier et s’assurer de la qualité des données afin de les rendre exploitables pour la solution IA, en utilisant des outils d’analyse et de visualisation des données  et se basant sur des approches de la Data science

A1.1 C5/ Construire la structure de stockage des données (modèle de données) qui répond au mieux au besoin d’analyse 

• Base de données : SQL 
• Orienté document, index, graphe, colonne : No SQL 
• Orienté objet : Java, SQL 

A1.1 C6/ Représenter graphiquement les relations entre les données afin de les visualiser en créant des tableaux de bord accessibles à  tout public garantissant ainsi l'accessibilité numérique 

A1.1 C7/ Exploiter de manière automatisée et analyser les informations recueillies dans les structures de stockage des données (requêtage ou interrogation) afin de répondre aux exigences de la solution IA définit dans le cahier des charges

A1.2 Sous activité : Développement du modèle/programme d’apprentissage de la solution IA

A1.2 C1/ Générer des données d'entrée, récolter et adapter les types de données traitées nécessaires au modèle d’apprentissage en utilisant des approches et des outils adaptés

A1.2 C2/ Paramétrer un environnement de codage (Framework) adéquat pour développer le modèle d’apprentissage

A1.2 C3/ Coder le modèle d’apprentissage choisi (réseau de neurones, boosting, forêt aléatoire, arbre de décision, etc) en maitrisant les différentes architectures dans un environnement de développement

A1.2 C4/ Réaliser et paramétrer une procédure d’entrainement adéquate (Entraînement par lot, par mini lot, online, Etc.) d’un modèle d’apprentissage : supervisé, semi-supervisé, non supervisé, en sélectionnant des données d’apprentissage les plus adéquats au besoin d’analyse 

A1.2 C5/ Réaliser une phase de test : 

• Choisir la méthode appropriée (Cross validation, Bootstrap, etc.) 
• Définir les critères et indicateurs de performance (rappel, taux de faux positifs et négatifs, exactitude, etc.) 
• Analyser la performance (taux d’apprentissage) 

A1.2 C6/ Ajuster l’apprentissage du modèle (entraînement) à partir du taux d’apprentissage et des résultats obtenus

A1.3 Sous activité: Mise en production/maintenabilité de la solution IA

A1.3 C1/ Développer le back-end :  Développer les composants de la solution IA sous forme d’API et/ou de programmes intégrés en utilisant des outils adaptés

A1.3 C2/ Développer le front-end :Développer l’interface homme-machine en utilisant les techniques, les outils et les plateformes dans l’objectif de rendre l’approche ergonomique et conforme à l’accessibilité numérique

A1.3 C3/ Mettre en œuvre des plans de test définit pour préparer le déploiement de la solution IA : -Exécuter ou adapter les plans de test : fonctionnels, structurels, de non-régression et de sécurité -Analyser les résultats des tests et apporter les corrections

A1.3 C4/ Superviser le fonctionnement de la solution IA à partir des outils de monitorage afin de détecter et corriger les éventuels dysfonctionnements dans une démarche d’amélioration continue

A1.3 C5/ Corriger les dysfonctionnements de son périmètre de responsabilité

A1.3 C6/ Réaliser les évolutions fonctionnelles de la solution IA afin de répondre au besoin d’amélioration

A2 – Gestion des activités/tâches du projet de développement de la solution IA

A2 C1/ Mettre en œuvre une méthodologie adaptée de réalisation du projet en collaboration avec les équipes projet, afin de garantir le déploiement du projet dans les délais et dans un environnement agile : 

A2 C2/ Rendre compte de l’avancement du projet aux personnes en lien avec le projet grâce aux canaux de communication adéquat et adapté afin de permettre à tout public d’accéder librement et facilement au numérique (public cible, collaborateurs interne, sous-traitants …)

• Rédiger des rapports d'activité et de reste à faire, éventuellement en anglais

• Recommander des actions

A2 C3/ Contribuer ou animer des réunions de travail avec les équipes projets afin de faire évoluer l’avancée du projet, possiblement en anglais

A2 C4/ Auto-contrôler ses actions et productions au regard du cahier des charges afin de garantir leurs cohérences

A2 C5/ Définir et mettre en place un système de veille permettant de collecter, classifier et analyser l’information afin d’améliorer la prise de décisions techniques 

A2 C6/ Améliorer le potentiel de développement et/ou d’exploitation des solutions IA en exploitant les informations recueillies par le système de veille : 

• Technologiques 
• Réglementaires 
• Sécurité informatique

Modalités d'évaluation :

L'évaluation est réalisée par le biais des mises en situation professionnelle (MSPR) et d’un dossier professionnel 

Mises en situation professionnelle (MSPR) :  La préparation des MSPRs se fait par équipe de 3 maximum et donne lieu à une production écrite individuelle, une soutenance orale par équipe devant un jury de deux professionnels Experts dans le métier, et une évaluation individuelle par le jury à la suite d’un échange individuel avec le jury 

Dossier Professionnel : Le candidat doit mettre en avant les compétences acquises en entreprise durant le stage ou l’alternance. Cette épreuve fait l’objet d’une production écrite individuelle de 50 à 60 pages et  d'une soutenance individuelle orale devant  un jury de deux professionnels experts métiers et un représentant de l’organisme de certification  

Des adaptations des modalités d’évaluation pour les personnes en situation de handicap sont proposées dans le règlement de validation de la certification