Architecte en intelligence artificielle
L'essentiel
Nomenclature
du niveau de qualification
Niveau 7
Code(s) NSF
114b : Modèles mathématiques ; Informatique mathématique
326 : Informatique, traitement de l'information, réseaux de transmission
326t : Programmation, mise en place de logiciels
Formacode(s)
31026 : Data science
31028 : Intelligence artificielle
31008 : Système information
31085 : Informatisation
Date d’échéance
de l’enregistrement
27-03-2026
| Nom légal | Siret | Nom commercial | Site internet |
|---|---|---|---|
| JEDHA | 83872651100044 | Jedha | https://jedha.co |
Objectifs et contexte de la certification :
Contexte : Dans le monde de plus en plus digitalisé et connecté d'aujourd'hui, les entreprises de tous les secteurs ont besoin de comprendre et d'exploiter efficacement les données dont elles disposent. Avec l'essor de l'Intelligence Artificielle (IA), ces organisations ont désormais l'opportunité de transformer ces données en informations précieuses, permettant une meilleure prise de décision, l'optimisation des processus métier, une personnalisation accrue de l'expérience client, entre autres. Cependant, la mise en œuvre réussie d'une solution d'IA nécessite une expertise spécifique, notamment en matière d'architecture des données, de gestion des flux de données, de modélisation et de déploiement de l'IA. De plus, les solutions d'IA doivent être mises en œuvre de manière éthique et conforme aux réglementations en vigueur, en particulier en matière de protection des données et de confidentialité. Dans ce contexte, la certification "Architecte en Intelligence Artificielle" a été conçue pour répondre à un besoin croissant du marché en matière de compétences en IA, permettant aux professionnels de la technologie d'acquérir et de valider leur expertise dans ce domaine.
Objectifs : La certification "Architecte en Intelligence Artificielle" vise à former des professionnels capables de concevoir, déployer et gérer des solutions d'IA robustes, efficaces et conformes aux réglementations. Les candidats seront évalués sur une série de compétences essentielles pour un architecte en IA, y compris : La gouvernance des données : Les candidats doivent démontrer leur capacité à élaborer et à mettre en œuvre un plan de gouvernance des données solide, en tenant compte des aspects de conformité, des parties prenantes et des risques, L'architecture des données : Les candidats doivent concevoir une architecture de données qui est à la fois robuste et adaptée aux besoins techniques et opérationnels, La gestion des pipelines de données : Les candidats doivent être capables de mettre en place et de gérer des pipelines de données automatisés et performants, et Le développement et le déploiement de solutions d'IA : Les candidats doivent être capables de créer, d'intégrer et de déployer des solutions d'IA, y compris l'automatisation du réentrainement des modèles et la mise en place de pipelines d'intégration et de déploiement continu.
Cette certification vise à répondre au besoin croissant du marché pour des professionnels qualifiés dans le domaine de l'IA, capables de conduire l'innovation et la transformation numérique à travers une utilisation éthique et efficace de l'IA.
Activités visées :
Concevoir et piloter la gouvernance des données :
- Mise en oeuvre d'une politique de gouvernance des données
- Conduite du changement
- Audit des pratiques liées à la gestion des données
Concevoir et déployer des architecture de données (pour l'IA) :
- Evaluation des besoins architecturaux et contraintes techniques
- Modélisation des données
- Optimisation des performances de l'infrastructure
- Surveillance de l'infrastructure
- Documentation de l'infrastructure
Concevoir et mettre en oeuvre des pipelines de données (pour l'IA) :
- Développement des pipelines de données
- Automatisation des pipelines de données
- Monitoring du pipeline
Construction, déploiement et pilotage de solutions d'IA :
- Construction de la solutions d'IA
- Déploiement de la solution d'IA
- Monitoring de la solution d'IA
Compétences attestées :
-
Concevoir une politique de Data Gouvernance en collaboration avec les parties prenantes, afin d'assurer la conformité aux régulations en vigueur et garantir la qualité, la disponibilité, la sécurité et la confidentialité des données.
-
Collaborer avec les parties prenantes de l'entreprise pour promouvoir et mettre en œuvre la politique de Data Gouvernance, en vue d'une intégration harmonieuse dans les pratiques de l'entreprise.
-
Former et sensibiliser tous les collaborateurs, y compris ceux en situation de handicap, aux principes de la Data Gouvernance, afin d'assurer une mise en œuvre efficace et inclusive de la politique de Data Gouvernance.
-
Réaliser des audits réguliers des pratiques de gestion des données de l'entreprise, pour assurer la conformité aux réglementations locales et internationales en vigueur.
-
Évaluer les risques associés à la gestion des données, notamment en termes de qualité et de sécurité, pour renforcer la politique de Data Gouvernance.
- Identifier les besoins architecturaux en enquêtant sur les contraintes techniques, opérationnelles et normes en vigueur, afin d'établir un cadre conforme aux exigences de l'entreprise.
- Élaborer un cahier des charges d'architecture de données qui intègre les contraintes techniques et normes, en vue de répondre aux besoins spécifiques de l'entreprise.
- Elaborer des modèles de données logiques et physiques (entité-relation, les modèles de données en étoile...) qui correspondent au cahier des charges établi.
- Concevoir des structures de bases de données adaptées à divers types de données, en tenant compte des performances, de la sécurité, de l'évolutivité, et du volume des données, pour une gestion optimale du Big Data.
- Déployer des serveurs virtuels dans le cloud ou On-Premise pour l'entraînement des algorithmes d'Intelligence Artificielle, en vue de gérer efficacement un large volume de données.
- Augmenter la puissance de calcul à travers la conception de clusters de serveurs, afin de permettre l'entraînement d'algorithmes d'Intelligence Artificielle, le stockage de données volumineuses ou encore l'accueil de trafic massif sur une application.
- Mettre en place des outils de surveillance pour suivre les performances de l'infrastructure de données, identifier les problèmes potentiels et optimiser les systèmes, en vue d'une gestion proactive.
- Documenter les spécifications de l'architecture de manière claire et accessible à tous, y compris aux personnes en situation de handicap, pour faciliter sa gestion.
-
Concevoir un système de gestion de données temps réel adapté aux contraintes et normes opérationnelles de l'entreprise, pour gérer efficacement la vélocité, le volume des flux, et la typologie des données.
-
Établir un pipeline de données à travers des processus ETL/ELT pour le transfert et la transformation des données entre différentes bases, en utilisant des outils de programmation, afin de répondre aux spécifications du cahier des charges.
-
Automatiser les flux de données dans le pipeline, en utilisant des outils spécifiques ou de la programmation, afin d'optimiser les performances de l'infrastructure de données.
-
Surveiller les flux de données pour assurer la qualité et le respect de la politique de gouvernance, en vue de maintenir les normes, la sécurité et la confidentialité dans les pipelines de données.
-
Développer des procédures de contrôle qualité et de correction des erreurs dans les pipelines de données, afin de garantir la qualité des données.
-
Rédiger un cahier des charges pour la solution d'Intelligence Artificielle, afin de répondre aux besoins techniques et économiques de l'organisation, en tenant compte de l'accessibilité pour les personnes en situation de handicap.
-
Créer un algorithme d'Intelligence Artificielle adapté aux données d'entraînement et conforme aux spécifications du cahier des charges, en veillant à répondre aux besoins spécifiques, notamment en termes d'accessibilité.
-
Adapter l'infrastructure de données de l'organisation à travers la construction d'API pour accueillir la solution d'IA en production.
-
Concevoir des pipelines d'intégration et déploiement continu pour automatiser le processus de déploiement d'une solution d'IA.
-
Développer des scripts de réentrainement des modèles pour automatiser le processus de Machine Learning.
-
Piloter la performance de la solution d'IA dans l'infrastructure à travers la mise en place d'outils de monitoring (comme Aporia ou Evidently) pour s'assurer qu'elle respecte les spécifications du cahier des charges dans un environnement de production.
Modalités d'évaluation :
Evaluation écrite et évaluation orale, avec différents livrables attendus
Mise en situation professionnelle donnant lieu à un écrit et un oral, avec différents livrables attendus
Les conditions d'évaluation sont adaptées aux besoins spécifiques des personnes en situation de handicap si nécessaire
RNCP38777BC01 - Concevoir et piloter la gouvernance des données
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Concevoir une politique de Data Gouvernance en collaboration avec les parties prenantes, afin d'assurer la conformité aux régulations en vigueur et garantir la qualité, la disponibilité, la sécurité et la confidentialité des données. Collaborer avec les parties prenantes de l'entreprise pour promouvoir et mettre en œuvre la politique de Data Gouvernance, en vue d'une intégration harmonieuse dans les pratiques de l'entreprise. Former et sensibiliser tous les collaborateurs, y compris ceux en situation de handicap, aux principes de la Data Gouvernance, afin d'assurer une mise en œuvre efficace et inclusive de la politique de Data Gouvernance." Réaliser des audits réguliers des pratiques de gestion des données de l'entreprise, pour assurer la conformité aux réglementations locales et internationales en vigueur. Évaluer les risques associés à la gestion des données, notamment en termes de qualité et de sécurité, pour renforcer la politique de Data Gouvernance. |
Type d'évaluation : Evaluation écrite et évaluation orale. Pour l'évaluation écrite, le candidat est invité à décrire un plan de gouvernance des données pour une organisation fictive (avec des problématiques réelle), incluant les politiques, les parties prenantes et les mesures de conformité. L'évaluation orale demande au candidat à présenter ce plan à un jury, pour évaluer les compétences de communication et de gestion. Le livrable de l'évaluation écrite est donnée en amont au jury pour que ce dernier puisse, après la présentation orale, entamer un jeu de questions/réponses afin d'évaluer le candidat.
Temps d'évaluation :
Les conditions d'évaluation sont adaptées aux besoins spécifiques des personnes en situation de handicap, si nécessaire (par exemple, fournir des supports accessibles, ajuster le temps, utiliser des aides technologiques, etc.) |
RNCP38777BC02 - Concevoir et déployer des architecture de données (pour l'IA)
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Identifier les besoins architecturaux en enquêtant sur les contraintes techniques, opérationnelles et normes en vigueur, afin d'établir un cadre conforme aux exigences de l'entreprise. Élaborer un cahier des charges d'architecture de données qui intègre les contraintes techniques et normes, en vue de répondre aux besoins spécifiques de l'entreprise. Élaborer des modèles de données logiques et physiques (entité-relation, les modèles de données en étoile...) qui correspondent au cahier des charges établi. Concevoir des structures de bases de données adaptées à divers types de données, en tenant compte des performances, de la sécurité, de l'évolutivité, et du volume des données, pour une gestion optimale du Big Data. Déployer des serveurs virtuels dans le cloud ou On-Premise pour l'entraînement des algorithmes d'Intelligence Artificielle, en vue de gérer efficacement un large volume de données. Augmenter la puissance de calcul à travers la conception de clusters de serveurs, afin de permettre l'entraînement d'algorithmes d'Intelligence Artificielle, le stockage de données volumineuses ou encore l'accueil de trafic massif sur une application. Mettre en place des outils de surveillance pour suivre les performances de l'infrastructure de données, identifier les problèmes potentiels et optimiser les systèmes, en vue d'une gestion proactive. |
Type d'évaluation : Mise en situation professionnelle Le candidat est invité à concevoir une architecture de données pour un projet fictif, en tenant compte de diverses contraintes techniques et opérationnelles. Cette architecture sera ensuite évaluée sur sa pertinence, sa robustesse et sa conformité avec les réglementations.
Les conditions d'évaluation sont adaptées aux besoins spécifiques des personnes en situation de handicap, si nécessaire (par exemple, fournir des supports accessibles, ajuster le temps, utiliser des aides technologiques, etc.) |
RNCP38777BC03 - Concevoir et mettre en oeuvre des pipelines de données (pour l'IA)
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Concevoir un système de gestion de données temps réel adapté aux contraintes et normes opérationnelles de l'entreprise, pour gérer efficacement la vélocité, le volume des flux, et la typologie des données. Établir un pipeline de données à travers des processus ETL/ELT pour le transfert et la transformation des données entre différentes bases, en utilisant des outils de programmation, afin de répondre aux spécifications du cahier des charges. Automatiser les flux de données dans le pipeline, en utilisant des outils spécifiques ou de la programmation, afin d'optimiser les performances de l'infrastructure de données. Surveiller les flux de données pour assurer la qualité et le respect de la politique de gouvernance, en vue de maintenir les normes, la sécurité et la confidentialité dans les pipelines de données. Développer des procédures de contrôle qualité et de correction des erreurs dans les pipelines de données, afin de garantir la qualité des données. |
Type d'évaluation : Mise en situation professionnelle Le candidat est invité à mettre en place un pipeline de données, y compris l'automatisation des flux de données, le contrôle de la qualité des données et la possibilité de monitorer les performances sur une problématique fictive (mais réaliste) d'entreprise.
Temps d'évaluation :
Les conditions d'évaluation sont adaptées aux besoins spécifiques des personnes en situation de handicap, si nécessaire (par exemple, fournir des supports accessibles, ajuster le temps, utiliser des aides technologiques, etc.) |
RNCP38777BC04 - Construire, déployer et piloter des solutions d'IA
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Rédiger un cahier des charges pour la solution d'Intelligence Artificielle, afin de répondre aux besoins techniques et économiques de l'organisation, en tenant compte de l'accessibilité pour les personnes en situation de handicap. Créer un algorithme d'Intelligence Artificielle adapté aux données d'entraînement et conforme aux spécifications du cahier des charges, en veillant à répondre aux besoins spécifiques, notamment en termes d'accessibilité. Adapter l'infrastructure de données de l'organisation à travers la construction d'API pour accueillir la solution d'IA en production. Concevoir des pipelines d'intégration et déploiement continu pour automatiser le processus de déploiement d'une solution d'IA. Développer des scripts de réentrainement des modèles pour automatiser le processus de Machine Learning. Piloter la performance de la solution d'IA dans l'infrastructure à travers la mise en place d'outils de monitoring (comme Aporia ou Evidently) pour s'assurer qu'elle respecte les spécifications du cahier des charges dans un environnement de production. |
Type d'évaluation : Mise en situation professionnelle Le candidat est invité à créer et déployer une solution d'IA, incluant l'intégration de la solution dans l'infrastructure de données, l'automatisation du réentrainement des modèles et un pipeline d'intégration et déploiement continue selon un cahier des charges reflétant un besoin fictive (mais réaliste) d'une entreprise.
Temps d'évaluation :
Les conditions d'évaluation sont adaptées aux besoins spécifiques des personnes en situation de handicap, si nécessaire (par exemple, fournir des supports accessibles, ajuster le temps, utiliser des aides technologiques, etc.) |
Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par correspondance :
La certification s'acquiert par capitalisation des blocs de compétences et par équivalence. La validation de la totalité des 4 blocs de compétences est obligatoire pour l'obtention de la certification.
Les candidats n’ayant validé que certains des 4 blocs de compétences se voient remettre un certificat de compétences attestant de la validation partielle de la certification professionnelle, et nommant les blocs concernés. La validation partielle d’un bloc n’est pas possible.
La certification est valable à vie. En cas de validation partielle, la durée de validité de chaque bloc de compétences est de 5 ans.
Secteurs d’activités :
La certification "Architecte en Intelligence Artificielle" se révèle pertinente et applicable à travers un éventail varié de secteurs d'activités, en adéquation avec la nature transversale et omniprésente des données et de l'intelligence artificielle. Voici une liste non exhaustive des secteurs et des contextes d'emploi où cette certification serait particulièrement bénéfique :
- Technologies de l'information et des communications (TIC) : Au sein des départements informatiques ou au service de cabinets de conseil technologique, l'IA est utilisée pour optimiser les systèmes et réseaux, automatiser les tâches répétitives, renforcer la sécurité et améliorer la qualité des services proposés aux utilisateurs.
- Santé : Que ce soit dans les hôpitaux, les laboratoires de recherche ou les entreprises de biotechnologie, l'IA contribue à améliorer les diagnostics, prévoir les maladies, personnaliser les traitements, optimiser la gestion des établissements de santé, et accélérer la recherche médicale.
- Finance : Dans les banques, les sociétés d'assurance et les entreprises fintech, l'IA est un outil précieux pour la détection de la fraude, l'automatisation des processus de conformité, la gestion des risques, la personnalisation des services financiers et le trading algorithmique.
- Commerce de détail et e-commerce : Au sein des entreprises de distribution et de commerce en ligne, l'IA permet d'optimiser les chaînes d'approvisionnement, améliorer les recommandations de produits, personnaliser l'expérience client et prévoir les tendances de vente.
- Industrie manufacturière : Dans les usines et les entreprises industrielles, l'IA contribue à la maintenance prédictive, à l'optimisation de la production, à l'automatisation des processus et à l'amélioration de la qualité des produits.
- Transport et logistique : Pour les entreprises de transport et les prestataires logistiques, l'IA est utilisée pour optimiser les itinéraires, améliorer la gestion des flottes, automatiser les entrepôts et contribuer au développement des véhicules autonomes.
- Services publics et gouvernementaux : Dans le contexte de l'administration publique, l'IA peut aider à améliorer les services aux citoyens, optimiser la gestion des ressources, automatiser les processus administratifs et analyser les données pour une meilleure prise de décision politique.
La liste ci-dessus n'est pas exhaustive. En réalité, presque tous les secteurs peuvent bénéficier de l'IA pour améliorer leurs processus, offrir de meilleurs services et prendre des décisions basées sur les données. Ainsi, la certification "Architecte en Intelligence Artificielle" peut offrir de multiples opportunités professionnelles dans une grande diversité d'industries et de contextes d'emploi.
Type d'emplois accessibles :
- Architecte en Intelligence Artificielle
- Data Architect
- Data Engineer
- Machine Learning Engineer
- MLOps Engineer
- Consultant en IA
- Chief Data Officer (CDO)
Code(s) ROME :
- M1403 - Études et prospectives socio-économiques
- M1802 - Expertise et support en systèmes d''information
- M1402 - Conseil en organisation et management d''entreprise
- M1805 - Études et développement informatique
Références juridiques des règlementations d’activité :
L'activité d'Architecte en Intelligence Artificielle est encadrée par diverses réglementations et normes à l'échelle internationale et nationale. Le respect de ces réglementations est essentiel pour garantir l'éthique, la sécurité, la qualité, et la conformité dans le développement et la mise en œuvre des solutions d'IA. Voici les références les plus pertinentes qui pourront s'appliquer à la plupart des entreprises :
- Réglementation Générale sur la Protection des Données (RGPD) - Union Européenne (obligatoire pour toutes les entreprises) :
- Elle encadre le traitement et le transfert des données personnelles au sein de l'UE.
- Référence : Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016.
- Normes ISO (non obligatoire pour toutes les entreprises) :
- ISO/IEC 27001 : Norme internationale pour les systèmes de gestion de la sécurité de l'information (SGSI).
- ISO/IEC 2382-1 : Norme sur la terminologie utilisée dans les technologies de l'information.
- ISO/IEC 25010 : Norme concernant la qualité des systèmes et logiciels informatiques.
- Loi Informatique et Libertés - France (obligatoire pour toutes les entreprises) :
- Encadre le traitement des données à caractère personnel et assure la protection de la vie privée.
- Référence : Loi n° 78-17 du 6 janvier 1978.
- Health Insurance Portability and Accountability Act (HIPAA) - États-Unis (non obligatoire pour toutes les entreprises) :
- Régit la confidentialité et la sécurité des informations de santé.
- Référence : Pub. L. No. 104-191, 110 Stat. 1936 (1996).
- California Consumer Privacy Act (CCPA) - États-Unis (non obligatoire pour toutes les entreprises) :
- Régule la protection des données personnelles des consommateurs en Californie.
- Référence : Assemblée Bill 375 de l'État de Californie (2018).
- Normes de Cybersecurity Framework - NIST, États-Unis (non obligatoire pour toutes les entreprises) :
- Fournit des lignes directrices pour la gestion des risques de cybersécurité pour les organisations qui utilisent des systèmes d'IA.
- Référence : NIST Special Publication 800-53.
- Convention 108 du Conseil de l'Europe (obligatoire pour toutes les entreprises) :
- Protection des individus à l'égard du traitement automatisé des données à caractère personnel.
- Référence : Convention ouverte à la signature à Strasbourg le 28 janvier 1981.
Ces réglementations et normes reflètent la complexité et la diversité des aspects légaux et éthiques associés à l'activité d'Architecte en Intelligence Artificielle. Bien qu'elles ne soient pas toutes obligatoires à suivre, beaucoup d'entreprises décident de s'y conformer pour pouvoir étendre leurs opportunités économiques. Il est donc important que l'Architecte en Intelligence Artificielle en ait une compréhension extensive.
Le cas échant, prérequis à l’entrée en formation :
Un certificat de niveau 6 ou supérieur dans un domaine scientifique, économique ou informatique. À l’international, un niveau équivalent est requis. Ce niveau sera justifié par le CV de l’apprenant et par la transmission des diplômes préalablement obtenus..
La réussite d’un test d’admission , validant des compétences nécessaires en programmation SQL, python et en gestion de réseaux.
La réussite d’un entretien préalable qui jugera:
- De la plus-value de l’acquisition des compétences décrites dans le référentiel "Auditeur cybersécurité" pour le projet professionnel
- De la pertinence et de la faisabilité de ce projet professionnel
- De la capacité du candidat à suivre la Formation dans les conditions définies au préalable (possibilité de suivre la formation en présentiel ou distanciel)
Une expérience professionnelle adaptée sera valorisée pour l’admission dans la formation.
Une pratique courante de l’anglais (niveau B2 en compréhension & expression écrite et B1 de compréhension & expression orale du référentiel européen CECRL) est requise.
Dans certains cas, la réussite aux tests d’admission et à l’entretien pourront se substituer à un diplôme de niveau 6.
Le cas échant, prérequis à la validation de la certification :
Un certificat de niveau 6 ou supérieur dans un domaine scientifique, économique ou informatique. À l’international, un niveau équivalent est requis.
Une pratique courante de l’anglais (niveau B2 en compréhension & expression écrite et B1 de compréhension & expression orale du référentiel européen CECRL) est requise.
Avoir suivi un parcours de formation en Data (Data Science, Data Engineering, Data Analyst) ou avoir une expérience significative dans le domaine d'au moins 2 ans.
Pré-requis disctincts pour les blocs de compétences :
Non
Validité des composantes acquises :
| Voie d’accès à la certification | Oui | Non | Composition des jurys | Date de dernière modification |
|---|---|---|---|---|
| Après un parcours de formation sous statut d’élève ou d’étudiant | X |
Le jury de certification est composé de :
Les membres du jury ont une expérience significative en Data, suffisante pour pouvoir évaluer les apprenants sur la présentation de leur travail. Tous les membres du jury ont une expérience technique significative et peuvent venir de différents secteurs d’activités (Finance, Banque, etc.). |
- | |
| En contrat d’apprentissage | X |
Le jury de certification est composé de :
Les membres du jury ont une expérience significative en Data, suffisante pour pouvoir évaluer les apprenants sur la présentation de leur travail. Tous les membres du jury ont une expérience technique significative et peuvent venir de différents secteurs d’activités (Finance, Banque, etc.). |
- | |
| Après un parcours de formation continue | X |
Le jury de certification est composé de :
Les membres du jury ont une expérience significative en Data, suffisante pour pouvoir évaluer les apprenants sur la présentation de leur travail. Tous les membres du jury ont une expérience technique significative et peuvent venir de différents secteurs d’activités (Finance, Banque, etc.). |
- | |
| En contrat de professionnalisation | X |
Le jury de certification est composé de :
Les membres du jury ont une expérience significative en Data, suffisante pour pouvoir évaluer les apprenants sur la présentation de leur travail. Tous les membres du jury ont une expérience technique significative et peuvent venir de différents secteurs d’activités (Finance, Banque, etc.). |
- | |
| Par candidature individuelle | X |
Le jury de certification est composé de :
Les membres du jury ont une expérience significative en Data, suffisante pour pouvoir évaluer les apprenants sur la présentation de leur travail. Tous les membres du jury ont une expérience technique significative et peuvent venir de différents secteurs d’activités (Finance, Banque, etc.). |
- | |
| Par expérience | X |
Le jury de certification est composé de :
Les membres du jury ont une expérience significative en Data, suffisante pour pouvoir évaluer les apprenants sur la présentation de leur travail. Tous les membres du jury ont une expérience technique significative et peuvent venir de différents secteurs d’activités (Finance, Banque, etc.). |
- |
| Oui | Non | |
|---|---|---|
| Inscrite au cadre de la Nouvelle Calédonie | X | |
| Inscrite au cadre de la Polynésie française | X |
Certifications professionnelles enregistrées au RNCP en correspondance partielle :
| Bloc(s) de compétences concernés | Code et intitulé de la certification professionnelle reconnue en correspondance partielle | Bloc(s) de compétences en correspondance partielle |
|---|---|---|
| RNCP38777BC02 - Concevoir et déployer des architecture de données (pour l'IA) | RNCP36398 - Expert Big Data Engineer (MS) | RNCP36398BC02 - Déployer des infrastructures informatiques pour stocker, extraire et analyser la data |
| RNCP38777BC02 - Concevoir et déployer des architecture de données (pour l'IA) | RNCP37422 - Data Engineer | RNCP37422BC03 - Concevoir les architectures big data valorisant les données |
|
RNCP38777BC02 - Concevoir et déployer des architecture de données (pour l'IA) ET RNCP38777BC03 - Concevoir et mettre en oeuvre des pipelines de données (pour l'IA) |
RNCP37172 - Data Engineer |
RNCP37172BC01 - Concevoir un projet d’architecture de gestion de données massives ET RNCP37172BC02 - Elaborer une solution technique de collecte et de traitement de données massives ET RNCP37172BC03 - Déployer l’architecture de gestion de données massives |
|
RNCP38777BC02 - Concevoir et déployer des architecture de données (pour l'IA) ET RNCP38777BC04 - Construire, déployer et piloter des solutions d'IA |
RNCP35450 - Expert en ingénierie de l'intelligence artificielle |
RNCP35450BC03 - Concevoir, déployer et mettre en production des modèles et algorithmes d’analyse, de gestion et de traitement de la donnée ET RNCP35450BC04 - Concevoir et piloter une infrastructure d’acquisition, de stockage, de traitement et de restitution de données |
|
RNCP38777BC02 - Concevoir et déployer des architecture de données (pour l'IA) ET RNCP38777BC04 - Construire, déployer et piloter des solutions d'IA |
RNCP35684 - Ingénieur en intelligence artificielle |
RNCP35684BC02 - Concevoir une solution d'intelligence artificielle ET RNCP35684BC03 - Mise en production d'un système d'intelligence artificielle |
| RNCP38777BC04 - Construire, déployer et piloter des solutions d'IA | RNCP36129 - Chef de projet en intelligence artificielle |
RNCP36129BC03 - Développer une solution d'intelligence artificielle (Machine et Deep Learning) ET RNCP36129BC04 - Déployer une solution d'intelligence artificielle |
| Date de décision | 27-03-2024 |
|---|---|
| Durée de l'enregistrement en années | 2 |
| Date d'échéance de l'enregistrement | 27-03-2026 |
| Date de dernière délivrance possible de la certification | 27-03-2030 |
| Promotions (année d'obtention) pouvant bénéficier du niveau de qualification octroyé |
2022 2020 2021 2023 |
Statistiques :
| Année d'obtention de la certification | Nombre de certifiés | Nombre de certifiés à la suite d’un parcours vae | Taux d'insertion global à 6 mois (en %) | Taux d'insertion dans le métier visé à 6 mois (en %) | Taux d'insertion dans le métier visé à 2 ans (en %) |
|---|---|---|---|---|---|
| 2023 | 11 | 0 | 88 | 75 | - |
| 2022 | 37 | 0 | 94 | 76 | - |
| 2021 | 37 | 0 | 91 | 72 | - |
| 2020 | 8 | 0 | 100 | 86 | - |
Lien internet vers le descriptif de la certification :
Liste des organismes préparant à la certification :
Référentiel d'activité, de compétences et d'évaluation :
