Certification professionnelle

Objectifs et contexte de la certification :

La plupart des travaux actuels autour de l’intelligence artificielle (IA) correspondent à une phase d’investissement en recherche & développement et peu d’applications sont entrées dans une phase d’industrialisation. En effet, l’IA apparaît aujourd’hui dans une multitude de cas d’usages dont les avancements sont divers (voicebots et chatbots, deep et machine learning, robotique…etc). Ce contexte influe sur la demande de compétences actuelles et futures à l’échelle française et mondiale. La transformation par l’IA ne se mesure donc pas seulement par une « règle économique impactant l’emploi », mais plus par une modification des contenus métiers.

Les grandes tendances de l’emploi en IA

Pour les profils de spécialistes de l’IA, des évolutions rapides sont à prévoir dans les technologies de modélisation informatique des algorithmes (bibliothèques existantes, Cloud Computing, applicatifs intégrant l’IA etc.). Cela pourrait diffuser et rendre plus rapide l’accès à certaines technologies IA pour des profils plus variés, y compris des personnes qui ne sont pas actuellement spécialistes de l’IA.

Des compétences aujourd’hui en forte tension (ex : Deep Learning, notamment pour la Vision artificielle et le Traitement du Langage Naturel) pourraient devenir plus accessibles pour des spécialistes intégrateurs généralistes de l’IA, élargissant l’accès à ces spécialités pour d’autres profils. En conséquence, la branche numérique pourrait rechercher environ 7 500 spécialistes supplémentaires de l’IA & Data Science sur la période 2019-2023, pour une population totale portée de 11 200 à 21 000 personnes (+59%).

Cette période de croissance des effectifs spécialistes de l’IA pourrait avoir, dans un deuxième temps, un impact sur la demande de compétences d’autres métiers… En effet, la modification des contenus métiers, des organisations et des besoins en emplois irait jusqu’à contracter les besoins en recrutement d’environ 12 000 personnes sur la période 2023-2025 (uniquement une baisse des recrutements, sans contraction des effectifs présents a priori).

Des offres d’emploi qui traduisent un manque de connaissance fine des besoins et des compétences recherchées

Les offres demeurent concentrées sur les technologies maîtrisées, notamment les plus transférables d’un secteur à l’autre (Machine Learning, Deep Learning, Vision Artificielle, Traitement du Langage Naturel) et sur les chefs de projets également.

Plus généralement, les niveaux de demandes sur l’expérience et le niveau de diplôme (dans une moindre mesure) semblent parfois éloignés d’une compréhension fine du contenu des compétences demandées et des besoins de formations ou d’expérience souhaitables.

Activités visées :

Les titulaires de la certification seront amenés à réaliser les activités suivantes sous la responsabilité d'un supérieur hiérarchique :

Développement d’une base de données

• La conception et la structuration physique d’une base de données relationnelle ou non.
• L’acquisition, la combinaison et la structuration des données en vue de leur intégration dans la structure de la base de données.
• L’intégration des données propres et préparées dans la base de données finale.
• L’optimisation d’une base de données pour maintenir la fiabilité et la qualité des données.

Exploitation d’une base de données

• L’interrogation et le traitement des données simultanément et au niveau approprié, avec leur stockage sécurisé, brut ou traité, provisoire ou durable.
• La conception et la réalisation de rendus visuels des données issues du processus d'extraction.
• La mise à disposition des rendus visuels et physiques des données, en accès libre ou contrôlé, tout en respectant la réglementation associée.

Exploitation de l’intelligence artificielle dans le développement d’applications

• Le traitement et l’analyse des données pour la mise en place de modèles d’apprentissage.
• L’exploitation des modèles d’apprentissage à l’aide des méthodes de machine learning.
• L’assemblage de modèles d’apprentissage profond.
• Le développement d’applications exploitables par le client final, intégrant les solutions d’intelligence artificielle réalisées ou préexistantes.

Compétences attestées :

Le titulaire de la certification, sous la responsabilité d’un ingénieur ou supérieur hiérarchique, est capable de : 

• Identifier les données des processus  issues de différents capteurs ou source de données interne ou externe à l'entreprise
• Proposer des solutions techniques IA afin d'optimiser ses processus  
• Mener des expérimentations pour des proof of concept ou pour vérifier le bon fonctionnement des solutions
• Prendre en compte les aspects humain, économique et organisationnel de l'entreprise
• Prendre en compte les aspects éthiques inhérant à l'entreprise dans la mise en place de solution d'IA
• Adapter son discours pour vendre ses solutions d'IA à différents publics internes ou externes à son service

• Se mettre à jour sur les différentes technologies de l'intelligence artificielle 

   

Liste détaillée des compétences évaluées :

- nalyser le besoin du client, le contexte économique, l'environnement, la technicité et les métiers de l'entreprise afin d'appréhender le périmètre du projet à mener
- Identifier et analyser les flux d’information et les processus et activités de l’entreprise afin de comprendre le schéma d’organisation métier de l’entreprise
- Construire les études d'opportunité en lien avec les acteurs métier (étude de cadrage, faisabilité et rentabilité) en s'appuyant sur des cas d'usage pour répondre au mieux aux besoins du client
- Elaborer une note de cadrage (ou charte projet) pour définir le périmètre global du projet

- Recenser les différentes solutions/technologies susceptibles de répondre au cahier des charges afin de les mettre en oeuvre
- Comparer les solutions existantes avec leur adéquation au besoin afin de participer aux choix techniques
- Analyser et évaluer les risques (sécurité) d’une IA afin de participer à leur résolution

- S’approprier les différentes classes d'algorithmes (machine learning, deep learning,…) pour modéliser les données massives afférentes au projet
- Mettre en oeuvre des méthodes de collecte, de stockage, de traitement et de visualisation des données pour exploiter celles-ci
- Appréhender les concepts d'architecture cloud (AWS, Azure, …) et les outils d'apprentissage (Keras, Tensor flow,) pour garantir sa légitimée technique dans le projet
- Conduire une veille technologique pour repérer les nouvelles applications et les évolutions

- Définir et documenter les cadres légaux et éthiques de l'utilisation de l'IA pour en permettre une amélioration et adaptation rapide
- Mettre en oeuvre des plans d'action préalablement définit pour inscrire la conduite du projet dans les cadres légaux et éthiques de l’utilisation de l’IA

- Identifier les différentes sources de données
- Identifier les algorithmes/protocoles outils permettant une collecte efficace des données
- Identifier la nécessité d’un processus de prétraitement des données afin de les intégrer dans la solution IA
- Sélectionner les sources de données de l’entreprise pour les modéliser et les cartographier
- Identifier et exploiter les indicateurs de performance à partir d’une analyse des données pour argumenter la solution retenue
- Elaborer des tableaux de bord intégrant les données « métier » pour permettre la prise de décision

- Quantifier les besoins en capacité de calculs et de stockage des données
- Identifier les ressources disponibles dans le SI
- Appréhender les tenants et aboutissants de la solution IA
- Définir les étapes d’un processus d’IA

- Identifier les acteurs pour connaître l'ensemble des problématiques associées aux projets
- Identifier les infrastructures IT nécessaires au sein de l’entreprise
- Identifier et mettre en place des indicateurs de performance afin de choisir un modèle d’IA adapté
- Manipuler des algorithmes sur plusieurs plateformes avec différents langages (identifier les technologies utilisées)
- Identifier et analyser les technologies appropriées pour aider à la prise de décisions par les parties prenantes
- Mettre en oeuvre la solution pour répondre aux besoins
- Tester et valider la solution d’IA en s’appuyant sur les indicateurs de performance

- Implémenter une solution IA dans un SI existant avec des technologies et/ou langages appropriés
- Assurer la configuration de la solution d’IA déployée
- Mesurer les impacts environnementaux de la solution au regard des instances réglementaires
- Sélectionner et formaliser les éléments de performances de la solution pour effectuer un reporting auprès des personnes concernées (clients internes, direction, etc.)-

- Maintenir le système IA mis en place pour garantir la continuité de service de la solution implémentée
- Paramétrer des solutions IA et maîtriser les métriques associées pour valider les performances de la solution au regard des jeux de données (indicateurs de confiance dans la solution)
- Utiliser l'écriture de scripts tel que Python s'appuyant sur différentes bibliothèques logicielles dédiées IA permettant de maintenir la solution IA déployée

- Analyser les résultats de la solution IA afin d’en évaluer l’impact écologique
- Mettre en place des solutions correctives si les résultats de la solution IA ne sont pas optimaux
- Mesurer l’impact environnemental de la solution au regard des instances réglementaires

- S’adapter aux méthodes de gestion de projet de type AGILE, PMI, etc. pour l’appliquer aux projets IA
- Former les utilisateurs et/ou les mainteneurs de la solution IA pour garantir le transfert des connaissances et l'appropriation des objectifs et enjeu du projet auprès des collaborateurs

- Identifier les sous-projets et tâches inclus dans le projet global pour en estimer les durées
- Planifier les projets IA en utilisant la méthode de planification PERT et les diagrammes de GANTT pour identifier les antériorités des tâches et construire le planning détaillé du projet
- Définir les principaux jalons du projet (points de validation) permettant de vérifier le bon déroulement du projet
- Concevoir le planning du projet à travers un outil de représentation graphique pour étudier la solution optimale pour le client

- Identifier les risques inhérents au projet IA afin d’en évaluer la criticité (occurrence, gravité et probabilité)
- Définir un plan de réponses aux risques identifiés (préventif ou curatif) et élaborer un tableau de suivi permettant de prévenir ces risques ou de réagir en cas d’incident

- Favoriser l’appropriation des outils numériques par les collaborateurs pour faciliter la transition numérique
- Prendre en compte l'impact environnemental des projets afin de réduire l'empreinte carbone
- Conduire les réunions de suivi de projet en intelligence artificielle (IA)

- Actualiser les données des tableaux de bord (coûts, réalisé, reste à faire, plans d’action, risques, etc.) pour suivre les indicateurs du projet et mettre en place les actions correctives utiles et réguler les aléas organisationnels
- Organiser et mener les réunions et les échanges utiles pour garantir le bon déroulement du projet (revues qualité, revues de points en suspens, réunions de suivi de projet, etc.)
- Synthétiser et formaliser les documents de reporting à destination du comité de pilotage ou de la Direction
- Etablir la documentation technique des projets IA et transmettre les documents nécessaires aux parties prenantes concernées.
- Assurer le transfert de compétences auprès des administrateurs ou correspondants du client pour garantir la viabilité de la solution IA déployée
- Organiser et animer la capitalisation de l'expérience à l'issue du projet IA au sein de l’entreprise (réunions, documentation, outils de gestion de projet, etc.) pour clore le projet dans les meilleures conditions

Modalités d'évaluation :

Une part importante des blocs de compétences est évaluée au travers des diverses missions et stages en entreprise, la part restante est évaluée au travers d'examens partiels, de travaux dirigés évalués ou de projets (réels ou simulés) dont les conclusions sont soutenues à l'oral.  

Enfin, l'étudiant rédige un mémoire professionnel final soutenu devant un jury de professionnels en lien avec le diplôme visé. 

Dispositifs spécifiques pour les étudiants en situation de handicap

L’école met à la disposition des étudiants en situation de handicap un référent handicap qui coordonne les aménagements nécessaires en accord avec les textes de loi en vigueur. Ce référent travaille avec le comité national du groupe CESI pour organiser les conditions d'accueil, les aménagements d’études et d’examens, en tenant compte des recommandations du médecin du Service de santé universitaire désigné par la Commission des Droits et de l’Autonomie de la Personne Handicapée.  

Le CESI veille particulièrement à l’équité des modalités d’évaluation dans le cadre des stages, des périodes en entreprise et lors de la période d'immersion internationale. Le référent handicap assure que les besoins d'adaptation du parcours et des modalités de contrôle des connaissances sont correctement pris en compte pour garantir une évaluation juste, indépendamment du statut de l’étudiant. De plus, l'école adapte les modalités d’évaluation linguistique selon les besoins des étudiants en situation d'handicap, en conformité avec le socle de compétences exigé. Les ajustements sont décidés par la Commission d’Aménagement de Parcours, en concertation avec les experts pédagogiques