Ingénieur en intelligence artificielle
L'essentiel
Nomenclature
du niveau de qualification
Niveau 7
Code(s) NSF
326 : Informatique, traitement de l'information, réseaux de transmission
Formacode(s)
11050 : Mathématiques informatiques
31028 : Intelligence artificielle
Date d’échéance
de l’enregistrement
17-06-2024
| Nom légal | Siret | Nom commercial | Site internet |
|---|---|---|---|
| YOTTA ACADEMY | 87872230500025 | - | https://yotta-academy.com/ |
Objectifs et contexte de la certification :
L'objectif de la certification est de former des profils scientifiques ou informatiques au métier d'ingénieur en intelligence artificielle (ou Machine Learning Engineer (MLE)). Pour cela, Yotta Academy propose une approche technique de la Data Science en collant au plus proche de la réalité du terrain. Les apprenants développent des compétences sur l’implémentation d’algorithmes de Machine Learning, de mise en production afin d’obtenir une couche applicative servant des utilisateurs finaux, ainsi qu'en gestion de projet en environnement industrialisé. Dans le cadre du dispositif de formation préparant au passage de la certification, les candidats peuvent interagir de façon continue avec les formateurs, qui sont des Machine Learning Engineers experts dans leurs domaines (NLP, Computer Vision), et qui pratiquent au quotidien la data science dans les entreprises.
Activités visées :
1) Analyser les besoins d'un client pour un projet d'intelligence artificielle
• Analyse du besoin client en intelligence artificielle (IA)
- Analyse de l’existant chez le client et de l’écosystème IT (technologies de l’information)
- Évaluation de la qualité et de la richesse des données du client
- Analyse de la cartographie des données pour traduire une problématique métier en problème mathématiques/statistiques et réciproquement
• Evaluation de la faisabilité d’un projet IA
- Identification des attentes et des objectifs du client
- Formalisation du besoin client
- Anticipation des complexités techniques et technologiques
- Découpage des tâches associées
- Estimation de la charge de travail à chaque tâche
• Veille technique et technologie
- Étude détaillée des dernières innovations technologiques pour aider à la compréhension des technologies en évolution
- Utilisation d’une documentation technique
- Mise au point de solutions originales pour l’intégration de nouvelles technologies dans les produits, applications ou services ou dans la création de nouvelles solutions
- Identification des principaux cas d’application de l’IA dans les différents secteurs d’activité et des grandes sources de données qui les alimente
• Définition des cas d’usage d’IA
- Présentation des cas d’usage de l’IA applicable chez le client
- Traduction éléments techniques d’IA au client
2) Concevoir une solution d'intelligence artificielle
• Préparation des données nécessaires au projet d’intelligence artificielle (IA)
- Collecte des données nécessaires à l’usage IA
- Extraction des données
- Nettoyage des données
• Conception du code source du traitement IA
- Écriture du code source permettant de préparer les données en fonction des besoins de l’algorithme d’intelligence artificielle (segmentation, augmentation, nettoyage, filtrage, etc), le cas échéant orientée objet
- Écriture fonctionnelle d’un code respectant la trame d’architecture cible dans un environnement data science (application Python)
- Documentation du code source
• Construction d’un environnement informatique en local ou virtuel
- Configuration de serveur
• Modélisation des données
- Modélisation les données (requêtage) avec l’approche orientée requêtes
- Mise place du système de gestion de base de données analytique
- Configuration du système de gestion de base de données analytique (PostgreSQL)
• Conception du programme d’IA
- Identification précise du besoin métier et des objectifs de performance (analyse de sentiment, classification d’images, prédiction temporelle, régression, etc.)
- Sélection de la méthode d’apprentissage dans le cas d’un algorithme de Machine Learning ou de Deep Learning en se basant sur les statistiques, algèbre et probabilités, notamment la statistique bayésienne et les méthodes d’échantillonnages (MCMC)
- Sélection des algorithmes adaptés à la problématique et aux données (régression linéaire, forêt aléatoire, réseau de neurones, etc.)
- Sélection des outils adaptés au besoin de l’algorithme à implémenter (Scikit-Learn, TensorFlow, PyTorch, Gensim, etc.)
- Comparaison et évaluation des différents modèles ou méthodes de calcul et anticipation des avantages et inconvénients dans un environnement métier
- Intelligibilité du modèle permettant une meilleure appropriation par les équipes métier
• Implémentation de la solution d’IA
- Implémentation d’une solution conforme aux normes de développement logicielles dans un environnement data science
- Développement de l’interaction avec un algorithme ou un service d’IA (par exemple : une API exposant des services cognitifs, un modèle de deep learning préalablement entraîné, etc.) en fonction des traitements visés, par exemple : le langage naturel ou la vision par ordinateur
- Développement d’une interface visuelle permettant l’interaction entre la couche applicative et l’utilisateur final
3) Mise en production d'un système d'intelligence artificielle
• Définition du modèle mathématique (algorithme) applicable au projet d’intelligence artificielle
- Définition du modèle de données
- Mise en œuvre des techniques d’extraction et d’analyse d’informations, obtenues à partir de gisements de données (Big Data)
- Choix des solutions de stockage non relationnelles (NoSQL)
- Sélection du système de gestion de base de données adapté
- Mise place et configuration du système de gestion de base de données
- Mise en œuvre d’outils big data (tel Hadoop)
- Programmation du traitement de données en environnement distribué (Spark, Dask)
• Développement de l’application d’IA
- Sélection des outils et langages de programmation
- Développement de manière collaborative dans un projet agile
- Conception de l’architecture de l’application (serverless, micro-service, design pattern, etc.)
- Écriture des tests unitaires en Python
- Réalisation de tests en utilisant un orchestrateur (gitlab-ci) pour automatiser l’exécution des tests (CI) et le déploiement du code (CD)
- Construction et déploiement d’une image (docker)
- Programmation d’un traitement de données automatisé
• Maintien en condition opérationnelle l’application IA
- Identification du cycle de vie de son cas d'usage de l’IA
- Monitoring d’un modèle en production
- Gestion des évolutions d’un modèle en production
- Reproductibilité d'une chaîne de modélisation
- Versionnage des modèles prédictifs
- Gestion d’un déploiement sur le cloud
- Déploiement d’un modèle prédictif sur un serveur
- Mesure et détection de la dérive des données
- Application de correctifs dans le cadre de la résolution de bogues techniques et/ou fonctionnels
4) Gestion d'un projet d'intelligence artificielle
• Gouvernance du projet d’intelligence artificielle (IA)
- Définition de la gouvernance des données
- Définition des étapes du processus d’industrialisation et des livrables correspondants
- Suivi des bonnes pratiques d’industrialisation de projet
- Planification des moyens nécessaires à la bonne réalisation du projet d’IA
- Définition des solutions informatiques les plus adaptées à la politique informatique générale et aux besoins des utilisateurs ou du client
• Planification des tâches du projet IA
- Identification et mise en place des étapes d’un projet IA
- Identification des tâches à implémenter et ordonnancement de ces tâches grâce à un outil adapté
- Estimation de la durée des tâches
- Détermination des ressources requises
- Formalisation des spécifications fonctionnelles attendues
- Production d’un document ressource qui rend compte de l'avancement du projet
- Rédaction de comptes-rendus d’avancement
• Communication de projet
- Tenue d’échanges avec les différents interlocuteurs : collaborateurs et clients
- Mise en œuvre des canaux de communication
- Elaboration et tenue d’un tableau d’avancement de projet
- Reporting sur l’avancement du projet et ces étapes auprès des parties prenantes
• Pilotage du projet selon la méthode agile
- Mise en place de la vision agile dans le projet IA
- Mobilisation des collaborateurs autour du projet
- Répartition des rôles de chacun selon les compétences techniques et les conditions comportementales de chacun
- Management des équipes du projet
- Organisation de l’intelligence collective au sein du projet d’IA
Compétences attestées :
1) Analyser les besoins d'un client pour un projet d'intelligence artificielle
- Réaliser un audit de l’écosystème du client, en analysant sa cartographie des données, afin d’identifier ses besoins en développement d’application mettant en œuvre des techniques d’IA
- Réaliser une étude de faisabilité en mesurant les utilisations possibles de l’IA dans la structure, les complexités techniques, ainsi que la charge de travail associée, afin d’identifier les cas d’usage de l’IA et de produire les éléments de réponse technique
- Réaliser une veille technique et technologie en collectant, classifiant et en analysant l’information, afin de maintenir à jour son expertise IA et aider à la prise de décision technique
- Emettre des recommandations d’usage de l’IA au client en utilisant une communication adaptée à un public non expert IA, afin de valider le projet avec lui
2) Concevoir une solution d'intelligence artificielle
- Préparer les données disponibles du client ou issues d’une base de données en sources ouvertes, en les nettoyant et structurant, en vue de leur utilisation par les algorithmes d’IA
- Concevoir le code source de traitement de données simple à réutiliser et à maintenir, afin de construire une architecture de code en environnement Data Science, tout en établissant un langage commun entre concepteurs de solutions d’IA
- Mettre en place les procédures techniques et technologiques d'exploitation, en configurant les éléments nécessaires, afin de mener à bien tout projet de développement logiciel
- Concevoir une base de données relationnelle à l’aide de méthodes standards de modélisation de données, afin de développer la solution IA
- Concevoir le programme d’intelligence artificielle adapté aux données disponibles afin de répondre aux objectifs fonctionnels du projet, en utilisant les outils et les méthodes standards, notamment de Machine Learning et de Deep Learning
- Développer l’interaction entre les fonctionnalités de l’application et l’intelligence artificielle dans le respect des objectifs visés et des bonnes pratiques du domaine
3) Mise en production d'un système d'intelligence artificielle
- Déterminer le modèle mathématique (algorithme) adapté à la problématique de traitement de données IA, afin de développer une solution IA répondant aux attentes du commanditaire
- Développer le back-end de l’application d’IA dans le respect des spécifications fonctionnelles et des bonnes pratiques du domaine, afin de construire la solution IA
- Maintenir opérationnelle l’application d’IA chez le client, à l’aide des outils de monitorage, afin de détecter et réagir aux éventuels dysfonctionnements en appliquant des correctifs
4) Gestion d'un projet d'intelligence artificielle
- Etablir le processus organisationnel d’industrialisation, en définissant les étapes et les moyens nécessaires, afin d’optimiser la prise de décision tout au long du projet d’IA
- Planifier les tâches du projet IA en utilisant un outil adapté afin de prévoir la livraison du projet dans les temps impartis
- Communiquer avec les parties prenantes au projet en mettant en œuvre les canaux de communication nécessaires afin de rendre compte de l'avancement du projet
- Mettre en place une démarche de travail selon la méthode agile en répartissant les rôles au sein d’une équipe agile pour faciliter la collaboration, accélérer le processus itératif et assurer la bonne exécution et livraison du projet
Modalités d'évaluation :
L’évaluation est réalisée à partir des blocs de compétences constituant le titre. Il s’agit d'un cas pratique, d'un examen écrit et de trois projets professionnels.
RNCP35684BC01 - Analyser les besoins d'un client pour un projet d'intelligence artificielle
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
C1.1 - Réaliser un audit de l’écosystème du client, en analysant sa cartographie des données, et en prenant en compte les particularités du secteur d'activités concerné, afin d’identifier ses besoins en développement d’application mettant en œuvre des techniques d’IA C1.2 - Réaliser une étude de faisabilité en mesurant les utilisations possibles de l’IA dans la structure, les complexités techniques, ainsi que la charge de travail associée, afin d’identifier les cas d’usage de l’IA et de produire les éléments de réponse technique spécifiques au secteur d'activités ciblé C1.3 - Réaliser une veille technique et technologie en collectant, classifiant et en analysant l’information propre au secteur ciblé, afin de maintenir à jour son expertise IA et aider à la prise de décision technique C1.4 - Emettre des recommandations d’usage de l’IA au client en prenant en compte les principes éthiques et en utilisant une communication adaptée à un public non expert IA, afin de valider le projet avec lui. Les moyens de communication utilisés prendront en compte les situations de handicap du public ciblé par les recommandations |
Cas pratique Dans le cadre d’un projet collectif et à partir d’un besoin exprimé par un client fictif (données réelles), le candidat doit : - évaluer la qualité des données du client, - valider les sources de données en fonction des résultats de l’analyse exploratoire, - produire les rapports synthétisant les caractéristiques du jeu de données. - réaliser une étude de faisabilité o identifier les cas d’usage de l’IA dans le secteur ciblé o identifier les complexités propres au secteur ciblé o définir les tâches et estimer la charge de travail - assurer une activité de veille sur les technologiques IA (QCM) Le candidat conclut le projet en restituant à l’oral ses recommandations d’usage de l’IA, avec support visuel de présentation, à un client fictif. La dimension éthique des recommandations sera précisée. Les moyens de communication utilisés prendront en compte les situations de handicap du public ciblé par les recommandations.
La validation du bloc se matérialise par la remise d'un certificat. |
RNCP35684BC02 - Concevoir une solution d'intelligence artificielle
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
C2.1 - Préparer les données disponibles du client ou issues d’une base de données en sources ouvertes, en les nettoyant et structurant, en vue de leur utilisation par les algorithmes d’IA, et en respectant les règles et législation en vigueur (organisation, méthodologie et points de contrôle RGPD) C2.2 - Concevoir le code source de traitement de données simple à réutiliser et à maintenir, afin de construire une architecture de code en environnement Data Science, tout en établissant un langage commun entre concepteurs de solutions d’IA C2.3 - Mettre en place les procédures techniques et technologiques d'exploitation, en configurant les éléments nécessaires et en mettant en place des procédures garantissant la sécurité des données et des systèmes (bonnes pratiques, méthodologies et protocoles) afin de mener à bien tout projet de développement logiciel C2.4 - Concevoir une base de données relationnelle à l’aide de méthodes standards de modélisation de données, afin de développer la solution IA en respectant les procédures garantissant la sécurité des données et des systèmes (bonnes pratiques, méthodologies et protocoles) C2.5 - Concevoir le programme d’intelligence artificielle adapté aux données disponibles afin de répondre aux objectifs fonctionnels du projet, en utilisant les outils et les méthodes standards, notamment de Machine Learning et de Deep Learning, et en respectant les procédures garantissant la sécurité des données et des systèmes (bonnes pratiques, méthodologies et protocoles) C2.6 - Développer l’interaction entre les fonctionnalités de l’application et l’intelligence artificielle dans le respect des objectifs visés et des bonnes pratiques du domaine, de l'éthique (transparence, responsabilité, intelligibilité, fiabilité, sécurité) et de la réglementation en vigueur (organisation, méthodologie et points de contrôle RGPD) |
(1) Projet professionnel Dans le cadre d’un exercice pratique collectif, à partir d’un cas fourni, le candidat doit : - préparer les données (collecte, nettoyage…) - développer un code modulaire et fonctionnel - anticiper la phase de conception en préparant une structure de code adaptée - prendre en compte la législation et la réglementation en vigueur (organisation, méthodologie et points de contrôle RGPD) et de sécurité - configurer un serveur linux. Il est attendu qu’il maitrise un outil de gestion de code collaboratif, ainsi que les principaux composants d’un ordinateur. - mettre en place des procédures garantissant la sécurité des données et des systèmes (bonnes pratiques, méthodologies et protocoles) - mettre en place un système de gestion de base de données relationnelle - requêter la donnée - justifier le choix d’un algorithme (par exemple de machine learning ou de deep learning) au regard des objectifs du projet et des données disponibles - sélectionner les outils adaptés à l’implémentation de l’IA - formaliser, dans le cas d’un algorithme de machine learning ou de deep learning, la méthode d’apprentissage - fournir et analyser les résultats, - interpréter une IA - sécuriser les données et systèmes - programmer et assembler les composants de l’IA - produire les éléments (documents, schémas...) de formalisation des fonctionnalités de l’application, - schématiser l’architecture de l’application - développer une interface à l’aide des outils du marché permettant l’interaction avec un utilisateur La validation du bloc se matérialise par la remise d'un certificat. |
RNCP35684BC03 - Mise en production d'un système d'intelligence artificielle
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
C3.1 - Déterminer le modèle mathématique (algorithme) adapté à la problématique de traitement de données IA, afin de développer une solution IA répondant aux attentes du commanditaire et en tenant compte des procédures garantissant la sécurité des données et des systèmes C3.2 - Développer le back-end de l’application d’IA dans le respect des spécifications fonctionnelles et des bonnes pratiques du domaine, afin de construire la solution IA C3.3 - Maintenir opérationnelle l’application d’IA chez le client, à l’aide des outils de monitorage, afin de détecter et réagir aux éventuels dysfonctionnements en appliquant des correctifs |
(2) Projet professionnel Dans le cadre d’un projet collectif, le candidat doit : - modéliser la ou les structures des données sous forme de schémas standards, - identifier le ou les systèmes de stockage adaptés à la modélisation des données, - décrire la procédure du flux de traitement et de transformation des données - sécuriser les données et systèmes - packager et fournir une application complète - déployer une image - développer les composants serveur - réaliser les tests automatisés de l’application - formaliser la procédure de débogage de l’application - gérer un modèle déployé - monitorer un modèle - détecter la dérive dans les données La validation du bloc se matérialise par la remise d'un certificat. |
RNCP35684BC04 - Gestion d'un projet d'intelligence artificielle
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
C4.1 - Etablir le processus organisationnel d’industrialisation, en définissant les étapes et les moyens humains et techniques nécessaires, en répartissant les activités au sein de l'équipe affectée au projet (prise en compte des diversités culturelles et éventuelles situations de handicap) selon les compétences de chacun (matrice RACI : Responsible, Accontable, Consulted, Informed), afin d’optimiser la prise de décision tout au long du projet d’IA C4.2 - Planifier les tâches du projet IA en prenant en compte les compétences, les contraintes, les objectifs et la taille de l'équipe affectée au projet, et en utilisant un outil adapté afin de prévoir la livraison du projet dans les temps impartis C4.3 - Communiquer avec les parties prenantes au projet en mettant en œuvre les canaux de communication à l'oral comme à l'écrit nécessaires afin de rendre compte de l'avancement du projet, et en prenant en compte la diversité culturelle et les éventuelles situations de handicap des équipes affectées au projet. C4.4 - Mettre en place une démarche de travail selon la méthode agile en répartissant les rôles au sein d’une équipe agile, en tenant compte des compétences et situation de chacun, pour faciliter la collaboration, accélérer le processus itératif et assurer la bonne exécution et livraison du projet C4.5 - Manager l'équipe affectée au projet en prenant en compte les diversités culturelles et éventuelles situations de handicap, en fixant les objectifs et en mettant en œuvre les évaluations et feedback nécessaires afin d'adapter à chacun les plans de progrès et garantir l'atteinte des objectifs fixés par le client |
Questionnaire à visée professionnelle :Le candidat doit répondre à des questions sur la gouvernance des données et les problématiques organisationnelles d’un projet IA. (3) Projet professionnel Dans le cadre d’un projet collectif de construction d’une solution d’intelligence artificielle, le candidat doit : - fixer les étapes de réalisation du projet pour une organisation optimale - évaluer les moyens humains (identification des points forts et des besoins, définition des attentes, fixation d'objectifs, évaluation et feedback) et techniques nécessaires pour atteindre les objectifs du projet - connaitre les principaux livrables associés à l’industrialisation - identifier, agencer et estimer les différentes phases du projet en prenant en compte les compétences, les contraintes, les objectifs et la taille de l'équipe affectée au projet, et en utilisant un outil adapté afin de prévoir la livraison du projet dans les temps impartis - formaliser des spécifications fonctionnelles - rédiger des comptes-rendus d’avancement - mettre en œuvre les outils de communication en prenant en compte la diversité culturelle et les éventuelles situations de handicap au sein des équipes affectées au projet - communiquer avec l’ensemble des parties au projet - assurer le reporting en tenant un tableau d’avancement de projet - mettre en œuvre la méthode agile tout au long du projet en tenant compte des compétences et situation de chacun - répartir les missions à chaque collaborateur - manager les équipes - tableau de gestion des fonctionnalités de l’application La validation du bloc se matérialise par la remise d'un certificat. |
Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par correspondance :
Pour acquérir la certification d'ingénieur en intelligence artificielle, le candidat doit capitaliser l'ensemble des quatre blocs de compétences.
Secteurs d’activités :
L’ingénieur en IA évolue dans un vaste panel de secteurs d’activités et principalement dans le milieu des technologies, industries, banques, assurances, énergie, transports, services, santé, télécommunications, grande distribution et le e-commerce.
Type d'emplois accessibles :
Types d'emplois accessibles :
- Ingénieur Machine Learning
- Data Scientist
- Ingénieur Data (ou Data Engineer)
- Chef de projet intelligence artificielle
Après plusieurs années d’expérience, ils peuvent évoluer vers :
- lead data scientist
- Head of Data engineer / science / analytics
Code(s) ROME :
- M1802 - Expertise et support en systèmes d''information
- M1810 - Production et exploitation de systèmes d''information
- M1805 - Études et développement informatique
- M1803 - Direction des systèmes d''information
Références juridiques des règlementations d’activité :
L'ingénieur en intelligence artificielle se doit de respecter l'éthique de l'intelligence artificielle et le RGPD, mais aussi de veiller à la sécurité des données, réseaux et systèmes, et à la prise en compte des situations de handicap.
Le cas échant, prérequis à l’entrée en formation :
Pour accéder au dispositif de certification, les candidats doivent être titulaires d'un niveau 4 (baccalauréat ou équivalent) et test de niveau en mathématiques et en programmation.
Le cas échant, prérequis à la validation de la certification :
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 | - | - | |
| En contrat d’apprentissage | X | - | - | |
| Après un parcours de formation continue | X |
XXXXXXXXXX |
- | |
| En contrat de professionnalisation | X | - | - | |
| Par candidature individuelle | X |
XXXXXXXXXX |
- | |
| Par expérience | X |
XXXXXXXXXX |
- |
| Oui | Non | |
|---|---|---|
| Inscrite au cadre de la Nouvelle Calédonie | X | |
| Inscrite au cadre de la Polynésie française | X |
Aucune correspondance
| Date de décision | 17-06-2021 |
|---|---|
| Durée de l'enregistrement en années | 3 |
| Date d'échéance de l'enregistrement | 17-06-2024 |
Statistiques :
Lien internet vers le descriptif de la certification :
https://yotta-academy.com/mle-bootcamp/
Le certificateur n'habilite aucun organisme préparant à la certification
Historique des changements de certificateurs :
| Nom légal du certificateur | Siret du certificateur | Action | Date de la modification |
|---|---|---|---|
| YOTTA ACADEMY | 87872230500017 | Est retiré | 28-09-2023 |
| YOTTA ACADEMY | 87872230500025 | Est ajouté | 28-09-2023 |
Référentiel d'activité, de compétences et d'évaluation :
