Des guides concrets pour transformer un site en outil vraiment utile.

La certification vise à préparer au métier de chef de projet en développement de solutions IA et répond à un besoin des entreprises qui font face aux changements induits par les nouvelles technologies.

La plupart des entreprises ont des besoins en termes d’intégration de l’intelligence artificielle dans leur process. Pour que cette intégration soit pertinente, il faut à la fois connaître les possibilités de l’intelligence artificielle, mais également le mode de fonctionnement des entreprises. Le chef de projet en développement de solutions IA apporte une réponse à cette problématique en faisant le lien entre les volets technologiques et organisationnels des transformations IA.

Les activités abordées par la certification couvrent les deux grands domaines de la conduite du projet IA qui nécessite l’acquisition de compétences en « Business et Management » et des compétences en « IA techniques ». Il s’agit d’un profil « hybride » » que l’on trouve peu sur le marché et pour lequel la demande est forte. Si la recherche en IA nécessite un niveau de mathématiques / informatique élevé, ce n’est pas le cas de son utilisation dans de nombreux problèmes concrets. En effet, l’implémentation de solutions IA dans des organisations n’est pas qu’une question technique. Elle nécessite une connaissance du fonctionnement de ces organisations et de l’ensemble du spectre lié aux questions de faisabilité, de validité, d’acceptabilité, de confiance, de responsabilité. En conséquence, il paraît important que la présente certification s’organise au sein du triptyque : IA, Management, Ethique. Cette sorte d’ADN de la certification n’existe pas ou peu en France et constitue donc une innovation à l’échelle nationale et internationale.

* Elaboration de la stratégie et identification des opportunités de l’entreprise dans le domaine de l’intelligence artificielle

* Sécurité et protection des données personnelles

* Traitement des données provenant de multiples sources

* Analyse statistique des données

* Transformation des données

* Conception et entraînement des modèles IA

* Optimisation et évaluation des modèles IA

* Analyse des besoins informatiques

* Pilotage du développement informatique

* Viabilité et évolution des logiciels

* Communication des résultats du projet

* Suivi de l’évolution de l’interface de restitution des résultats de la solution d’intelligence artificielle

* Présentation des principaux usages des résultats du projet IA ainsi que leurs implications éthiques Pilotage du flux de travail d’un projet IA

* Animation d’équipe dans un environnement technologique

* Pilotage financier et gestion des risques du projet IA

* Analyser les composantes et enjeux intrinsèques aux projets IA en s’appuyant sur un système de veille technologique et économique afin de détecter les opportunités de projets d’intelligence artificielle au sein de l’entreprise (par exemple le cas des IA génératives).

* Mesurer l’impact de l’intelligence artificielle sur l’environnement, la société et l’individu, en identifiant les éventuels décalages par rapport aux dispositions du RGAA et définir des solutions de remédiation et/ou de collaboration afin d’adopter une démarche soucieuse des questions éthiques.

* Anticiper les problématiques potentielles liées à la sécurisation et la protection des données personnelles en contrôlant les données afin de respecter la réglementation en vigueur.

* Définir une politique de protection de données en identifiant les principaux risques internes et externes liés à leur sécurité afin de mieux les gérer.

* Mettre en œuvre une politique d’assurance qualité des données en s’appuyant sur un référentiel de procédures qualité pour permettre leur accessibilité, compréhension et exploitation ultérieure.

* Agréger un ensemble de données à partir de sources hétérogènes, internes et externes à l'entreprise et ceci de façon sécurisée afin de les exploiter.

* Analyser les données en identifiant les anomalies et les manques pour évaluer leur qualité et leur potentiel d’exploitation et implémenter les corrections et améliorations nécessaires.

* Sélectionner les outils techniques pour le stockage, le nettoyage et le traitement des données en explorant les bibliothèques existantes pour les applications data afin de préparer l’analyse de données.

* Réaliser une analyse statistique de données à l’aide de méthodes adaptées à la nature du projet afin de d’extraire une information opérationnelle pour la prise de décision.

* Modéliser les données en s’appuyant sur des modèles statistiques explicatifs afin de les rendre intelligibles et exploitables.

* Traduire les contenus bruts en données structurées en appliquant des techniques de vectorisation afin de les rendre exploitables par des algorithmes d’apprentissage automatisés.

* Augmenter les données en mettant en œuvre une démarche d’ingénierie des fonctionnalités et en s’appuyant sur une expertise métier et sectorielle pour en améliorer leur exploitation.

* Implémenter des modèles d’apprentissage profond en concevant une architecture optimisée afin de maximiser la puissance prédictive.

* Anticiper et remédier aux problèmes de type sur- apprentissage des modèles élaborés en mettant en place des indicateurs permettant d’en mesurer les performances afin d’assurer l’opérationnalité de la solution d’intelligence artificielle.

* Sélectionner l’algorithme d’intelligence artificielle adapté au problème à résoudre en réalisant des études comparatives de différents algorithmes, et en prenant en compte les besoins spécifiques des utilisateurs, notamment des personnes en situation de handicap afin d’assurer l’efficacité de la solution.

* Définir une stratégie d’optimisation des algorithmes par un échantillonnage exhaustif ou aléatoire de l’espace des paramètres et par la mise en œuvre de métriques adaptées aux problématiques d’intelligence artificielle afin d’améliorer l’efficacité des modèles.

* Evaluer la fiabilité des algorithmes prédictifs en appliquant une stratégie de validation croisée des données afin de minimiser l’influence des valeurs extrêmes.

* Identifier les librairies d’apprentissage machine (ML) et d’apprentissage profond (DL) nécessaires au projet en s’appuyant sur une analyse du besoin en infrastructure et en logiciel pour favoriser leur développement et leur mise en production.

* Élaborer les spécifications fonctionnelles et techniques des besoins recensés en réalisant un inventaire complet des caractéristiques du produit puis en rédigeant un cahier des charges mis à jour régulièrement pour veiller à respecter les exigences métiers relatives au projet.

* Valider régulièrement la production de la solution en s’appuyant sur le retour d’expérience des utilisateurs en interne et en externe afin d’adapter les fonctionnalités et les caractéristiques techniques du projet.

* Assurer la pérennité de la solution informatique en surveillant l’évolution des données de travail pour éviter la dégradation des performances des modèles d’intelligence artificielle mis en production.

* Favoriser la maintenabilité à long terme du code et son évolution en définissant des procédures d’écriture du code afin de les intégrer au projet et ainsi bâtir des solutions IA durables.

* Identifier les ressources, les langages de programmations et outils techniques nécessaires au projet en s’appuyant sur une analyse du besoin en logiciel pour favoriser leur développement et leur mise en production.

* Concevoir une interface(s) Homme-Machine simple (plateforme) adaptées au projet en s'appuyant sur des bibliothèques de programmation dédiées afin de visualiser les résultats du projet d’intelligence artificielle tout en prenant en compte les besoins des personnes en situation de handicap.

* Présenter les solutions d’intelligence artificielle élaborées en s’appuyant sur des solutions de visualisation de données internes ou externes à l’entreprise afin faciliter la compréhension des enjeux et des risques par toutes les parties prenantes du projet.

* Surveiller l’interface Homme-Machine simple (Plateforme) permettant la restitution des résultats du projet d’intelligence artificielle en mettant en place des indicateurs de performances et des alertes d’anomalie adaptés aux besoins métiers afin de gérer le comportement de l’interface dans le temps.

* Développer les possibilités d’usage des résultats du projet IA en identifiant les principaux usages dans différents domaines et en analysant leurs implications éthiques afin de les valoriser, les rendre plus opérationnelles et plus responsables.

* Coordonner le projet en s’appuyant sur des méthodes et des outils de gestion adaptés au contexte de l’entreprise et à la nature du projet d’intelligence artificielle afin d’assurer sa finalisation dans le respect des délais et des contraintes techniques et financières.

* Animer l’équipe en communiquant sur l’avancement du projet et en clarifiant les missions de chacun tout au long du projet afin de s’assurer de l’investissement et du suivi des équipes.

* Mettre en œuvre des modalités de recrutement et de formation permettant d’assurer la diversité des profils techniques des équipes afin de répondre aux exigences du projet et créer un environnement de travail inclusif.

* Gérer un budget complet du projet d’intelligence artificielle en intégrant les coûts internes et externes ainsi que les contraintes de temps et de ressources afin d’assurer le retour sur investissement du projet pour l’entreprise.

Titres certifiés niveau 6 en mathématique, statistique, informatique, santé, sciences de l’ingénieur, sciences économiques et de gestion, science de l’information et sciences humaines.

ou

Diplômes de l’enseignement technologique et professionnel au niveau 6

ou

Diplômes et/ou grades universitaires au niveau 6 en mathématique, statistique, informatique, santé, sciences de l’ingénieur, sciences économiques et de gestion, science de l’information et sciences humaines.

En France, différents rapports et études ont identifié certains secteurs les plus porteurs pour l’IA et vecteurs de projets d’Intelligence Artificielle. Ces secteurs d’activités se caractérisent par une forte exposition des effectifs aux impacts de l’IA et un niveau élevé d’exposition à la digitalisation.

Parmi ces principaux secteurs, nous trouverons :

* Santé : Les domaines où l’IA intervient sont vastes : médecine de prévention, aide au diagnostic et au choix des traitements, coaching patient, épidémiologie, chirurgie autonome, médecine augmentée, etc.

* Services financiers : Parmi les domaines les plus impactés par l’IA, on peut citer : les activités de marché (analyse prédictive du marché, performance des fonds d’investissement, aide pour fixer le meilleur prix des actions etc.), les opérations courantes (vente de produits financiers : accord ou non d’une demande de prêt, octroi de crédit, analyse documentaire, détection de fraudes etc.), service financier à la personne (aide des clients via des chatbots, assistants IA).

* Service juridique : Parmi les domaines les plus impactés par l’IA, citons : la recherche et analyse de documents (jurisprudence, informations légales de l’entreprise et une analyse pour trier et grouper les documents les plus pertinents pour le cas juridique à traiter), la gestion des contrats (l’analyse automatique des documents constitutifs, la préparation des documents contractuels et le suivi du respect des clauses après signature), le suivi des opérations juridiques quotidiennes.

* Commerce de détail : Les principaux domaines impactés par l’IA sont les suivants : personnalisation de l’expérience client (analyse plus fine du comportement des consommateurs en temps réel et meilleure anticipation de leurs besoins), optimisation du fonctionnement du point de vente, optimisation du backoffice, etc.

* Industrie : Les principaux applications de l’IA sont les suivants : robotique, automatisme, maintenance prédictive, contrôle qualité, interfaces homme-machine, etc.

* Chef de projet en développement de solutions d'intelligence artificielle

* Directeur projet Intelligence Artificielle

* Chef de projet Machine Learning

* Manager d’équipe Intelligence Artificielle

* Expert Intelligence Artificielle

* Consultant Intelligence Artificielle

* Ingénieur Intelligence Artificielle

Même si les métiers de l'intelligence artificielle ne sont pas réglementés, ils nécessitent la maitrise de plusieurs réglementations qui se développent, en particulier en Europe pour encadrer les usages des solutions IA/Data. On peut citer :

En France :

* La loi no 78-17 du 6 janvier 1978 relative à l’informatique, aux fichiers et aux libertés, plus connue sous le nom de loi informatique et libertés (dans sa rédaction en vigueur depuis 2019)

* Le décret n° 2019-536 du 29 mai 2019 qui détaille les modalités d’application de la Loi Informatique et Liberté et de la RGPD

* La loi n° 2004-575 du 21 juin 2004 pour La Confiance en l'Économie Numérique (LCEN)

* Le référentiel général d’amélioration de l’accessibilité (RGAA).

Eu Europe :

* Le règlement UE 2016/679 du Parlement européen et du Conseil du 27 avril 2016 relatif à la protection des personnes physiques à l'égard du traitement des données à caractère personnel et à la libre circulation de ces données, dit règlement général sur la protection des données (RGPD)

* Le règlement sur la gouvernance des données (Data Governance Act) - voté en mai 2022, et applicable en septembre 2023 qui régit le partage des données personnelles et non personnelles au niveau européen.

* La proposition de règlement sur les données (Data Act) - du 23 février 2022 - propose de gérer la répartition de la valeur issue de l’utilisation des données personnelles et non personnelles entre les acteurs de l’économie de la donnée (utilisation des objets connectés et développement de l’Internet des objets).