Expert en ingénierie de données
L'essentiel
Nomenclature
du niveau de qualification
Niveau 7
Code(s) NSF
326 : Informatique, traitement de l'information, réseaux de transmission
Formacode(s)
31025 : Analyse de données
31026 : Data science
31028 : Intelligence artificielle
11052 : Mathématiques appliquées
Date d’échéance
de l’enregistrement
25-06-2027
| Nom légal | Siret | Nom commercial | Site internet |
|---|---|---|---|
| EFREI PARIS | 39889833800023 | EFREI | https://www.efrei.fr/ |
Objectifs et contexte de la certification :
Le métier d’Expert en ingénierie de données est devenu de plus en plus important ces dernières années avec l’explosion des données générées par les entreprises et les utilisateurs, les Bigs Data et l’Intelligence Artificielle (IA) dont l'IA générative. Les experts en ingénierie de données sont des spécialistes de la gestion de la data, qui collectent, stockent, traitent et analysent de très grands volumes de données brutes afin de les transformer en informations utiles et à haute valeur ajoutée pour une organisation tout en garantissant leur sécurité et conformité.
Leur rôle est fondamental dans la création d’une infrastructure de données fiable et efficace permettant aux entreprises de prendre des décisions éclairées et de rester compétitives dans un environnement de plus en plus complexe. L’Expert en ingénierie de données travaille en étroite collaboration avec les Data Scientists et les Data Analysts pour garantir la qualité et la sécurité des données, ainsi que pour développer des outils d’analyse et de visualisation.
Un expert en ingénierie de données dispose d'une triple expertise technique lui permettant d’être le garant de la conception et le développement d’une architecture de données efficiente, de piloter et d'implémenter des solutions d'Intelligence Artificielle (IA), d'implémenter et d'automatiser le déploiement de solution(s) sur le cloud et "on-premise" ( c'est à dire au sein de l'environnement de stockage de données d'une entreprise) et de déployer une stratégie de management et de gouvernance de la donnée.
Son expertise en tant que pilote de projet et manager lui permet de garantir la réussite des projets et l’accompagnement des ressources humaines internes ou externes par un management adapté à la taille , culture et attentes de l’entreprise dans une démarche inclusive fondée sur l’intelligence collective.
Activités visées :
Construction et développement des architectures de stockage de données
Conception et développement de solutions de traitement de données
Préparation et Visualisation de données
Implémentation d’algorithmes de machine Learning
Mise en œuvre de projets avec l'IA générative
Mise en œuvre de solutions de stockage et de traitement de données dans le cloud
Intégration et déploiement continus des données
Gestion des infrastructures
Définition d’une stratégie de management de données
Élaboration d’une stratégie de sécurité et de sécurisation des données
Piloter un projet Data
Manager des équipes projets Data
Compétences attestées :
Concevoir et développer une base de données relationnelle universellement accessible en réponse aux besoins d’un client/d’une gouvernance, en mobilisant les technologies et les langages de requêtes adaptés, en collaboration avec l’architecte de base de données, afin de fournir une solution fiable et adaptée à la mise à disposition de données structurées.
Concevoir et développer une base de données non‐relationnelle universellement accessible permettant la mise à disposition des données semi-structurées et non structurées, en utilisant des technologies NoSQL les plus adaptées, en étroite collaboration avec l’architecte de base de données et les Data Scientists pour répondre aux besoins de traitement analytique et d’intelligence artificielle.
Concevoir et construire un lac de données (Data Lake) universellement accessible tenant compte des contraintes et des règlements de sécurité et de protection des données en vigueur en choisissant les architectures, les indicateurs de performance et les solutions de stockage appropriées, en coordination avec la gouvernance des données, afin d’intégrer les données de sources multivariées et d’optimiser leur exploitation.
Architecturer des infrastructures scalables et résilientes en utilisant des systèmes de haute disponibilité, en collaboration avec l'architecte de données et l’architecte d’infrastructures pour permettre une adaptation à la croissance de l'entreprise et une résilience face aux pannes dans le cadre du traitement de données massives.
Créer une API (Application Programming Interface) en utilisant les technologies permettant de rendre accessibles les données et facilitant la communication entre divers services informatiques en respectant les normes et les standards en vigueur et en collaborant avec les équipes IT pour assurer l’interopérabilité des systèmes.
Implémenter un système distribué en utilisant des technologies de streaming, en travaillant avec les équipes techniques et métiers, afin de traiter les données sur des périodes définies et de répondre aux besoins d'analyse rapide
Transformer les données provenant de différentes sources en prenant en compte la variété de données et en mobilisant des outils d’intégration permettant l’analytique de données à grande échelle, en collaboration avec les parties prenantes, pour une meilleure intégration, formatage et stockage des données multidimensionnelles.
Optimiser la performance des pipelines en utilisant les techniques d’intégration et de mise en scène adéquates afin de garantir la performance et la qualité des analyses en aval exploitables par les collaborateurs internes.
Préparer les données en les transformant et en les nettoyant, en utilisant des outils appropriés, en collaboration avec les gestionnaires et les analystes de données, afin d’assurer une qualité optimale et universellement accessible de ces dernières pour les différents besoins métiers dont l’analyse et le reporting.
Élaborer une communication infographique visuelle inclusive en construisant des tableaux de bord interactifs en collaboration avec les équipes métiers et les data analystes afin de communiquer les résultats d’analyses, d’assurer l’extraction de connaissances en temps réel et favoriser la prise de décision éclairée par la gouvernance.
Mettre en place des processus d'analyse exploratoire de données en utilisant des techniques statistiques et des outils adaptés, en collaboration avec les équipes métiers, pour générer des insights exploitables pour les décisions stratégiques.
Définir une stratégie d'intégration de l'IA en identifiant les cas d'usage pertinents et en évaluant leur impact sur les processus métiers, en concertation avec les responsables IA et les responsables métiers, afin d’aligner les objectifs de l’IA aux exigences de l’écosystème, aux parties prenantes ainsi qu’aux objectifs de la gouvernance.
Développer des modèles prédictifs dont du “machine Learning” pour identifier de nouveaux comportements et usages en collaboration avec les équipes métiers et les Ops, afin de fournir des insights exploitables pour la prise de décision par la gouvernance.
Évaluer la performance des modèles de prédiction développés en analysant leurs résultats à l’aide de métriques adaptées et de leur degré d’écoresponsabilité, en les comparant avec d’autres modèles et en prenant en compte les besoins et attentes des parties prenantes, pour garantir l’efficacité et la pertinence du modèle retenu.
Identifier les cas d’usage possibles de l’IA générative en évaluant leur pertinence en faveur des processus métiers et en choisissant les modèles appropriés en fonction des objectifs définis par la gouvernance, en collaboration avec le responsable IA et les équipes métiers, pour maximiser le pilotage par la valeur ajoutée des données.
Développer des solutions basées sur des modèles d’IA générative en utilisant les modèles de base “foundation models” et les modèles de langage adaptés, en concertation avec les équipes IT et autres parties prenantes, afin de créer des solutions innovantes, facilement utilisables et adaptées au contexte de l’organisation
Évaluer la qualité des résultats générés par les modèles d’IA générative en mettant en place des métriques d’évaluation adaptées aux cas d’usage et en ajustant les paramètres du modèle pour améliorer les performances des applications et solutions proposées.
Mettre en œuvre des solutions de stockage de données dans le cloud en utilisant des stratégies adaptées en prenant compte les veilles technologiques et légales ainsi que l’impact environnemental de la solution, en coordination avec l’architecte cloud et les équipes IT pour permettre une exploitation optimale des données tout en choisissant des solutions adaptées aux besoins de stockage et d’archivage.
Concevoir et développer des pipelines de traitement de données dans le cloud en chargeant, transformant et mettant les données à disposition des utilisateurs, en coordination avec les analystes de données, pour garantir l’efficience d’exploitation des données .
Mettre en place une politique de sécurité des données dans le cloud en développant des stratégies de chiffrement et de gestion des accès, en collaboration avec les équipes de sécurité informatique, pour assurer la conformité avec les règlementations en vigueur, les normes de Qualité et de sécurité de l’organisation ainsi que la protection des données sensibles.
Optimiser les solutions de stockage et de traitement dans le cloud en définissant des KPI de performance, de sécurité et de conformité en coordination avec l’architecte et l’ingénieur cloud, pour garantir la disponibilité des services, leur amélioration continue et optimiser les coûts d’infrastructure.
Piloter une stratégie d'intégration continue des pipelines de données en s’appuyant sur une veille technologique et d’innovation pour identifier et adopter les meilleures solutions, en mobilisant des technologies de containerisation et d’ordonnancement, en collaboration avec les équipes DevOps, afin de garantir l'automatisation et l'efficience des processus de traitement des données.
Développer et automatiser des pipelines d’intégration continue et de développement continu (CI/CD) permettant la livraison rapide, fiable et conforme des applications, en intégrant des mécanismes de tests automatisés et en travaillant avec les ingénieurs DevOps, les équipes de développement et de qualité logicielle, afin de garantir la qualité des livrables, réduire les erreurs humaines et accélérer les mises en production.
Automatiser le processus de traitement et de stockage de données en utilisant des outils d’automatisation de flux de données, en concertation avec la gouvernance, les ingénieurs DevOps et les autres équipes métiers afin d'améliorer la qualité, la sécurité, la fiabilité et la conformité des données.
Assurer l'efficacité des processus CI/CD dans un contexte MLOps en supervisant, évaluant et déployant automatiquement les modèles actualisés, en gérant leurs versions avec des outils adaptés innovants et/ou mis à jour en collaboration avec les Data Scientists, afin d'optimiser le cycle de vie des modèles d’apprentissage machine.
Administrer les ressources cloud et on-premise de manière optimale en surveillant et ajustant l’utilisation des infrastructures à l’aide d’outils de monitoring en collaboration avec l’ingénieur et l’administrateur cloud, afin d’assurer la disponibilité, la sécurité, la conformité et la résilience des systèmes.
Automatiser les processus de gestion d'infrastructure en utilisant les outils d’”infrastructure as code” (IaC) en coordination avec les équipes DevOps, pour optimiser et rendre efficients la gestion et le déploiement des infrastructures.
Définir une gouvernance de données en mettant en place les politiques et les standards, en collaboration avec les équipes de gouvernance pour établir les rôles, responsabilités à partir du T.O.M (Target Operating Model) et propriété des données afin d’aligner la gouvernance de données avec les objectifs stratégiques.
Mettre en place les bonnes pratiques de gestion et de sécurisation de données en appliquant les réglementations en vigueur pour la protection de données, en collaboration avec le gestionnaire de données, afin de garantir la transparence et le respect de la vie privée de toutes les parties prenantes.
Superviser le cycle de vie des données dans les projets data-driven en établissant des processus de gestion (création, stockage, utilisation, archivage, suppression) en collaboration avec les équipes IT et de gouvernance des données, afin de garantir la conformité aux réglementations et d’optimiser l’utilisation des ressources tout au long du cycle de vie des données.
Assurer et diffuser une veille réglementaire, légale et normative au niveau national, européen et international en matière de gestion des données et d’intelligence artificielle, afin de garantir auprès de l’ensemble des collaborateurs la conformité des pratiques et des solutions avec les lois, normes ISO et standards en vigueur.
Auditer la qualité des données en utilisant des outils de monitoring et en interaction avec les équipes de gouvernance et le gestionnaire de données, afin de garantir l'adéquation des données aux besoins stratégiques ainsi que les objectifs définis au préalable.
Mettre en place une stratégie d’amélioration continue en prenant en considération les résultats de l’audit, les exigences de l’ensemble des parties prenantes, les meilleurs pratiques et labels afin de garantir le maintien de la qualité optimale des données et ancrer la culture de la donnée dans l’ensemble des processus de l’organisation.
Élaborer une stratégie de protection et de sécurisation des données en mettant en place des politiques d’accès aux données, et en développant une stratégie de chiffrement, de gestion des identités et des accès ainsi que de la sécurisation du stockage dans le respect des règlementations et bonnes pratiques ainsi que la conception universelle en vigueur en collaboration avec les équipes de sécurité pour garantir la protection de données.
Mettre en place des stratégies de sécurité pour les infrastructures en définissant des protocoles de protection contre les cybermenaces et de résilience en cas d’attaque, en utilisant des outils de sécurité et un protocole de gestion de crise, en collaboration avec les équipes de sécurité informatique afin d’assurer la protection des infrastructures et la continuité des services.
Définir le périmètre du projet Data avec la gouvernance en dimensionnant l’ensemble des contraintes et risques internes et externes du projet, les délais, les KPI, les ressources à mobiliser afin d’assurer une gestion optimale du projet data.
Proposer la méthodologie projet la plus adaptée au Data et à la ressource humaine disponible en se basant sur les forces et faiblesses des méthodologies usuelles (Agile, Cycle en V, etc.) et sur l’élaboration d’une feuille de route méthodologique afin de garantir l’efficience du projet Data.
Planifier les étapes clés de la réalisation du projet en organisant l’attribution des missions et responsabilités afférentes aux ressources humaines internes et externes nécessaires afin de garantir le respect et la tenue des différentes étapes du projet.
Définir et suivre les budgets avec la gouvernance en prenant en compte le cahier des charges, les contraintes budgétaires, le ROI, la maitrise des risques à anticiper afin de garantir l’optimisation financière du projet Data.
Coordonner le niveau d'évolution du projet Data auprès des services en mettant en valeur les points positifs d'avancée, en sensibilisant sur les retards, freins ou difficultés rencontrés pour s'assurer de la diffusion uniforme et universellement accessible de l'information au sein de l'entreprise et le maintien des délais, de la qualité des livrables ainsi que la motivation du collectif.
Diagnostiquer les ressources en compétences existantes et manquantes en interne à partir de la stratégie RH actuelle, et de la politique gouvernance Data afin de sélectionner les profils internes à mobiliser, les recrutements à prévoir ainsi que les prestataires extérieurs à solliciter pour un besoin donné en veillant à bien respecter le principe d’inclusivité.
Identifier les besoins en formation en interne et en externe en collaboration avec la direction des ressources humaines dans une démarche inclusive et égalitaire afin de garantir la montée en compétences et la disponibilité des compétences en interne pour la réalisation d’une transformation durable.
Organiser les activités, les rôles et missions de chacun des membres de l'équipe projet en fonction de leurs compétences et de leurs profils en appliquant une ligne managériale inclusive tenant compte de la diversité, des situations de handicap et de la multiculturalité afin de favoriser la performance, l’éthique à l’égard de la Data, la réussite du projet ainsi que la Qualité de Vie au Travail (QVT).
Evaluer les compétences ainsi que le niveau d'implication des équipes et des individus sur la base de critères préalablement définis avec la DRH dans le cadre de points d’étape, réunions, ou d’entretien individuel annuel afin de garantir la cohésion d’équipe et l’implication générale dans le déploiement du projet .
Appliquer des méthodes managériales adaptées et inclusives auprès d'équipes inter et multidisciplinaires et multiculturelles, aussi bien techniques que fonctionnelles en adaptant ses actions et décisions aux parties prenantes pour s'assurer de l'adhésion du collectif dans le cadre d’un projet Data avec l’appui de la gouvernance de l’organisation.
Modalités d'évaluation :
Pour chacun des blocs, mise en situation professionnelle définissant un contexte réel ou fictif d’une entreprise du numérique ou d’un autre secteur d’activité et évoluant dans un environnement de stratégie Data.
RNCP40875BC01 - Construire/superviser et développer une architecture de stockage et de traitement de données
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Concevoir et développer une base de données relationnelle universellement accessible en réponse aux besoins d’un client/d’une gouvernance, en mobilisant les technologies et les langages de requêtes adaptés, en collaboration avec l’architecte de base de données, afin de fournir une solution fiable et adaptée à la mise à disposition de données structurées. Concevoir et développer une base de données non‐relationnelle universellement accessible permettant la mise à disposition des données semi-structurées et non structurées, en utilisant des technologies NoSQL* les plus adaptées, en étroite collaboration avec l’architecte de base de données et les Data Scientists pour répondre aux besoins de traitement analytique et d’intelligence artificielle. Concevoir et construire un lac de données (Data Lake) universellement accessible tenant compte des contraintes et des règlements de sécurité et de protection des données en vigueur en choisissant les architectures, les indicateurs de performance et les solutions de stockage appropriées, en coordination avec la gouvernance des données, afin d’intégrer les données de sources multivariées et d’optimiser leur exploitation. Architecturer des infrastructures scalables et résilientes en utilisant des systèmes de haute disponibilité, en collaboration avec l'architecte de données et l’architecte d’infrastructures pour permettre une adaptation à la croissance de l'entreprise et une résilience face aux pannes dans le cadre du traitement de données massives. Créer une API (Application Programming Interface) en utilisant les technologies permettant de rendre accessibles les données et facilitant la communication entre divers services informatiques en respectant les normes et les standards en vigueur et en collaborant avec les équipes IT pour assurer l’interopérabilité des systèmes. Implémenter un système distribué en utilisant des technologies de streaming, en travaillant avec les équipes techniques et métiers, afin de traiter les données sur des périodes définies et de répondre aux besoins d'analyse rapide Transformer les données provenant de différentes sources en prenant en compte la variété de données et en mobilisant des outils d’intégration permettant l’analytique de données à grande échelle, en collaboration avec les parties prenantes, pour une meilleure intégration, formatage et stockage des données multidimensionnelles. Optimiser la performance des pipelines en utilisant les techniques d’intégration et de mise en scène adéquates afin de garantir la performance et la qualité des analyses en aval exploitables par les collaborateurs internes. |
Le bloc est évalué par une mise en situation professionnelle (MSP) réelle ou reconstituée réalisée sous le format d'un projet global de construction-supervision, développement d’une architecture de données. Les évaluations sont constituées d'évaluations formatives et d'évaluations certificatives. Ces dernières sont formalisées par passage devant jury. Un jury d'évaluation intervient obligatoirement à l'issue de l'ensemble des modalités d'évaluations constitutives de la MSP. Ce jury est habilité à procéder à la vérification de l’acquisition du bloc de compétences par le candidat. Le jury d’évaluation est composé de 3 personnes minimum habilitées par le certificateur, dont au minimum 2 sont obligatoirement extérieures au certificateur. |
RNCP40875BC02 - Piloter et implémenter des solutions d’IA en s’aidant notamment de l’IA générative
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Préparer les données en les transformant et en les nettoyant, en utilisant des outils appropriés, en collaboration avec les gestionnaires et les analystes de données, afin d’assurer une qualité optimale et universellement accessible de ces dernières pour les différents besoins métiers dont l’analyse et le reporting. Élaborer une communication infographique visuelle inclusive en construisant des tableaux de bord interactifs en collaboration avec les équipes métiers et les data analystes afin de communiquer les résultats d’analyses, d’assurer l’extraction de connaissances en temps réel et favoriser la prise de décision éclairée par la gouvernance. Mettre en place des processus d'analyse exploratoire de données en utilisant des techniques statistiques et des outils adaptés, en collaboration avec les équipes métiers, pour générer des insights exploitables pour les décisions stratégiques. Définir une stratégie d'intégration de l'IA en identifiant les cas d'usage pertinents et en évaluant leur impact sur les processus métiers, en concertation avec les responsables IA et les responsables métiers, afin d’aligner les objectifs de l’IA aux exigences de l’écosystème, aux parties prenantes ainsi qu’aux objectifs de la gouvernance. Développer des modèles prédictifs dont du “machine Learning” pour identifier de nouveaux comportements et usages en collaboration avec les équipes métiers et les Ops, afin de fournir des insights exploitables pour la prise de décision par la gouvernance. Évaluer la performance des modèles de prédiction développés en analysant leurs résultats à l’aide de métriques adaptées et de leur degré d’écoresponsabilité, en les comparant avec d’autres modèles et en prenant en compte les besoins et attentes des parties prenantes, pour garantir l’efficacité et la pertinence du modèle retenu. Identifier les cas d’usage possibles de l’IA générative en évaluant leur pertinence en faveur des processus métiers et en choisissant les modèles appropriés en fonction des objectifs définis par la gouvernance, en collaboration avec le responsable IA et les équipes métiers, pour maximiser le pilotage par la valeur ajoutée des données. Développer des solutions basées sur des modèles d’IA générative en utilisant les modèles de base “foundation models” et les modèles de langage adaptés, en concertation avec les équipes IT et autres parties prenantes, afin de créer des solutions innovantes, facilement utilisables et adaptées au contexte de l’organisation Évaluer la qualité des résultats générés par les modèles d’IA générative en mettant en place des métriques d’évaluation adaptées aux cas d’usage et en ajustant les paramètres du modèle pour améliorer les performances des applications et solutions proposées. |
Le blocest évalué par une mise en situation professionnelle (MSP) réelle ou reconstituée réalisée sous le format d'un projet global d’implémentation de solutions d’IA en s’aidant de l’IA générative. Les évaluations sont constituées d'évaluations formatives et d'évaluations certificatives. Ces dernières sont formalisées par passage devant jury. Un jury d'évaluation intervient obligatoirement à l'issue de l'ensemble des modalités d'évaluations constitutives de la MSP. Ce jury est habilité à procéder à la vérification de l’acquisition du bloc de compétences par le candidat. Le jury d’évaluation est composé de 3 personnes minimum habilitées par le certificateur, dont au minimum 2 sont obligatoirement extérieures au certificateur. |
RNCP40875BC03 - Implémenter et automatiser le déploiement des solutions de données sur le cloud et on-premise
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Mettre en œuvre des solutions de stockage de données dans le cloud en utilisant des stratégies adaptées en prenant compte les veilles technologiques et légales ainsi que l’impact environnemental de la solution, en coordination avec l’architecte cloud et les équipes IT pour permettre une exploitation optimale des données tout en choisissant des solutions adaptées aux besoins de stockage et d’archivage. Concevoir et développer des pipelines de traitement de données dans le cloud en chargeant, transformant et mettant les données à disposition des utilisateurs, en coordination avec les analystes de données, pour garantir l’efficience d’exploitation des données . Mettre en place une politique de sécurité des données dans le cloud en développant des stratégies de chiffrement et de gestion des accès, en collaboration avec les équipes de sécurité informatique, pour assurer la conformité avec les règlementations en vigueur, les normes de Qualité et de sécurité de l’organisation ainsi que la protection des données sensibles. Optimiser les solutions de stockage et de traitement dans le cloud en définissant des KPI de performance, de sécurité et de conformité en coordination avec l’architecte et l’ingénieur cloud, pour garantir la disponibilité des services, leur amélioration continue et optimiser les coûts d’infrastructure. Piloter une stratégie d'intégration continue des pipelines de données en s’appuyant sur une veille technologique et d’innovation pour identifier et adopter les meilleures solutions, en mobilisant des technologies de containerisation et d’ordonnancement, en collaboration avec les équipes DevOps, afin de garantir l'automatisation et l'efficience des processus de traitement des données. Développer et automatiser des pipelines d’intégration continue et de développement continu (CI/CD) permettant la livraison rapide, fiable et conforme des applications, en intégrant des mécanismes de tests automatisés et en travaillant avec les ingénieurs DevOps, les équipes de développement et de qualité logicielle, afin de garantir la qualité des livrables, réduire les erreurs humaines et accélérer les mises en production. Automatiser le processus de traitement et de stockage de données en utilisant des outils d’automatisation de flux de données, en concertation avec la gouvernance, les ingénieurs DevOps et les autres équipes métiers afin d'améliorer la qualité, la sécurité, la fiabilité et la conformité des données. Assurer l'efficacité des processus CI/CD dans un contexte MLOps en supervisant, évaluant et déployant automatiquement les modèles actualisés, en gérant leurs versions avec des outils adaptés innovants et/ou mis à jour en collaboration avec les Data Scientists, afin d'optimiser le cycle de vie des modèles d’apprentissage machine. Administrer les ressources cloud et on-premise de manière optimale en surveillant et ajustant l’utilisation des infrastructures à l’aide d’outils de monitoring en collaboration avec l’ingénieur et l’administrateur cloud, afin d’assurer la disponibilité, la sécurité, la conformité et la résilience des systèmes. Automatiser les processus de gestion d'infrastructure en utilisant les outils d’”infrastructure as code” (IaC) en coordination avec les équipes DevOps, pour optimiser et rendre efficients la gestion et le déploiement des infrastructures. |
Le bloc est évalué par une mise en situation professionnelle (MSP) réelle ou reconstituée réalisée sous le format d'un projet d’implémentation et d’automatisation du déploiement des solutions de données sur le Cloud et on-premise. Les évaluations sont constituées d'évaluations formatives et d'évaluations certificatives. Ces dernières sont formalisées par passage devant jury. Un jury d'évaluation intervient obligatoirement à l'issue de l'ensemble des modalités d'évaluations constitutives de la MSP. Ce jury est habilité à procéder à la vérification de l’acquisition du bloc de compétences par le candidat. Le jury d’évaluation est composé de 3 personnes minimum habilitées par le certificateur, dont au minimum 2 sont obligatoirement extérieures au certificateur. |
RNCP40875BC04 - Déployer une stratégie de management et de gouvernance de la donnée
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Définir une gouvernance de données en mettant en place les politiques et les standards, en collaboration avec les équipes de gouvernance pour établir les rôles, responsabilités à partir du T.O.M (Target Operating Model) et propriété des données afin d’aligner la gouvernance de données avec les objectifs stratégiques. Mettre en place les bonnes pratiques de gestion et de sécurisation de données en appliquant les réglementations en vigueur pour la protection de données, en collaboration avec le gestionnaire de données, afin de garantir la transparence et le respect de la vie privée de toutes les parties prenantes. Superviser le cycle de vie des données dans les projets data-driven en établissant des processus de gestion (création, stockage, utilisation, archivage, suppression) en collaboration avec les équipes IT et de gouvernance des données, afin de garantir la conformité aux réglementations et d’optimiser l’utilisation des ressources tout au long du cycle de vie des données. Assurer et diffuser une veille réglementaire, légale et normative au niveau national, européen et international en matière de gestion des données et d’intelligence artificielle, afin de garantir auprès de l’ensemble des collaborateurs la conformité des pratiques et des solutions avec les lois, normes ISO et standards en vigueur. Auditer la qualité des données en utilisant des outils de monitoring et en interaction avec les équipes de gouvernance et le gestionnaire de données, afin de garantir l'adéquation des données aux besoins stratégiques ainsi que les objectifs définis au préalable. Mettre en place une stratégie d’amélioration continue en prenant en considération les résultats de l’audit, les exigences de l’ensemble des parties prenantes, les meilleurs pratiques et labels afin de garantir le maintien de la qualité optimale des données et ancrer la culture de la donnée dans l’ensemble des processus de l’organisation. Élaborer une stratégie de protection et de sécurisation des données en mettant en place des politiques d’accès aux données, et en développant une stratégie de chiffrement, de gestion des identités et des accès ainsi que de la sécurisation du stockage dans le respect des règlementations et bonnes pratiques ainsi que la conception universelle en vigueur en collaboration avec les équipes de sécurité pour garantir la protection de données. Mettre en place des stratégies de sécurité pour les infrastructures en définissant des protocoles de protection contre les cybermenaces et de résilience en cas d’attaque, en utilisant des outils de sécurité et un protocole de gestion de crise, en collaboration avec les équipes de sécurité informatique afin d’assurer la protection des infrastructures et la continuité des services. |
Le bloc est évalué par une mise en situation professionnelle (MSP) réelle ou reconstituée réalisée sous le format d'un plan d’actions de déploiement d’une stratégie de management et de gouvernance de la donnée. Les évaluations sont constituées d'évaluations formatives et d'évaluations certificatives. Ces dernières sont formalisées par passage devant jury. Un jury d'évaluation intervient obligatoirement à l'issue de l'ensemble des modalités d'évaluations constitutives de la MSP. Ce jury est habilité à procéder à la vérification de l’acquisition du bloc de compétences par le candidat. Le jury d’évaluation est composé de 3 personnes minimum habilitées par le certificateur, dont au minimum 2 sont obligatoirement extérieures au certificateur. |
RNCP40875BC05 - Piloter et manager des équipes projet data dans une organisation
| Liste de compétences | Modalités d'évaluation |
|---|---|
|
Définir le périmètre du projet Data avec la gouvernance en dimensionnant l’ensemble des contraintes et risques internes et externes du projet, les délais, les KPI, les ressources à mobiliser afin d’assurer une gestion optimale du projet data. Proposer la méthodologie projet la plus adaptée au Data et à la ressource humaine disponible en se basant sur les forces et faiblesses des méthodologies usuelles (Agile, Cycle en V, etc.) et sur l’élaboration d’une feuille de route méthodologique afin de garantir l’efficience du projet Data. Planifier les étapes clés de la réalisation du projet en organisant l’attribution des missions et responsabilités afférentes aux ressources humaines internes et externes nécessaires afin de garantir le respect et la tenue des différentes étapes du projet. Définir et suivre les budgets avec la gouvernance en prenant en compte le cahier des charges, les contraintes budgétaires, le ROI, la maitrise des risques à anticiper afin de garantir l’optimisation financière du projet Data. Coordonner le niveau d'évolution du projet Data auprès des services en mettant en valeur les points positifs d'avancée, en sensibilisant sur les retards, freins ou difficultés rencontrés pour s'assurer de la diffusion uniforme et universellement accessible de l'information au sein de l'entreprise et le maintien des délais, de la qualité des livrables ainsi que la motivation du collectif. Diagnostiquer les ressources en compétences existantes et manquantes en interne à partir de la stratégie RH actuelle, et de la politique gouvernance Data afin de sélectionner les profils internes à mobiliser, les recrutements à prévoir ainsi que les prestataires extérieurs à solliciter pour un besoin donné en veillant à bien respecter le principe d’inclusivité. Identifier les besoins en formation en interne et en externe en collaboration avec la direction des ressources humaines dans une démarche inclusive et égalitaire afin de garantir la montée en compétences et la disponibilité des compétences en interne pour la réalisation d’une transformation durable. Organiser les activités, les rôles et missions de chacun des membres de l'équipe projet en fonction de leurs compétences et de leurs profils en appliquant une ligne managériale inclusive tenant compte de la diversité, des situations de handicap et de la multiculturalité afin de favoriser la performance, l’éthique à l’égard de la Data, la réussite du projet ainsi que la Qualité de Vie au Travail (QVT). Evaluer les compétences ainsi que le niveau d'implication des équipes et des individus sur la base de critères préalablement définis avec la DRH dans le cadre de points d’étape, réunions, ou d’entretien individuel annuel afin de garantir la cohésion d’équipe et l’implication générale dans le déploiement du projet . Appliquer des méthodes managériales adaptées et inclusives auprès d'équipes inter et multidisciplinaires et multiculturelles, aussi bien techniques que fonctionnelles en adaptant ses actions et décisions aux parties prenantes pour s'assurer de l'adhésion du collectif dans le cadre d’un projet Data avec l’appui de la gouvernance de l’organisation. |
Le bloc est évalué par une mise en situation professionnelle (MSP) réelle ou reconstituée réalisée sous le format d'un plan d’actions de pilotage d’équipes dans le contexte d’un projet Data. Les évaluations sont constituées d'évaluations formatives et d'évaluations certificatives. Ces dernières sont formalisées par passage devant jury. Un jury d'évaluation intervient obligatoirement à l'issue de l'ensemble des modalités d'évaluations constitutives de la MSP. Ce jury est habilité à procéder à la vérification de l’acquisition du bloc de compétences par le candidat. Le jury d’évaluation est composé de 3 personnes minimum habilitées par le certificateur, dont au minimum 2 sont obligatoirement extérieures au certificateur. |
Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par correspondance :
Valider les 5 blocs de compétences.
Secteurs d’activités :
L'Expert en ingénierie de données peut intégrer tous types de structures privées ou publiques (entreprise, organisation, administration) de tous secteurs confondus (industrie, énergie, acteurs du e-commerce, constructeurs informatiques, télécommunications, administration, banques, assurances, services, éducation, transport, santé, etc.).
Les activités et compétences professionnelles exercées peuvent varier en fonction de la taille de la structure et du type d’activité adapté au mode d’organisation (groupe, entreprise individuelle, TPE, PME, et le type de secteur d’activité (Commerce et E-Commerce, Banques, Assurances, Construction, Immobilier, Transports, etc.) ou d’institutions publiques (Administrations publiques, Ministères, etc.).
Type d'emplois accessibles :
Data Engineer - Data Analyst - Data Scientist - Big Data architect - Chief Data Officer (CDO) - Data Steward - Consultant Data et IA - Architecte Data sur le Cloud - Ingénieur Machine Learning - Data Manager - Chef de Projet Data
Code(s) ROME :
- M1805 - Études et développement informatique
- M1806 - Conseil et maîtrise d''ouvrage en systèmes d''information
- M1803 - Direction des systèmes d''information
- M1802 - Expertise et support en systèmes d''information
Références juridiques des règlementations d’activité :
L’Expert en ingénierie de données évolue dans un univers de plus en plus réglementé. Cette évolution réglementaire, légale et normative nécessite la maitrise et à minima la connaissance du dispositif suivant :
I) L’aspect réglementaire et légale :
Référentiel général d’amélioration de l’accessibilité - RGAA
Règlement Général sur la Protection des Données n°2016/679 (RGPD)
Code de la propriété intellectuelle, en particulier sur le droit d’auteur, la protection des logiciels et bases de données (Livres I et III) et les brevets (livre 6)
En cybersécurité :
· Directive dite « NIS 2 » n°2022/2555 et sa transposition en droit français (actuellement en cours de discussion)
· Article 2321-4-1 du code de la défense et le décret n°2024-421
· Règlement sur la cyberrésilience n°2022/0272 (A.2.2)
· Règlement « identité numérique » dit « eIDAS 2 » n°2024/1183 (A.2.2)
· Le cadre réglementaire actuel de la sécurité numérique ANSSI et le suivi de son évolution : S'informer sur la réglementation | ANSSI. En maîtrisant : la sécurité des systèmes d’information ; la confiance numérique ; et la notification des incidents et vulnérabilités.
Loi numérique : vers une meilleure protection des citoyens et des entreprises en ligne | Ministère de l'Économie, des Finances et de l'Industrie et Ministère chargé du Budget et des Comptes publics – Loi « Sécuriser et réguler l’espace numérique » dite « SREN »
LOI n° 2016-1321 du 7 octobre 2016 pour une République numérique - Dossiers législatifs - Légifrance
DMA : le règlement sur les marchés numériques ou Digital Markets Act | vie-publique.fr
Politique publique numérique responsable : quels dispositifs ? - Numérique écoresponsable
La loi Informatique et Libertés | CNIL
Au niveau de l'IA :
· Règlement Européen sur l’Intelligence Artificielle (RIA)
· (Proposition de) Directive « produits défectueux » n°2022/0302 (COD) et sa future transposition
· (Proposition de) Directive sur la responsabilité en matière d’IA n°2022/0303 (COD) et sa future transposition
Au niveau de la Data :
· Directive « Open Data » n°2019/102
· Règlement sur la gouvernance des données (DGA) n°2022/868
· Règlement sur les données n°2023/2854
· Règlement sur les données non-personnelles n°2018/1807
Au niveau des Plateformes / services en ligne :
Règlement sur les services numériques (DSA) n°2022/2065
En prenant en considération le statut de manager et posture au sein des organisations, le cadre réglementaire et légal est complété par les veilles sous l’angle du droit du travail :
La prise en compte de la Mise en œuvre des traitements courants de « gestion du personnel » :
· Article 9 du code civil (protection de l’intimité de la vie privée)
· Article 8 de la Convention européenne de sauvegarde des droits de l’Homme (protection de l’intimité de la vie privée)
· Article L1121-1 du code du travail (droits et libertés dans l’entreprise)
· Article L1222-3 et L. 1222-4 du code du travail (information et contrôle des salariés)
· Article L2323-32 du code du travail (information/consultation du CSE)
· Articles 226-1 et suivants du code pénal (protection de la vie privée)
· La loi Informatique et Libertés
· Le règlement général sur la protection des données
II) Au niveau des normes ISO en lien avec les métiers visés, cet expert peut être sollicité sur la maitrise/expertise ou connaissance des normes suivantes :
ISO - La famille ISO 9000 — Management de la qualité dont Norme ISO 9001/2015 portant amendement de février 2024 ;
· La norme ISO 9001:2015 en lien avec les exigences relatives au système de management de la qualité ;
· L’amendement ISO A1 :2024, publié le 23 février 2024, en réponse directe à l’urgence climatique clarifiant les attentes en matière de gestion des enjeux climatiques pour des normes spécifiques ;
ISO - La famille ISO 14000 — Management environnemental ;
· Norme ISO 14040 et 10044 :2006 en lien avec le management environnemental — Analyse du cycle de vie — Principes et cadre ;
· La norme ISO 14062 :2002 : En lien avec l'intégration des aspects environnementaux dans la conception et le développement de produit (le terme « produit » englobant à la fois les biens matériels et les services) ;
ISO - La famille ISO/IEC 27000 — Management de la sécurité de l’information ;
· La norme ISO 27001 :2022 en lien avec la Sécurité de l'information, cybersécurité et protection de la vie privée — Systèmes de management de la sécurité de l'information ;
· La norme ISO 27701 en lien avec la gouvernance et les mesures de sécurité à mettre en place pour les données personnelles ;
La norme ISO 2600, en lien avec la responsabilité sociétale ; et enfin la norme ISO 42001, si l’Expert exerce au sein d’un organisme fournisseur ou utilisateur d’IA et notamment pour le bloc optionnel B05.
Le cas échant, prérequis à l’entrée en formation :
Dans le cadre de la formation initiale, être titulaire au minimum d’un diplôme ou d’un titre de niveau 6, généraliste ou professionnel, dans les métiers du numérique (le cas échéant justifier de la maitrise des disciplines de l’informatique ou de développement logiciel), du management ou du pilotage de projets.
Dans le cadre de la formation continue, être titulaire d’une certification de niveau 6 ou d’un diplôme équivalent (diplôme étranger…) dans le domaine du numérique ;
À titre dérogatoire, le candidat qui justifie d'un niveau 5 et d’une expérience professionnelle significative dans le numérique peut être reçu pour un entretien de sélection accompagné d’un examen par une commission spécifique.
Le cas échant, prérequis à la validation de la certification :
Néant
Pré-requis disctincts pour les blocs de compétences :
Non
| 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 5 personnes, dont au minimum 3 sont obligatoirement extérieures au certificateur : 3 membres externes à l’Efrei incluant le Président de Jury : |
26-06-2025 | |
| En contrat d’apprentissage | X |
Le jury de certification est composé de 5 personnes, dont au minimum 3 sont obligatoirement extérieures au certificateur : 3 membres externes à l’Efrei incluant le Président de Jury : |
26-06-2025 | |
| Après un parcours de formation continue | X |
Le jury de certification est composé de 5 personnes, dont au minimum 3 sont obligatoirement extérieures au certificateur : 3 membres externes à l’Efrei incluant le Président de Jury : |
26-06-2025 | |
| En contrat de professionnalisation | X |
Le jury de certification est composé de 5 personnes, dont au minimum 3 sont obligatoirement extérieures au certificateur : 3 membres externes à l’Efrei incluant le Président de Jury : |
26-06-2025 | |
| Par candidature individuelle | X | - | - | |
| Par expérience | X |
Le jury de certification est composé de 5 personnes, dont au minimum 3 sont obligatoirement extérieures au certificateur : 3 membres externes à l’Efrei incluant le Président de Jury : |
26-06-2025 |
| 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 |
|---|---|---|
| RNCP40875BC01 - Construire/superviser et développer une architecture de stockage et de traitement de données | RNCP36921 - Expert en ingénierie des données |
RNCP36921BC03 - Construction d’une plateforme Big Data permettant la collecte, l’assemblage, le traitement et le stockage des données générées par les systèmes d’une entreprise ET RNCP36921BC05 - Préparation et Mise à disposition des données d’une plateforme Big Data aux équipes utilisatrices (data scientist, équipe B.I., décideurs et experts métiers) |
| RNCP40875BC01 - Construire/superviser et développer une architecture de stockage et de traitement de données | RNCP37172 - Data Engineer | RNCP37172BC02 - Elaborer une solution technique de collecte et de traitement de données massives |
| RNCP40875BC02 - Piloter et implémenter des solutions d’IA en s’aidant notamment de l’IA générative | RNCP38584 - Chef de projet en développement de solutions d'intelligence artificielle |
RNCP38584BC02 - Analyser et traiter des données ET RNCP38584BC03 - Implémenter une solution d’apprentissage automatisé (Machine et Deep Learning) |
| RNCP40875BC05 - Piloter et manager des équipes projet data dans une organisation | RNCP37172 - Data Engineer | RNCP37172BC04 - Piloter un projet de gestion de données massives |
| RNCP40875BC05 - Piloter et manager des équipes projet data dans une organisation | RNCP39590 - Data scientist | RNCP39590BC05 - Piloter des projets en communiquant avec les parties prenantes et en guidant les membres de l'équipe pour atteindre des objectifs spécifiques |
Anciennes versions de la certification professionnelle reconnues 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 |
|---|---|---|
| RNCP40875BC01 - Construire/superviser et développer une architecture de stockage et de traitement de données | RNCP36739 - Expert en ingénierie des données |
RNCP36739BC01 - Concevoir et développer une architecture de stockage de données ET RNCP36739BC02 - Concevoir, développer et déployer une solution de traitement des données massives |
| RNCP40875BC02 - Piloter et implémenter des solutions d’IA en s’aidant notamment de l’IA générative | RNCP36739 - Expert en ingénierie des données | RNCP36739BC04 - Implémenter des méthodes d’intelligence artificielle pour modéliser et prédire de nouveaux comportements et usages. |
| RNCP40875BC03 - Implémenter et automatiser le déploiement des solutions de données sur le cloud et on-premise | RNCP36739 - Expert en ingénierie des données | RNCP36739BC03 - Implémenter et optimiser des solutions de stockage et de traitement de données sur le cloud |
| RNCP40875BC04 - Déployer une stratégie de management et de gouvernance de la donnée | RNCP36739 - Expert en ingénierie des données | RNCP36739BC05 - Concevoir une stratégie de management et de gouvernance de données pour transformer les données en informations créatrices de valeur |
| Date de décision | 25-06-2025 |
|---|---|
| Durée de l'enregistrement en années | 2 |
| Date d'échéance de l'enregistrement | 25-06-2027 |
| Date de dernière délivrance possible de la certification | 25-06-2031 |
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 %) |
|---|---|---|---|---|---|
| 2025 | 16 | 16 | 100 | 44 | 0 |
| 2024 | 27 | 0 | 54 | 32 | 0 |
Lien internet vers le descriptif de la certification :
Liste des organismes préparant à la certification :
Certification(s) antérieure(s) :
| Code de la fiche | Intitulé de la certification remplacée |
|---|---|
| RNCP36739 | Expert en ingénierie des données |
Référentiel d'activité, de compétences et d'évaluation :
