Certification professionnelle

Objectifs et contexte de la certification :

La présente certification vise à répondre à l’un des enjeux majeurs du XXIe siècle : attester des compétences de professionnels leur permettant de transformer le potentiel de l’intelligence artificielle (IA) et de la science des données en leviers concrets de performance économique, d’innovation et de progrès sociétal.

Elle s’adresse à un besoin identifié et croissant du marché du travail : disposer d’experts capables non seulement de concevoir et de développer des systèmes d’IA performants, mais aussi de les inscrire dans des environnements organisationnels complexes, en intégrant les dimensions managériales, réglementaires et éthiques.

Le référentiel repose sur une approche intégrative qui associe trois piliers indissociables :
- Sciences et technologies de l’IA et de la data : maîtrise des outils, méthodes et environnements techniques.
- Business et management : compréhension des besoins métiers et pilotage stratégique des projets IA.
- Droit, éthique et société : anticipation des risques, conformité réglementaire et responsabilité dans l’usage de l’IA.

Ce triptyque structure la formation de profils « hybrides », encore rares sur le marché, capables de dialoguer avec des experts techniques comme avec des décideurs, de concevoir des solutions robustes et responsables, et d’accompagner les organisations dans une adoption maîtrisée et durable de l’intelligence artificielle.

Activités visées :

- Traitement des données provenant de multiples sources
- Analyse et visualisation des données
- Choix et utilisation des méthodes d’analyse quantitative
- Mise en œuvre d’une démarche de protection, de qualité et d’écoconception des données
- Conception et production d’un modèle d’intelligence artificielle adapté à un besoin métier
- Évaluation, optimisation et génération de contenus par des modèles d’intelligence artificielle
- Déploiement, sécurisation et supervision d’un système d’intelligence artificielle en production
- Analyse éthique, réglementaire et responsable des systèmes d’intelligence artificielle
- Analyse des besoins techniques du projet d’intelligence artificielle
- Mise en œuvre, déploiement et accompagnement au changement dans les projets d’intelligence artificielle

Compétences attestées :

Compétences transversales 

 - Identifier les usages numériques et les impacts de leur évolution sur le ou les domaines concernés par la mention
- Se servir de façon autonome des outils numériques avancés pour un ou plusieurs métiers ou secteurs de recherche du domaine
- Mobiliser des savoirs hautement spécialisés, dont certains sont à l’avant-garde du savoir dans un domaine de travail ou d’études, comme base d’une pensée originale 
- Développer une conscience critique des savoirs dans un domaine et/ou à l’interface de plusieurs domaines 
- Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines
- Apporter des contributions novatrices dans le cadre d’échanges de haut niveau, et dans des contextes internationaux
- Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d’une demande ou d’une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la règlementation
- Identifier, sélectionner et analyser avec esprit critique diverses ressources spécialisées pour documenter un sujet et synthétiser ces données en vue de leur exploitation
- Communiquer à des fins de formation ou de transfert de connaissances, par oral et par écrit, en français et dans au moins une langue étrangère
- Gérer des contextes professionnels ou d’études complexes, imprévisibles et qui nécessitent des approches stratégiques nouvelles
- Prendre des responsabilités pour contribuer aux savoirs et aux pratiques professionnelles et/ou pour réviser la performance stratégique d'une équipe
- Conduire un projet (conception, pilotage, coordination d’équipe, mise en œuvre et gestion, évaluation, diffusion) pouvant mobiliser des compétences pluridisciplinaires dans un cadre collaboratif 
- Analyser ses actions en situation professionnelle, s’autoévaluer pour améliorer sa pratique dans le cadre d'une démarche qualité
- Respecter les principes d’éthique, de déontologie et de responsabilité sociale et environnementale
- Prendre en compte la problématique du handicap et de l'accessibilité dans chacune de ses actions professionnelles

Compétences spécifiques

- Agréger un ensemble de données à partir de sources hétérogènes, internes et externes à l'entreprise, de façon sécurisée et conforme au cadre légal et éthique (dont données personnelles), puis analyser leur qualité en identifiant anomalies et manques afin d’évaluer leur potentiel d’exploitation et d’implémenter les corrections 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 réduction de la dimensionnalité des données de grandes dimensions en utilisant les méthodes adaptées afin d'optimiser les temps de calcul.
- Réaliser une analyse exploratoire de données en s’appuyant sur des solutions de visualisation existantes afin de représenter graphiquement les données d'une manière claire et pertinente.
- Préparer et structurer des données non structurées en vue de leur utilisation dans des modèles d’IA générative en garantissant la transparence et l’absence de biais dans les interprétations afin d’améliorer la qualité des contenus générés.
- Réaliser une analyse statistique univariée et multivariée des données et utiliser des modélisations statistiques sur les données structurées et nettoyées, en s’appuyant sur des méthodes appropriées, pour enrichir les systèmes d’aide à la décision.
- Intégrer les principes d’écoconception (Référentiel général d'écoconception de services numériques - RGESN), de protection de la vie privée, d’équité et de responsabilité dans les processus d’agrégation, de préparation, de traitement et d’analyse des données afin de garantir une utilisation sobre, conforme et éthique des données mobilisées.
- Analyser un problème métier et sélectionner les modules ou modèles d’intelligence artificielle à mettre en œuvre en identifiant les approches algorithmiques appropriées afin de concevoir une solution répondant aux objectifs définis et respectant les contraintes légales et les valeurs de responsabilité et d’éthique.
- Développer et entraîner des modèles d’intelligence artificielle, supervisés ou non supervisés, en mobilisant les méthodes algorithmiques adaptées et en optimisant les ressources mobilisées lors de l’entraînement (sobriété énergétique) afin de créer un système fonctionnel et performant.
- Évaluer la performance d’un modèle d’intelligence artificielle en utilisant des métriques appropriées, tester sa robustesse et optimiser ses paramètres afin d’améliorer la qualité des prédictions tout en respectant les contraintes de fiabilité, d’éthique et de légalité et tout en prenant en compte les besoins spécifiques des utilisateurs, notamment des personnes en situation de handicap afin d’assurer l’efficacité et la durabilité de la solution.
- Développer des fonctionnalités d’intelligence artificielle générative en sélectionnant les modèles et techniques appropriés afin de produire des contenus cohérents avec la tâche à accomplir et les contraintes de fiabilité, de sécurité et de responsabilité.
- Déployer une solution basée sur l’intelligence artificielle dans un environnement opérationnel en utilisant des outils de conteneurisation, d’intégration et de livraison continues afin d’assurer son accessibilité, son évolutivité et sa sécurité.
- Superviser et maintenir un système d’intelligence artificielle en production en surveillant sa performance, en identifiant les dérives éventuelles et en appliquant les ajustements nécessaires afin d’assurer sa fiabilité, sa conformité réglementaire et la maîtrise de ses impacts.
- Intégrer les exigences d’éthique, de transparence, d’équité, d’explicabilité, de contrôle humain, de sobriété énergétique et de conformité réglementaire dans la conception, l’entraînement, l’optimisation, le déploiement et la supervision des modèles d’intelligence artificielle afin d’assurer un usage durable, fiable et responsable des systèmes développés.
- Acquérir une vision globale du travail en mode projet en identifiant les différentes méthodes et les différents liens avec les acteurs afin de permettre le bon déroulement du projet et sa cohérence avec la stratégie globale de l’entreprise.
- Identifier les besoins et la problématique projet en s’appuyant sur une maîtrise de l’univers métiers afin d’étudier la faisabilité de la conception d’une solution d’intelligence artificielle dans le respect des contraintes légales et les valeurs de responsabilité et d’éthique.
- Analyser le cas d’usage défini par l’entreprise en utilisant les données disponibles et les algorithmes d’apprentissage existants afin de préconiser les technologies adaptées à une problématique métier.
- Définir les spécifications fonctionnelles et techniques du projet en s’appuyant sur des méthodes et des outils 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.
- Déployer et industrialiser une solution d’apprentissage automatisé en mobilisant les technologies Big Data et Cloud, afin d’assurer son passage à l’échelle tout en garantissant conformité juridique et éthique.
- Mettre en production une solution d’apprentissage automatisé en mobilisant les ressources techniques et informatiques adaptées, afin de garantir son opérationnalité, sa fiabilité et sa conformité aux exigences métiers.
- Identifier les opportunités d’usage des IA, IA génératives et IA agentique dans les organisations et piloter leur intégration dans des solutions d’intelligence artificielle opérationnelles, afin de favoriser l’innovation, la compétitivité et la transformation des processus métier dans un cadre légal et responsable.
- Présenter le projet d’intelligence artificielle auprès de ses utilisateurs finaux en s’appuyant sur une interface de programmation applicative (API) dans le web afin de répondre à une problématique métier identifiée et de diffuser l’utilisation des solutions intégrées parmi les utilisateurs métier.
- Piloter une équipe projet avec des groupes de travail dans des domaines interdisciplinaires et aider les acteurs impliqués dans le projet IA dans l’appropriation de la solution en suivant la mise en œuvre et dans l’intégration de la solution dans leurs pratiques métiers afin d’accompagner le changement des pratiques. 

Modalités d'évaluation :

- Études de cas d’entreprises élaborées à partir de sources documentaires fournies au candidat
- Analyse d’un projet data ou IA portant sur la création ou le développement d’un cas concret en entreprise ou dans un autre type d’organisation
- Mises en situation professionnelles simulées, basées sur l’exploitation de jeux de données brutes provenant de diverses sources
- Rédaction d’un cahier des charges fonctionnel et technique, décrivant les spécifications d’un projet data ou IA
- Mise en situation professionnelle autour d’un projet d’intelligence artificielle et Data Science, réalisation d'un mémoire de recherche appliquée et soutenance devant le jury

Chaque ensemble d'enseignements possède une valeur définie en crédits européens (ECTS). Pour l’obtention du grade de master, une référence commune est fixée correspondant à l'acquisition de 120 ECTS au-delà du grade de licence.

Le jury de certification, seule autorité autorisée à délivrer la certification professionnelle, se base pour prendre sa décision d'attribution de la certification sur les critères suivants :
- Les candidats n’ayant pas obtenu une notre inférieure à 7/20 pour une ou plusieurs compétences du référentiel.
- Les candidats ayant obtenu un résultat supérieur ou égal à 10/20 pour chacun des blocs de compétences mentionnés dans le référentiel de certification professionnelle.
- Les candidats qui ont validé leur mémoire de recherche appliquée par une note globale (rapport + soutenance) supérieure ou égale à 10/20.
- Les candidats à qui le Jury de certification n’a pas refusé à l’unanimité la certification ET motivé son refus dans un procès-verbal de refus de certification signé par chacun des membres du Jury de certification.

Ces conditions sont cumulatives.

Les modalités d'évaluation peuvent être adaptées aux personnes en situation de handicap.

Par la voie de la VAE : Le jury VAE procède à l’évaluation des compétences professionnelles du candidat acquises par l’expérience sur la base d'un dossier de recevabilité (Livret 1), d'un entretien de faisabilité-orientation approfondi et la constitution d'un portefeuille de preuves (Livret 2).