Certification professionnelle

Objectifs et contexte de la certification :

La certification "Expert en ingénierie de l'intelligence artificielle et des applications" vise à former des experts capables de concevoir, développer, intégrer et industrialiser des solutions d’intelligence artificielle dans des environnements logiciels complexes. Ces professionnels maîtrisent l’ensemble du cycle de vie d’un projet intégrant l'IA, depuis l’analyse du besoin jusqu’au déploiement en production, en passant par la modélisation, l’architecture logicielle, la gouvernance des données et la sécurisation des systèmes.

Activités visées :

Analyse du besoin

Conseil sur les technologies, outils, services

Proposition d'une solution

Analyse du retour sur investissement

Priorisation des fonctionnalités à livrer

Planification de l'exécution

Suivi de l'avancement

Animation de l'équipe

Conception d'une solution d'intelligence artificielle

Intégration et industrialisation d'une solution d'intelligence artificielle

Conception de l'architecture et de la solution logicielle

Déploiement continue de la solution logicielle

Gestion des données massives (big data)

Déploiement applicatif dans le cloud

Compétences attestées :

Organiser et conduire une réunion en pratiquant l’écoute active et en identifiant la typologie du client pour affiner sa demande et construire un argumentaire adapté à ses besoins

Analyser les besoins du client en réalisant un diagnostic de son écosystème interne et externe ; pour proposer une solution adaptée au contexte normatif et juridique de l’entreprise.

Analyser l’environnement technologique en menant une étude comparative des moyens techniques et services existants de façon à identifier les pistes de solutions et répondre aux besoins du client en prenant en compte les impacts sociaux, sociétaux & environnementaux

Concevoir une solution à partir des besoins et risques exprimés par la modélisation d’une architecture, afin de la présenter au client et de l’assister sur sa prise de décision

Réaliser une estimation des coûts de la solution en prenant en compte les dépenses d’exploitation et les gains non quantifiables, afin d’évaluer le retour sur investissement du (des) projet(s) et déterminer la rentabilité de la solution envisagée.

Établir une liste priorisée des fonctionnalités à livrer dans un cadre contractuel en tenant compte des exigences du projet afin de fournir le produit (ou le service) qui permet d’apporter une valeur ajoutée aux besoins du client.

Planifier l’exécution du projet en déterminant le cadre méthodologique, les rôles des parties prenantes et le planning prévisionnel permettant de converger vers l’atteinte des objectifs du projet.

Assurer le suivi du projet en mesurant régulièrement l’avancée du projet avec les outils et méthodes appropriés afin d’appliquer des mesures adaptatives et garantir la satisfaction du client et des utilisateurs.

Faciliter l’organisation et l’environnement de travail de son espace et/ou celui de l’équipe en mettant en œuvre des actions d’amélioration, de communication et/ou de responsabilisation afin d’impliquer toutes les parties prenantes dans l’atteinte des objectifs du projet.

 Identifier les enjeux scientifiques, technologiques, économiques, juridiques et éthiques de l’intelligence artificielle pour apporter une valeur ajoutée par l’utilisation des solutions d’intelligence artificielle dans une application et en mesurer la faisabilité.

Concevoir une solution d’intelligence artificielle prenant en compte les données disponibles pour répondre à une problématique métier donnée et en mesurer la pertinence et efficacité

Mettre en œuvre des modèles d’apprentissage automatique et d’intelligence artificielle selon une méthodologie MLOps pour automatiser les outils de production en prenant en compte les contraintes technologiques et économiques.

Concevoir, modéliser et développer une architecture cross platform, secure by design et reposant sur des technologies et ressources disponibles (publiques, hybrides ou privées), à partir des exigences et attributs de qualité pour répondre à un cahier des charges d’une application

Industrialiser le développement du logiciel à l’aide d’outils d’automatisation en décrivant le processus de déploiement de manière à faire évoluer les logiciels développés et minimiser les erreurs de manipulation par les tiers.

Concevoir une infrastructure adaptée et gérer les données à toutes les étapes du cycle de vie : collecte, préparation, exploitation, modélisation, visualisation en  appliquant les règles de gouvernance des données (RGPD, DSA) et en assurant leur sécurisation.

En appliquant les principes MLOps et DevOps à une architecture adaptée, déployer et maintenir une application dans un cloud privé, hybride ou public dont les aspects financiers, sécurité et scalabilité sont pris en compte

Modalités d'évaluation :

Mises en situation professionnelle simulée individuelle

Cas pratiques individuels 

Études de cas individuelles 

Mémoire rédigé individuellement et décrivant en détails les activités réalisées pendant le parcours réalisé en entreprise

Soutenance finale individuelle devant un jury