L'essentiel

Nomenclature
du niveau de qualification

Niveau 7

Code(s) NSF

110 : Spécialités pluri-scientifiques

114 : Mathématiques

326 : Informatique, traitement de l'information, réseaux de transmission

Formacode(s)

31028 : Intelligence artificielle

32062 : Recherche développement

31023 : Gestion données massives

11017 : Statistique appliquée

11050 : Mathématiques informatiques

Date de début des parcours certifiants

01-09-2026

Date d’échéance
de l’enregistrement

31-08-2029

Niveau 7

110 : Spécialités pluri-scientifiques

114 : Mathématiques

326 : Informatique, traitement de l'information, réseaux de transmission

31028 : Intelligence artificielle

32062 : Recherche développement

31023 : Gestion données massives

11017 : Statistique appliquée

11050 : Mathématiques informatiques

01-09-2026

31-08-2029

Nom légal Siret Nom commercial Site internet
CONSERVATOIRE NATIONAL DES ARTS ET METIERS 19753471200017 Cnam https://www.cnam.fr/

Objectifs et contexte de la certification :

La spécialité « Science de la donnée et intelligence artificielle » du diplôme d’ingénieur du Cnam s’inscrit dans une dynamique de réponse aux besoins croissants en compétences numériques, tant au niveau national que territorial. Le secteur connaît en effet de profondes mutations : généralisation des objets connectés, montée en puissance de l’IA générative, digitalisation des services, renforcement des contraintes réglementaires concernant la RGPD et l'IA, mais aussi transformation des organisations avec l’essor de l’industrie 4.0. Ces évolutions redéfinissent les métiers liés à la donnée et à l’intelligence artificielle, et créent une demande soutenue d’ingénieurs capables de maîtriser à la fois l’informatique, le génie logiciel et la modélisation mathématique.

Les études prospectives confirment cette dynamique. L’OPIIEC anticipe la création de 45000 emplois supplémentaires dans les trois prochaines années dans le domaine de l’IA, et souligne que 28 % des entreprises ont déjà développé des fonctions dédiées, notamment d’ingénieurs IA et de chefs de projets spécialisés. Les besoins exprimés concernent la maîtrise des outils et usages de l’IA, la compréhension du cadre réglementaire et la capacité à accompagner les changements organisationnels. De son côté, Le syndicat Numeum met en avant une croissance continue du marché numérique en France, portée par l’essor de l’IA générative, et insiste sur la nécessité de former des profils hautement qualifiés. Les initiatives territoriales, comme le Tour de France de l’IA, montrent que ces besoins se déclinent localement et nécessitent une offre de formation adaptée aux spécificités régionales.

C’est dans ce contexte que la formation a été ouverte à Niort et à Chalon-sur-Saône. À Niort, capitale française de l’assurance, les objectifs se concentrent sur l’exploitation des données massives pour la gestion des risques, la lutte contre la fraude et la personnalisation des services. À Chalon-sur-Saône, l’ancrage dans un tissu industriel en pleine mutation vers l’industrie 4.0 crée des besoins spécifiques en ingénieurs capables de mettre en œuvre des solutions d’analyse de données, de maintenance prédictive et d’optimisation des processus productifs.

Proposée en formation initiale sous statut d’apprenti (FISA), la formation conduisant à la certification en Science de la donnée et intelligence artificielle favorise une forte intégration des élèves dans le tissu économique local, et assure l’adéquation entre les compétences attestées par la certification et les attentes des entreprises dans ces domaines en très fort développement.

Activités visées :

  • Analyse des besoins des organisations en matière de collecte, traitement, exploitation et valorisation des données

  • Collecte, qualification, nettoyage et préparation de données issues de sources structurées ou non structurées

  • Conception, structuration, sécurisation et administration d’architectures de données et de bases de données

  • Réalisation d’analyses statistiques, descriptives, prédictives et prescriptives pour l’aide à la décision

  • Conception, entraînement, validation, déploiement et amélioration continue de modèles d’apprentissage automatique et de systèmes d’intelligence artificielle

  • Intégration des traitements, analyses et modèles dans les systèmes d’information, applications ou processus métiers de l’organisation

  • Pilotage de projets en science des données et intelligence artificielle, en intégrant les dimensions de qualité, coût, délai, risque, sécurité et conformité

  • Communication auprès des parties prenantes internes et externes sur les méthodes, résultats, limites et conditions d’usage des solutions développées

  • Veille scientifique, technologique, méthodologique, réglementaire et sectorielle

  • Contribution à l’innovation, à l’amélioration continue et à la transformation numérique responsable des organisations.

Compétences attestées :

  • Mobiliser un socle de connaissances scientifiques et techniques en mathématiques appliquées, statistique, informatique, algorithmique et sciences des données pour analyser des situations complexes et concevoir des solutions adaptées

  • Répondre à des objectifs métier identifiés en modélisant des problèmes complexes à travers la conception, l’entraînement, évaluation et l’amélioration des modèles statistiques, des algorithmes d’apprentissage automatique et des systèmes d’intelligence artificielle

  • Innover, expérimenter, entreprendre et contribuer à des activités de recherche, de développement ou de transfert dans le champ de la donnée et de l’intelligence artificielle

  • Acquérir, structurer, qualifier, exploiter et interpréter des données issues de sources variées, en appréciant leur qualité, leur fiabilité, leur pertinence et leurs limites

  • Piloter un projet en science des données et intelligence artificielle en organisant les ressources, en gérant les risques, en assurant le suivi des réalisations et en évaluant les résultats obtenus

  • Concevoir et déployer des solutions numériques en intégrant les principes de sobriété numérique, en optimisant l’usage des ressources (données, calcul, stockage), en évaluant les impacts environnementaux des systèmes et en favorisant des choix technologiques responsables et durables

  • Intégrer les dimensions techniques, organisationnelles, humaines, économiques, juridiques, réglementaires, environnementales et sociétales dans la conduite des activités et des projets

  • Traiter la donnée responsablement, en intégrant les enjeux d’éthique, de protection des données et de cybersécurité

  • Accompagner les transformations numériques, organisationnelles, énergétiques et environnementales en prenant en compte leurs impacts, leurs contraintes et leurs risques

  • Agir en professionnel responsable face aux enjeux de santé et sécurité au travail, de diversité et d’inclusion, afin de garantir un cadre de travail respectueux et inclusif

  • Communiquer de manière claire, structurée et adaptée avec des interlocuteurs variés, spécialistes ou non spécialistes, en français et en anglais, à l’écrit comme à l’oral, y compris dans un contexte international et multiculturel

  • Collaborer au sein d’équipes pluridisciplinaires, interagir avec des spécialistes d’autres domaines et contribuer à la coordination d’acteurs aux compétences complémentaires

  • S’autoévaluer, actualiser ses connaissances et développer ses compétences tout au long de la vie afin d’accompagner les évolutions scientifiques, technologiques et professionnelles.

Modalités d'évaluation :

  • Mises en situation, analyses d’articles, études de cas, examens sur table, questionnaires de vérification des connaissances et travaux de groupe

  • Évaluation des séquences en entreprise par l’analyse des activités conduites, la présentation des projets réalisés et l’appréciation, par le maître d’apprentissage, des compétences techniques, organisationnelles et comportementales développées au cours de la formation

  • Rédaction et soutenance d’un projet de fin d’études.

 

Il y a dans chaque Centre Cnam en Régions (CCR) métropolitaines et outre-mer un référent handicap qui accompagne les personnes concernées en vue de mettre en place, dans le cadre des textes de loi afférentes à ce sujet, les aménagements d’études et d’examens accordés par le centre de formation après proposition d’un médecin agréé CDAPH. 

Pour l’établissement public, la Mission Handi’Cnam accompagne les élèves en situation de handicap inscrits au centre de Paris, ainsi que sur les sites annexes, dont l’Antenne alternance de Saint-Denis et l’École Supérieure d'Ingénieurs Géomètres et Topographes (ESGT), qui mettent en œuvre des formations d’ingénieurs par l’apprentissage). 

La mission Handi’Cnam assure également un rôle de conseil et d’animation auprès du réseau des référents handicap des CCR. 

RNCP42443BC01 - Piloter des projets en sciences de la donnée

Liste de compétences Modalités d'évaluation

Liste de compétences

  • Établir le cahier des charges du projet (budget, temps, contraintes légales et environnementales, tests publics, éthique, impact sociétal, gestion des locaux, RGPD, etc)
  • Définir un plan de gestion des risques (causes internes ou externes peuvent forcer le projet à être modifié, SWOT) en identifiant les facteurs d'adaptabilité dont dispose l'entreprise afin d'anticiper sur les facteurs d'échecs du projet
  • Développer la relation client et envisager l'extension du projet et les perspectives futures en établissant un contact régulier avec le client pour valider ses demandes et leur évolution
  • Mettre en place des revues de projet pour assurer la transmission d'informations entre les différents corps de métiers ; et des systèmes de tracking au moyen d’un calendrier unique afin de surveiller les performances du projet, de déterminer sa progression et d’opérer les ajustements nécessaires
  • Mettre en place des outils et des méthodes de gestion de projet (méthode en V, méthode itérative, méthode Agile, combinaison de méthodes...)
  • Communiquer et négocier dans un contexte international et multiculturel en utilisant une ou plusieurs langues étrangères et notamment des langages techniques de l’informatique et du numérique, à l’oral et à l’écrit y compris en anglais.

Évaluation des séquences académiques

• Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir
• Travaux et projets individuels ou en groupe.

Évaluation des séquences entreprises

• Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise
• Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation.

Critères d’évaluation

• Rigueur des analyses techniques proposées
• Analyse critique de solutions techniques existantes
• Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents)
• Pertinence des outils et des méthodologies utilisés
• Adéquation entre données collectées et projet
• Qualité de synthèse et de communication des principaux résultats.

RNCP42443BC02 - Concevoir, modéliser et élaborer un système informatique, des développements logiciels, des bases de données, un dispositif d'optimisation des données

Liste de compétences Modalités d'évaluation

Liste de compétences

  • Analyser le besoin client en matière de conception d'un système informatique, des développements logiciels, des bases de données, et d'un dispositif d'optimisation des données en matière de conception de SI, développement informatique, d'architecture réseaux, etc. et en communiquant avec les experts métier
  • Rédiger et valider avec le client le cahier des charges fonctionnel en intégrant les contraintes techniques, qualité, sécurité, environnemental, sociététal, normes réglementaire et standards informatique du contexte interculturel et international
  • Organiser et animer des réunions métier afin de définir les spécifications du système d'information, ses développements, réseaux, bases de données, ainsi que son optimisation
  • Élaborer le schéma directeur du SI en évaluant les risques / opportunités en utilisant une matrice SWOT et en intégrant un cycle de formation continue
  • Élaborer, concevoir, tester et valider des modèles, protocoles et architectures système informatique, développements logiciels, réseaux, bases de données, cybersécurité et optimisation des données.

Évaluation des séquences académiques

• Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir
• Travaux et projets individuels ou en groupe.

Évaluation des séquences entreprises

• Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise
• Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation.

Critères d’évaluation

• Rigueur des analyses techniques proposées
• Analyse critique de solutions techniques existantes
• Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents)
• Pertinence des outils et des méthodologies utilisés
• Adéquation entre données collectées et projet
• Qualité de synthèse et de communication des principaux résultats.

RNCP42443BC03 - Préparer et analyser les données massives par des techniques d'apprentissage de fouille des données afin de mettre en place des outils d’aide à la décision

Liste de compétences Modalités d'évaluation
  • Identifier et collecter des données en quantité importante, structurées ou non structurées, issues de sources diversifiées internes et externes à l’entreprise (appareils intelligents ou connectés, capteurs..)
  • Stocker et organiser les données recueillies dans des bases de données massives 
  • Nettoyer les données recueillies afin de les rendre exploitables par le système numérique de destination
  • Effectuer des analyses de type descriptives et prédictives au moyen d’outils de modélisation statistique, fouilles de données et d’apprentissage statistique (méthodes de régression, méthodes d’analyse factorielle, méthodes de classification supervisée et non supervisée)
  • Développer et entrainer des architectures d'apprentissage automatique via des algorithmes (SVM, k-means, arbres de décisions, réseaux de neurones, boosting, etc.)
  • Évaluer les performances des algorithmes d’Intelligence Artificielle en utilisant des mesures appropriées
  • Réaliser l'amélioration continue des modèles et des processus en fonction des retours et des évolutions des données.

Évaluation des séquences académiques

• Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir
• Travaux et projets individuels ou en groupe.

Évaluation des séquences entreprises

• Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise
• Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation.

Critères d’évaluation

• Rigueur des analyses techniques proposées
• Analyse critique de solutions techniques existantes
• Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents)
• Pertinence des outils et des méthodologies utilisés
• Adéquation entre données collectées et projet
• Qualité de synthèse et de communication des principaux résultats.

RNCP42443BC04 - Manager l'équipe pluridisciplinaire d'un projet en sciences de la donnée

Liste de compétences Modalités d'évaluation
  • Identifier les responsabilités éthiques et professionnelles, et prendre en compte les enjeux des relations au travail, de sécurité et de santé au travail et de la diversité
  • Inscrire dans une démarche d’amélioration continue les équipes métier en informatique et mathématiques, en confrontant les travaux à une veille prospective métier (évolution technologique, méthodologique, sectorielle…) et en participant à la définition du plan de formation de l’entreprise
  • Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au sein de l’entreprise dans des projets entrepreneuriaux
  • Établir un bilan de la collaboration de son équipe ou de l’organisation en identifiant les forces et des écueils possibles pour la mise en place future d’un processus collaboratif
  • Gérer les conflits, les tensions au sein d’une équipe pluridisciplinaire en identifiant : la nature des freins de la collaboration entre professionnels, les logiques et les représentations inter-métiers, les enjeux de territoires professionnels afin de favoriser la cohésion pluridisciplinaire
  • Déployer des outils métiers de mesure de performances et d'évaluation des équipes afin de garantir le succès des projets en science des données  au niveau de la qualité des résultats et de l'alignement avec les objectifs métier.

Évaluation des séquences académiques

• Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir
• Travaux et projets individuels ou en groupe.

Évaluation des séquences entreprises

• Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise
• Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation.

Critères d’évaluation

• Rigueur des analyses techniques proposées
• Analyse critique de solutions techniques existantes
• Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents)
• Pertinence des outils et des méthodologies utilisés
• Adéquation entre données collectées et projet
• Qualité de synthèse et de communication des principaux résultats.

Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par correspondance :

Tous les blocs de compétences doivent être validés pour obtenir la certification. 

Validation du niveau d’anglais B2 (CECRL).

Validation d'une mobilité à l'international d'une durée de 9 à 12 semaines pour les apprentis. 

Secteurs d’activités :

Tous secteurs avec en particulier :

  • Assurance
  • Santé
  • Banque
  • E-commerce
  • Industrie lourde (automobile, transport, transformation)
  • Nucléaire
  • Industrie 4.0
  • Organismes de recherche et développement du secteur public.

Ces domaines ne sont pas exhaustifs, et les diplômés peuvent également trouver des opportunités dans d'autres secteurs émergents au fur et à mesure que les sciences des données et leurs applications continuent de se développer.

Type d'emplois accessibles :

Les diplômés pourront occuper des postes tels que :

  • Data scientist, analyste de données
  • Services R&D pour la modélisation et l'optimisation
  • Chef de Projet en Data Science
  • Chargé d'études statistique.
  • Data analyst
  • Data miner
  • Data scientist
  • Ingénieur statisticien
  • Statisticien
  • Architecte de bases de données
  • Analyste décisionnel - Business Intelligence
  • Développeur Big Data
  • Chargé d'études analytiques en industrie
  • Ingénieur fiabilité en industrie
  • Ingénieur d'études-recherche-développement en industrie
  • Ingénieur systèmes et simulations en industrie
  • Directeur des systèmes d'information
  • Informaticien de la recherche scientifique

Code(s) ROME :

  • M1403 - Études et prospectives socio-économiques
  • M1802 - Expertise et support en systèmes d''information
  • M1805 - Études et développement informatique
  • H1206 - Management et ingénierie études, recherche et développement industriel

Références juridiques des règlementations d’activité :

Le cas échant, prérequis à l’entrée en formation :

La formation conduisant à la certification est intégrée en première année (cursus de six semestres) avec un diplôme ou une validation de niveau 5 ou 6 dans un domaine scientifique ou technologique.

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

Le jury est présidé par le Directeur de l’École d’ingénieurs du Cnam (EiCnam) ou son représentant. 

En plus du président, le jury est composé paritairement de personnalités du milieu professionnel et du milieu académique avec un quorum de huit personnes. Il comprend a minima : 

  • le directeur du Centre Cnam en Région ou son représentant ;
  • le responsable national du diplôme concerné ou son représentant ;
  • le responsable opérationnel du diplôme concerné ou son représentant ;
  • le Directeur du CFA ou son représentant ;
  • le représentant du partenaire institutionnel de la formation ou son représentant ;
  • des représentants des entreprises partenaires. 

La composition du jury est arrêtée chaque année par le Directeur de l’EiCnam et portée à la signature de l’administrateur général du Cnam par la Direction nationale des formations. 

-
Après un parcours de formation continue X - -
En contrat de professionnalisation X - -
Par candidature individuelle X - -
Par expérience X

Le jury VAE est composé d’au moins quatre membres, dont au moins un qualifié au regard de la certification visée. 

Le jury est présidé par l’enseignant responsable du titre d’ingénieur ou son représentant. Il propose la composition de jury. 

-
Validité des composantes acquises
Oui Non
Inscrite au cadre de la Nouvelle Calédonie X
Inscrite au cadre de la Polynésie française X

Statistiques :

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 %)
2022 16 - 91 80 91

Liste des organismes préparant à la certification :

Certification(s) antérieure(s) :

Certification(s) antérieure(s)
Code de la fiche Intitulé de la certification remplacée
RNCP39541 Titre ingénieur - Ingénieur diplômé du Conservatoire national des arts et métiers, spécialité Science de la donnée et intelligence artificielle

Référentiel d'activité, de compétences et d'évaluation :