Développeur - euse intelligence artificielle

Aller à
Présentation Compétences

Certification Certification

Le projet de certification est en cours d'instruction auprès de France compétences afin qu'il soit reconnue par l'Etat et inscrite au répertoire national des certifications professionnelles : Développeur en intelligence artificielle

Présentation Présentation

Le développeur en intelligence artificielle est un spécialiste du développement d’applications intégrant des fonctionnalités exploitant l’intelligence artificielle.

Intégré dans la résolution d’une problématique métier définie par l’organisation ou par un client, son rôle est de développer des services et interfaces numériques utilisables par des spécialistes et des non-spécialistes, intégrant directement ou indirectement des briques d’intelligence artificielle.

Compétences Compétences visées

  • C1. Automatiser l’extraction de données depuis un service web, une page web (scraping*), un fichier de données, une base de données et un système big data* en programmant le script* adapté afin de pérenniser la collecte des données nécessaires au projet.
  • C2. Développer des requêtes de type SQL d’extraction des données depuis un système de gestion de base de données et un système big data en appliquant le langage de requête propre au système afin de préparer la collecte des données nécessaires au projet.
  • C3. Développer des règles d'agrégation de données issues de différentes sources en programmant, sous forme de script, la suppression des entrées corrompues et en programmant l’homogénéisation des formats des données afin de préparer le stockage du jeu de données final.
  • C4. Créer une base de données dans le respect du RGPD en élaborant les modèles conceptuels et physiques des données à partir des données préparées et en programmant leur import afin de stocker le jeu de données du projet.
  • C5. Développer une API mettant à disposition le jeu de données en utilisant l’architecture REST afin de permettre l’exploitation du jeu de données par les autres composants du projet.
  • C6. Organiser et réaliser une veille technique et réglementaire en animant le travail collectif de sélection des sources, de collecte, de traitement et de partage des informations afin de formuler des recommandations pour le projet toujours en phase avec l’état de l’art.
  • C7. Identifier des services d’intelligence artificielle préexistants à partir de l’expression de besoin en fonctionnalités d’intelligence artificielle, en réalisant un benchmark de services existants et en analysant leurs caractéristiques pour formaliser une ou plusieurs recommandations de services adaptés au besoin.
  • C8. Paramétrer un service d’intelligence artificielle en suivant sa documentation technique et en respectant les spécifications du projet, afin de permettre l’intégration des connecteurs du service dans le système d’information.
  • C9. Développer une API exposant un modèle d’intelligence artificielle en utilisant l’architecture REST pour permettre l’interaction entre le modèle et les autres composants du projet.
  • C10. Intégrer l’API d’un modèle ou d’un service d’intelligence artificielle dans une application, en respectant les spécifications du projet et les normes d’accessibilité en vigueur, à l’aide de la documentation technique de l’API, afin de créer les fonctionnalités d’intelligence artificielle de l’application.
  • C11. Monitorer un modèle d’intelligence artificielle à partir des métriques courantes et spécifiques au projet, en intégrant les outils de collecte, d’alerte et de restitution des données du monitorage pour permettre l’amélioration du modèle de façon itérative.
  • C12. Programmer les tests automatisés d’un modèle d’intelligence artificielle en définissant les règles de validation des jeux de données, des étapes de préparation des données, d'entraînement, d’évaluation et de validation du modèle pour permettre son intégration en continu et garantir un niveau de qualité élevé.
  • C13. Créer une chaîne de livraison continue d’un modèle d’intelligence artificielle en installant les outils et en appliquant les configuration souhaitées, dans le respect du cadre imposé par le projet et dans une approche MLOps*, pour automatiser les étapes de validation, de test, de packaging* et de déploiement du modèle.
  • C14. Analyser le besoin d’application d’un commanditaire intégrant un service d'intelligence artificielle, en rédigeant les spécifications fonctionnelles et en le modélisant, dans le respect des standards d’utilisabilité et d’accessibilité, afin d’établir avec précision les objectifs de développement correspondant au besoin et à la faisabilité technique.
  • C15. Concevoir le cadre technique d’une application intégrant un service d’intelligence artificielle, à partir de l'analyse du besoin, en spécifiant l’architecture technique et applicative et en préconisant les outils et méthodes de développement, pour permettre le développement du projet.
  • C16. Coordonner la réalisation technique d’une application d’intelligence artificielle en s’intégrant dans une conduite agile de projet et un contexte MLOps et en facilitant les temps de collaboration dans le but d’atteindre les objectifs de production et de qualité.
  • C17. Développer les composants techniques et les interfaces d’une application en utilisant les outils et langages de programmation adaptés et en respectant les spécifications fonctionnelles et techniques, les standards et normes d’accessibilité, de sécurité et de gestion des données en vigueur dans le but de répondre aux besoins fonctionnels identifiés.
  • C18. Automatiser les phases de tests du code source lors du versionnement des sources à l’aide d’un outil d’intégration continue* de manière à garantir la qualité technique des réalisations.
  • C19. Créer un processus de livraison continue d’une application en s’appuyant sur une chaîne d’intégration continue et en paramétrant les outils d’automatisation et les environnements de test afin de permettre une restitution optimale de l’application.
  • C20. Surveiller une application d’intelligence artificielle, en mobilisant des techniques de monitorage et de journalisation, dans le respect des normes de gestion des données personnelles en vigueur, afin d’alimenter la feedback loop* dans une approche MLOps, et de permettre la détection automatique d’incidents.
  • C21. Résoudre les incidents techniques en apportant les modifications nécessaires au code de l’application et en documentant les solutions pour en garantir le fonctionnement opérationnel.

Programme Programme

Les compétences acquises sont directement mobilisables par le stagiaire à l’issue de la formation, dans son retour en poste.

En fonction de la nécessité d’axer le déroulé de la formation sur des sujets en particulier lors d’une formation dédiée à une entreprise, le programme de formation pourra être contextualisé aux besoins et outils identifiés, et des intervenants extérieurs pourront également intervenir.

Le programme est structuré autour de 5 modules. Chaque module de formation donne lieu à des mises en situtions d'apprentissages de natures variées, d’une durée et d’une complexité progressive.

Phase 0 - La prairie

  •     Introduction à la formation
  •     Prise en main du poste de travail et installation des outils
  •     Découverte de l'environnement de formation : rythme, règles et espace pour la formation.
  •     Découverte de la certification visée et des attendus et exigences pour l'examen.
  •     Introduction par la pratique au métier de développeur en intelligence artificielle : ma première application d'IA.

Phase 1 - Je suis un·e développeur·se

  • Je code, tu codes, il/elle code... : j'intègre des clients web embarquant de l'IA (Tensorflow JS, APIs d'IA avec Azure Cognitive Service par exemple).
  • Je mets en place des flux de données pour un projet d'IA.
  • Je mets en place une base de données pour une application.
  • Ma première application d'IA full-stack.

Phase 2 - Je suis un·e développeur·se en Intelligence artificielle

  • J'intègre du monitoring automatisé de modèles d'IA.
  • J'intègre des tests automatisés pour des modèles d'IA.
  • J'accompagne le packaging et la livraison d'un modèle d'IA développé par mes collègues data scientists dans une équipe en mode MLOps (Git, DVC, ONNX, Flask, CI/CD).


Phase 3 - Je suis un·e professionnel·le du développement en IA

  • Analyse d'une expression de besoin.
  • Conception fonctionnelle et technique d'une application d'IA (MCD, MPD, Schéma focntionnel, Backlog...).
  • Packaging d'une modèle d'IA (tests, CI/CD avec Git et DVC par exemple)
  • Développement d'une API dédiée (avec ONNX et Flask par exemple).
  • Développement des fonctionnalités de l'application (gestion utilisateurs, gestion des formulaires, gestion des uploads, etc).
  • Développement de tests fonctionnels de l'API et de l'application.
  • Mise en place d'une chaîne de livraison continue (CI/CD) pour l'application (avec Git et Gitlab CI/CD par exemple).

Phase 4 - Projet final et préparation à la certification.

  • Réalisation d'un projet final.
  • Entrainement à la certification, oraux blancs.
  • Validation des livrables attendus pour la certification.
  • Jour-J : je passe l'examen.

À titre indicatif, la durée de la formation est de :

Pour un parcours avec une période d'alternance :  6 mois en intensif suivi de 12 mois en alternance (1 semaine en centre de formation pour 3 semaines en entreprise).

Pour un parcours sans alternance : 12 mois de formation intensive incluant une période d'application en entreprise (PAE, communément appelé "stage").
La durée peut être adaptée selon le positionnement et le contexte du parcours.


Le projet de certification est constituée de 3 blocs de compétences.

  • Bloc de compétences 1 : Réaliser la collecte, le stockage et la mise à disposition des données d’un projet en intelligence artificielle.
  • Bloc de compétences 2 :  Intégrer des modèles et des services d’intelligence artificielle.
  • Bloc de compétences 3 : Réaliser une application intégrant un service d’intelligence artificielle.

Chaque bloc de compétence est validé par une ou plusieurs modalités d’évaluation suivantes adaptées aux compétences.

  • Cas pratique (deux évaluations)
  • Mises en situation professionnelle (Trois évaluations).
    ​​​​​​​Ces modalités font l'objet d'une soutenance orale devant le jury de certification ainsi que d'un rendu de livrables en amont de la soutenance orale.
Retourner en haut