Aller au contenu
Demander un devis
Intelligence artificielle (IA)

Chef de projet data et intelligence artificielle

Le programme vise à doter les étudiants de compétences avancées en programmation Python, machine learning et deep learning, couplées à une solide compréhension de la gestion de projets IA et…

Intermédiaire
Blended

Description de la formation

Module IA Business & Management :

  • Gestion & Droit : Formation aux enjeux managériaux de l’IA, à l’environnement d’entreprise et aux solutions innovantes pour les futurs leaders.
  • Marketing : Apprentissage de la création de campagnes marketing ciblées en utilisant les algorithmes d’IA, avec analyse de cas réels d’entreprises.
  • Acculturation : Immersion dans les dernières innovations de l’IA et familiarisation avec le paysage des start-ups.

Module IA Technology :

  • Mathématiques Appliquées : Étude approfondie des mathématiques, y compris statistiques et probabilités, essentielles à la data science.
  • Programmation : Développement de compétences pratiques en programmation spécifique à l’IA pour la création de contenus personnalisés.

Objectifs pédagogiques

  • Former un professionnel capable de piloter l’ensemble du cycle de vie d’un projet data & IA, du cadrage du besoin jusqu’au déploiement opérationnel, en coordonnant les parties prenantes métier et techniques et en garantissant la valeur, la conformité et la robustesse de la solution.

Programme détaillé

Module 1 Programme
  • RNCP41813BC01 – Cadrer un projet d’intelligence artificielle
    • Veille technologique et réglementaire IA (LLM, IA générative, FinOps/MLOps, sécurité IA…)
    • Analyse du besoin métier et de l’environnement data (co-construction)
    • Qualification des sources/typologies de données et conformité (RGPD, AI Act…)
    • Modélisation et priorisation d’un cas d’usage IA + indicateurs de performance
    • Analyse d’impact éthique/réglementaire/environnementale + plans d’atténuation
    • Ateliers de co-construction (métier, data, DPO, RSSI, éthique…)
    • Faisabilité technique et préconisations
    • Conception de l’architecture data cible
    • Dictionnaire de données + catalogue de métadonnées
    • Cahier des charges fonctionnel et technique
  • RNCP41813BC02 – Sélectionner et interpréter les données d’une solution IA
    • Sélection de données multi-sources (temps réel, API, IoT, synthétiques) et intégration
    • Contrôle qualité/fiabilité/conformité des données (gouvernance, RGPD, AI Act…)
    • Préparation des données (nettoyage, structuration, encodage…)
    • Traçabilité/versioning/conformité (anonymisation, contrôle d’accès…)
    • Feature engineering + explicabilité (SHAP, LIME…)
    • Analyses statistiques adaptées + mise en évidence tendances/signaux faibles
    • Data visualisation dynamique et accessible (dashboards, rapports…)
    • Détection de biais (AIF360, Fairlearn…)
    • Restitution adaptée aux parties prenantes + storytelling data
    • Recommandations exploitables (objectifs métier, ESG, limites…)
  • RNCP41813BC03 – Concevoir et superviser une solution IA
    • Architecture d’entraînement/déploiement (cloud/edge/hybride) + dimensionnement
    • Environnement de dev IA sécurisé & automatisé (MLOps, IaC, Zero Trust…)
    • Sélection de modèles (ML, DL, LLM, Computer Vision, IA génératives…)
    • Conception de modèles avec IA responsable (équité, explicabilité, auditabilité)
    • Stratégie d’évaluation (métriques, biais, exigences métier/réglementaires…)
    • Évaluation robustesse/généralisation (over/underfitting…)
    • Amélioration continue (MLflow/Neptune/Arize…) et optimisation
    • Intégration applicative + tests (interopérabilité, performance, sécurité…)
    • Livrables (guides, API, explicabilité) adaptés aux publics
    • Supervision post-déploiement (observabilité, alerting, rollback, MLOps…)
  • RNCP41813BC04 – Piloter un projet d’intelligence artificielle
    • Feuille de route : objectifs, livrables, indicateurs (ESG/IA responsable), risques
    • Pilotage agile/hybride (prototypage, aléas IA : drift, biais, qualité data…)
    • Budget prévisionnel (RH spécialisées, cloud/GPU, licences, sobriété numérique…)
    • Arbitrages budgétaires (reporting, rentabilité, impact…)
    • Coordination équipe pluridisciplinaire + suivi (outils collaboratifs)
    • Animation d’instances (ateliers, COPIL) + facilitation
    • Capitalisation REX et axes d’amélioration
    • Clôture projet (livrables techniques/fonctionnels/organisationnels) + conformité
    • Acculturation/formation continue IA (formats adaptés, accessibilité)
    • Conduite du changement (adoption, communication, amélioration continue)

Prérequis

Être titulaire d’une certification/diplôme de niveau 6 dans le domaine de l’informatique, de la data, des mathématiques ou du digital. Prérequis vérifiés via évaluation diagnostique (tests d’entrée et étude de dossier).

Public visé

Le public de la certification "Chef de projet data et intelligence artificielle" comprend principalement des professionnels ayant un niveau bac+4 dans des domaines comme l'informatique, les statistiques, ou l'ingénierie, ainsi que ceux qui ont suivi un cursus à l'ESIC. Ce programme s'adresse aussi aux personnes ayant une forte motivation et un vif intérêt pour le secteur de la data science et de l'intelligence artificielle​

Modalités de la formation

  • 📍 Format : Mixte (présentiel + distanciel)
  • 📊 Niveau d'entrée : Intermédiaire
  • 👥 Effectif : 4 à 12 stagiaires (groupe restreint)
  • 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
  • ♿ Accessibilité : Formations accessibles aux personnes en situation de handicap. Contactez notre référent handicap.
Allez plus loin

Formations similaires

Dans le même domaine et au niveau Intermédiaire.

👀 Cross-sell

Les apprenants ont aussi consulté

D'autres formations populaires qui pourraient compléter votre parcours.