Compétences visées

Compétences fondamentales en IA

• Compréhension des Concepts Clés : Définir et différencier les types d'IA (faible vs. forte), et comprendre les bases du Machine Learning, Deep Learning, NLP, Computer Vision et IA Générative.

• Identification des Applications : Reconnaître les applications pratiques de l'IA dans divers secteurs (industrie, santé, finance, marketing, etc.) et comprendre les bénéfices potentiels pour les entreprises.

Compétences stratégiques

• Analyse et Évaluation des Solutions IA : Être capable de comparer et d'évaluer différentes solutions IA (SaaS, API, On-Premise, Open Source) en fonction de critères tels que le coût, la performance, la scalabilité, la facilité d'intégration et la sécurité.

• Développement d'une Vision Stratégique : Concevoir une stratégie pour l'intégration de l'IA dans l'entreprise, en tenant compte des opportunités, des défis, des enjeux humains et éthiques, et des contraintes réglementaires.

• Gestion du Changement : Identifier les nouveaux rôles liés à l'IA (Data Product Manager, Chief AI Officer, AI Ethicist, Prompt Engineer) et comprendre les besoins en upskilling pour les équipes existantes.

• Gestion des Risques et Conformité : Comprendre les enjeux éthiques, les aspects liés au RGPD, à la sécurité des données et à la conformité avec l'AI Act.

• Veille Stratégique : Mettre en place une veille stratégique pour suivre les dernières avancées de l'IA, identifier les sources d'information pertinentes et les influenceurs clés.

Compétences opérationnelles

• Gestion de Projet IA : Comprendre le cycle de vie d'un projet IA et appliquer des méthodologies agiles pour sa gestion.

• Collaboration Interdisciplinaire : Faciliter la communication et la collaboration entre les équipes techniques (DS) et les métiers.

• Manipulation et Préparation des Données : Comprendre les bases de la collecte, du nettoyage, de la préparation et de la qualité des données pour les projets IA.

• Intégration de Solutions IA : Connaître les bases de l'intégration de solutions IA avec les systèmes existants (ERP, CRM, chaînes de production).

• Mesure de la Valeur et Sécurité : Définir des KPIs clairs pour mesurer la valeur des projets IA et comprendre les risques de sécurité associés.

Compétences transversales

• Pensée Critique : Évaluer de manière critique les solutions IA, les résultats obtenus et les biais potentiels.

• Résolution de Problèmes : Utiliser l'IA comme outil pour résoudre des problèmes complexes et explorer des pistes créatives.

• Communication : Communiquer efficacement sur les concepts, les enjeux et les bénéfices de l'IA.

• Adaptabilité : S'adapter aux évolutions rapides du domaine de l'IA et être prêt à apprendre de nouvelles compétences.