Développeur en Intelligence Artificielle et Data Science

Le développeur en Intelligence Artificielle et Data science est un métier émergent. Sous la supervision du chef de projet IA, le développeur IA et Data science réalise le développement de la solution IA conçue préalablement par le CDP IA en réponse à un besoin identifié au sein des entreprises, et participe à sa mise en place (exemples d’usages d’IA : optimiser les ressources et process existants, augmenter les ventes (usages, marketing et relation client), anticiper les risques et assurer la conformité (maintenance prédictive), innover, etc.) . Au cours du projet, il contribue à la conception et à l’adaptation des solutions émises par le CDP IA. Ces solutions IA sont utilisables par des spécialistes ou non-spécialistes, intégrant directement ou indirectement des briques technologiques d'Intelligence Artificielle. Il est donc un spécialiste du développement d’applicatifs informatiques, du génie logiciel et des interfaces Homme-Machine, avec une très bonne connaissance des technologies d'IA/Data Science, du codage et des langages de programmation, du secteur ou de la fonction d'application des données traitées. Le développeur IA et Data science contribue ainsi au développement de nouveaux usages d’IA pour des clients internes ou externes. Pour ce faire, par rapport au cahier des charges fonctionnel et technique et en particulier à l’infrastructure qui lui sera proposée, il va, en préalable au déploiement, construire, entraîner, tester et adapter le modèle d’apprentissage préconisé, à partir d’une structure de données propres et appropriées qu’il aura préalablement construite dans une logique-process ETL (Extracting, Transforming, loading / Extraction, Transformation, Chargement). Une fois construit le modèle d’apprentissage répondant au besoin de la solution IA défini par le CDP IA, le Développeur IA et Data science met en production la solution IA. Il développe le Backend et le Frontend conformément aux règles de l'accessibilité numérique, réalise des plans de tests au fur et à mesure et adapte la production en conséquence. Dans une logique de qualité et d’amélioration continue, il rédige une documentation technique associée, potentiellement en anglais (exemple : le développeur commente son code (qualité de code)). Au cours du développement et une fois la solution déployée, il maintient techniquement (dysfonctionnements), améliore et/ou adapte (évolutions des besoins) l’application ou le programme d’intelligence artificielle pour répondre au besoin. Le développeur en IA et data science conduit ses actions en mode projet, en utilisant les techniques et outils de gestion de projet, en cohérence avec le projet défini, sous la supervision du chef de projet et en collaboration avec l’équipe projet. Durant tout le développement de la solution IA, il s’assure que celle-ci répond toujours aux exigences définies dans le cahier des charges fonctionnelles. Dans ce cadre, et de manière transverse, il réalise une veille technologique, réglementaire et métier, y compris en anglais. Les tâches et activités associées au développeur en intelligence artificielle et Data science couvrent un large spectre : A1 – Développement, exploitation et amélioration d’un modèle IA (codage) Sous la supervision du chef de projet IA, le développeur IA et Data science réalise le développement de la solution IA, conçut préalablement par le CDP IA, et la met en place. Pour ce faire, par rapport au cahier des charges fonctionnel et technique et en particulier à l’infrastructure qui lui sera proposée, il va, en préalable au déploiement, construire, entraîner, tester et adapter le modèle d’apprentissage préconisé, à partir d’une structure de données propres et appropriées qu’il aura auparavant construite dans une logique-process ETL. Une fois le modèle d’apprentissage répondant au besoin de la solution IA défini par le CDP IA, le Développeur IA et Data science met en production le modèle IA. Il développe le Backend et le Frontend de la solution IA, réalise des plans de tests au fur et à mesure et adapte la production en conséquence. Dans une logique de qualité et d’amélioration continue, il rédige une documentation technique associée, potentiellement en anglais. Au cours du développement et une fois la solution déployée, il maintient techniquement (dysfonctionnements), améliore et/ou adapte (évolutions des besoins) l’application ou le programme d’intelligence artificielle pour répondre au besoin. A1.1 Sous activité : Gestion des données de la solution IA A partir de l’architecture des données et des flux conçus par le CDP IA, le développeur en IA et Data science va créer la structure de données afin d’obtenir un corpus de données à grande échelle. L’objectif est d’alimenter la solution IA de données fiables. Pour cela, le développeur en IA et Data science utilise toutes les phases d’un processus ETL - Collecte des données (ETL : Extraction) - Traitement des données (ETL : Transformation - Preprocessing) - Création des structures de stockage des données (ETL : Loading/chargement) - Requêtage des structures de données (ETL : Loading/ chargement) A1.2 Sous activité : Développement du modèle/programme d’apprentissage de la solution IA A partir de la solution IA conçue par le CDP IA, le développeur en IA et Data science va réaliser le modèle d’apprentissage de données selon le cahier des charges fonctionnel (programmation dans un environnement de codage - Programmer sur des Framework). Il va ensuite entraîner le modèle afin qu’il apprenne les informations nécessaires pour répondre au besoin en se basant sur les données disponibles dans les structures de données (A1.1 Sous activité : gestion des données) afin d’obtenir le meilleur résultat possible au regard des critères de performance attendus. - Préparation, adaptation des données pour le modèle d’apprentissage (attributs endogènes et exogènes) (Feature Engineering) - Développement du modèle d’apprentissage Implémentation du modèle d’apprentissage : Réalisation de l’entrainement du modèle d’apprentissage : Paramétrages du modèle d’apprentissage - Test du modèle d’apprentissage - à partir de l’infrastructure et reporting du résultat - Pré-analyse des résultats du modèle d’apprentissage. A1.3 Sous activité : Mise en production/maintenabilité de la solution IA Une fois que le modèle est suffisamment aguerri selon les indicateurs que le CDP IA aura défini, le Développeur en IA et Data science met en production la solution IA (= déploiement à échelle réelle). Les données étant fluctuantes la solution IA évolue au fil du temps et les besoins utilisateurs également. Le Développeur en IA et Data science doit s’assurer de l’adéquation de la solution avec la demande initiale. Livraison : Informer le CDP IA de la disponibilité de la solution IA selon les exigences attendues dans le CDC - Développement du Backend - Développement du Frontend - Contrôle qualité / réalisation de tests / mesure de la performance (passage à l’échelle réelle) - Maintien / Amélioration de l’application ou du programme d’intelligence artificielle en fonction des évolutions pour répondre au besoin A2 – Gestion des activités/tâches du projet de développement de la solution IA Le Développeur en IA et Data science est capable d’utiliser une méthode de projet pour effectuer sa mission, en cohérence avec le projet défini sous la supervision du chef de projet et en collaboration avec l’équipe projet. Durant tout le développement de la solution IA, le Développeur en IA et Data science s’assure que celui-ci répond toujours aux exigences définies dans le cahier des charges fonctionnel. Pour garantir cette cohérence du besoin avec la solution créée, il réalise une veille technologique, réglementaire et métier y compris en anglais afin de maîtriser la réalisation. - Application d’une méthode de projet prédéfinie par le chef de projet (méthode agile) - Suivi, adaptation et compte rendu de la réalisation en collaboration avec les équipes - Autocontrôle de la conformité avec la demande - Réalisation de la veille technologique, réglementaire, métier