RNCP34262
Inactive
· Niveau 7
Expert en sciences des données
Certificateur · DATA SCIENCETECH INSTITUTE
L'essentiel
Nomenclature du niveau de qualification
Niveau 7
Code(s) NSF
Formacode(s)
Date d'échéance de l'enregistrement
10-10-2024
Certificateur(s)
Nom légalSIRETSite
Partenaires habilités
2 organismes habilités, d'après la liste publiée par France compétences : 1 à former et organiser l'évaluation et 1 à former.
OrganismeSIRETHabilitation
AMTALENTS
90021084000014
Former
ECOLE NATIONALE SUPERIEURE D'ARTS ET METIERS (ENSAM)
19753472000010
Former et organiser l'évaluation
Résumé de la certification
Objectifs et contexte
Le métier visé est celui d’ expert (« Data Scientist » en Anglais) dans le domaine des Sciences des Données. Ces dernières peuvent être de toute taille, jusqu’à la qualification de « massives » (« Big Data » en Anglais). Ces données partagent une complexité nécessitant l’utilisation de techniques mathématiques avancées avec leurs implémentations informatiques correspondantes. Ces implémentations sont localisées sur des infrastructures informatiques locales et/ou dans les nuages (« cloud computing » en Anglais).
Le Data Scientist conçoit des indicateurs pour l’aide à la décision à partir de sources de données multiples et dispersées, mises en place par des experts en ingénierie des données (« Data Engineers » en Anglais). Ces indicateurs sont construits à l’aide d’analyses mathématiques et de prototypes d’implémentations informatiques. Ces prototypes sont ensuite industrialisés à l’échelle de l’organisation par les Data Engineers.
Le métier de Data Scientist est donc spécialisé en modélisation mathématique -qu’elle soit de nature probabiliste/statistique, déterministe ou stochastique-, en informatique scientifique et en architecture des systèmes d’information. Ce spectre large de compétences débouche, en partie, sur ce que l’on appelle aujourd’hui et communément « l’intelligence artificielle – IA »
Référentiel Utilisé : Data Scientist – Référentiel Métiers OPIIEC - La fiche métier « Data Scientist » du référentiel métier OPIIEC a été choisie délibérément, car elle est la seule en France sur ce métier précis. Elle est par ailleurs attachée à la branche SYNTEC, qui est la principale source d’emploi de nos certifiés.
Activités visées
Identifier les problématiques « décisionnelles » des directions métiers.
Définir une modélisation mathématique qui permette de répondre à la problématique.
Construire des outils d'analyse pour collecter les données de l'entreprise.
Rassembler l'ensemble des sources de données pertinentes (structurées ou non structurées) liées aux processus de production, de vente ou de la connaissance du client/usager.
Organiser, étudier et synthétiser ces sources de données sous forme de résultats exploitables.
Modéliser les comportements et en extraire de nouveaux usages utilisateurs.
Compétences attestées
Intitulé : Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d’aide à la décision
Descriptif :
Explorer, décrire et interpréter des données dans leur aspect multidimensionnel.
Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques.
Mesurer la liaison entre deux variables.
Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation.
Produire des études statistiques en mettant en œuvre les techniques d’apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels.
Intitulé : Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives.
Descriptif :
Participer, avec des Data Engineers, à la rédaction d'un cahier des charges technique pour la conception et la mise en place d’une solution d’analyse des données volumineuses.
Exploiter un système distribué d’entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark.
Contribuer à la définition de l’architecture de stockage de données, en guidant les Data Engineers à prendre en compte les besoins de traitements algorithmiques de l’intelligence artificielle.
Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l’ingénierie logicielle (incluant les approches SQL et NoSQL).
Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l’intelligence artificielle (préparation à la certification Amazon AWS Solution Architect – Associate)
Intitulé : Détecter et évaluer l’état de l’art de l’intelligence artificielle pour développer des projets innovants.
Descriptif :
Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics.
Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics.
Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire.
Déterminer et analyser des données complexes en utilisant les méthodes de fouille et de visualisation de séries temporelles et fonctionnelles, de textes (clustering, classification), de réseaux (statique ou dynamiques) ou d’images.
Intégrer les technologies complémentaires (web sémantique, modélisation multi-agents) pour l’hybridation des approches intelligence artificielle connectivistes (réseaux de neurones) et symboliques (moteurs de raisonnement).
Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant.
B3C6 - Utiliser l’écosystème des solutions SAS pour la modélisation prédictive (préparation à la certification SAS® Certified Predictive Modeler Using SAS® Enterprise Miner™)
Intitulé : Conduire des projets complexes en intégrant les contraintes légales et les valeurs d’éthique pour diffuser les bonnes pratiques dans les organisations.
Descriptif
:
Intégrer les philosophies, problématiques et contraintes des réglementations françaises et européennes (CNIL, RGPD) sur la protection des données dans un projet Data Science.
Prendre la mesure de l’environnement international sur la réglementation de la protection des données, notamment aux Etats-Unis.
Intégrer les deux grandes familles de pratiques de gestion de projets informatiques complexes (en cascade et en agilité) ainsi que les approches du « juste-à-temps ».
Blocs de compétences · 4
RNCP34262BC01
Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d’aide à la décision
Compétences visées
Explorer, décrire et interpréter des données dans leur aspect multidimensionnel.
Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques.
Mesurer la liaison entre deux variables.
Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation.
Produire des études statistiques en mettant en œuvre les techniques d’apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels.
Modalités d'évaluation
Examens écrits. Projets d’application. Mise en situation professionnelle réelle au travers du stage obligatoire d’application.
RNCP34262BC02
Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives.
Compétences visées
Participer, avec des Data Engineers, à la rédaction’ un cahier des charges technique pour la conception et la mise en place d’une solution d’analyse des données volumineuses.
Exploiter un système distribué d’entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark.
Contribuer à la définition de l’architecture de stockage de données, en guidant les Data Engineers à prendre en compte les besoins de traitements algorithmiques de l’intelligence artificielle.
Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l’ingénierie logicielle (incluant les approches SQL et NoSQL).
Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l’intelligence artificielle (préparation à la certification Amazon AWS Solution Architect – Associate)
Modalités d'évaluation
Questionnaires à choix multiples Projets d’applications Examen externe de certification industrielle « Amazon AWS Solutions Architect – Associate » Mise en situation professionnelle réelle au travers du stage obligatoire d’application.
RNCP34262BC03
Détecter et évaluer l’état de l’art de l’intelligence artificielle pour développer des projets innovants
Compétences visées
Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics.
Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics.
Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire.
Déterminer et analyser des données complexes en utilisant les méthodes de fouille et de visualisation de séries temporelles et fonctionnelles, de textes (clustering, classification), de réseaux (statique ou dynamiques) ou d’images.
Intégrer les technologies complémentaires (web sémantique, modélisation multi-agents) pour l’hybridation des approches intelligence artificielle connectivistes (réseaux de neurones) et symboliques (moteurs de raisonnement).
Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant.
Modalités d'évaluation
Questionnaires à choix multiples. Projets d’applications. Examen externe de certification industrielle « SAS® Certified Predictive Modeler Using SAS® Enterprise Miner™ ». Mise en situation professionnelle réelle au travers du stage obligatoire d’application.
RNCP34262BC04
Conduire des projets complexes en intégrant les contraintes légales et les valeurs d’éthique pour diffuser les bonnes pratiques dans les organisations
Compétences visées
Intégrer les philosophies, problématiques et contraintes des réglementations françaises et européennes (CNIL, RGPD) sur la protection des données dans un projet Data Science.
Prendre la mesure de l’environnement international sur la réglementation de la protection des données, notamment aux États-Unis.
Intégrer les deux grandes familles de pratiques de gestion de projets informatiques complexes (en cascade et en agilité) ainsi que les approches du « juste-à-temps ».
Modalités d'évaluation
Mise en situation en travaux dirigés et pratiques. Questionnaires à choix multiples. Mise en situation professionnelle réelle au travers du stage obligatoire d’application.
Secteur d'activité et type d'emploi
Secteurs d'activités
Toutes entreprises industrielles et de services, organismes publics, associations, sociétés de services et de conseil en ingénierie (y compris informatique).
Toutes ces structures ont comme point commun de générer et/ou d’avoir accès à des volumes importants de données numériques.
Types d'emplois accessibles
Data Scientist
Machine Learning Engineer
Data Analyst
M1403 : Études et prospectives socio-économiques
M1802 : Expertise et support en systèmes d'information
M1805 : Études et développement informatique
M1806 : Conseil et maîtrise d'ouvrage en systèmes d'information
Métiers visés (ROME)
Références juridiques des réglementations d'activité
Non Applicable
Tensions de recrutement · DARES 2024
Niveau de tension : Très élevée (5/5) en tension
Principaux facteurs : Manque de main-d'œuvre disponible et Lien formation-emploi.
2 912 €
salaire médian (mensuel)
Diplôme le plus fréquent : Diplôme de niveau bac+5 ou plus (doctorat, master ou équivalent) en communication et information (41 % des actifs en emploi).
Mesuré au niveau de la famille professionnelle : 5 familles professionnelles (nomenclature FAP). Ces familles ne sont pas au même niveau de tension (de 3 à 5 sur 5) : le niveau affiché est une moyenne pondérée par l'emploi, à ne pas attribuer à chacune d'elles.
-
L4X82— Techniciens et agents de maîtrise chargés d'études socio-économiques tension 4/5 (Élevée) -
L5X93— Chargés d'études socio-économiques tension 3/5 (Modérée) -
M1X80— Techniciens d'étude et de développement en informatique tension 4/5 (Élevée) -
M2X90— Ingénieurs et cadres d'étude, recherche et développement en informatique et télécom tension 5/5 (Très élevée) -
M2X93— Experts et consultants en systèmes d'information tension 5/5 (Très élevée)
Indicateur de tension sur le marché du travail 2024 — DARES / France Travail. Les indicateurs sont publiés par famille professionnelle (FAP), pas par métier ROME : ils couvrent l'ensemble des métiers de ces familles.
Marché du travail · BMO 2026
Toute la France
Île-de-France 17 117
Occitanie 3 031
Auvergne-Rhône-Alpes 3 020
Provence-Alpes-Côte d'Azur 2 545
Pays de la Loire 1 772
Nouvelle-Aquitaine 1 709
Bretagne 1 364
Hauts-de-France 1 345
Grand Est 1 077
Normandie 576
Centre-Val de Loire 464
Bourgogne-Franche-Comté 320
La Réunion 60
Guadeloupe 25
Guyane 20
Martinique 16
Corse 15
Mayotte 11
34 487
projets de recrutement
50 %
en tension
jugés difficiles à recruter
1 %
emplois saisonniers
Mesuré au niveau de la famille professionnelle : 5 familles professionnelles (nomenclature FAP).
-
L4X82— Techniciens et agents de maîtrise chargés d'études socio-économiques -
L5X93— Chargés d'études socio-économiques -
M1X80— Techniciens d'étude et de développement en informatique -
M2X90— Ingénieurs et cadres d'étude, recherche et développement en informatique et télécom -
M2X93— Experts et consultants en systèmes d'information
Enquête Besoins en Main d'Œuvre (BMO) 2026 — France Travail (open data), cumul national. Les indicateurs sont publiés par famille professionnelle (FAP), pas par métier ROME : ils couvrent l'ensemble des métiers de ces familles.
Voie d'accès à la certification
Voie d'accèsOuverte
Formation initiale
Oui
Formation continue
Oui
Apprentissage
Oui
Contrat de professionnalisation
Oui
Candidature individuelle
Oui
VAE
Oui
Prérequis à l'entrée
Formation initiale et continue à ce jour et VAE dans le futur
Composition du jury — Formation initiale, Formation continue, Apprentissage, Contrat de professionnalisation, Candidature individuelle
Cette information a été supprimée en application de l’article 17.1 du Règlement général sur la protection des données (RGPD)
Composition du jury — VAE
La composition du futur jury VAE répond aux critères spécifiés ci-après : 3 représentants de DSTI « Enseignement » : * le Responsable VAE * deux enseignants DSTI ayant des activités d’applications industrielles. 1 représentant DSTI « Conseil Scientifique et Pédagogique ». 3 représentants du monde industriel. Ce jury est nommé par le Président de l’École, sur propositions respectives des Directeurs Généraux à l’Enseignement et aux Relation Extérieures.
Financement en alternance
Niveau de prise en charge (NPEC) d'un contrat d'apprentissage par les OPCO, fixé par France compétences selon la branche professionnelle (CPNE). Applicable au 01-09-2025.
Prise en charge usuelle
8 741 €
Selon la branche
7 000 € – 8 950 €
Prise en chargeBranches concernées
8 741 €
Valeur par défaut · 203 branches
8 950 €
CPNE de l'ingénierie, des services informatiques et du conseil, CPNE des Télécoms, CPNEFP ICGV entreprises de la viande
8 500 €
CPNE Branche Caoutchouc, CPNE des industries de santé (CPNEIS)
8 800 €
CPNEF de l'audiovisuel
8 792 €
CPNE de l’édition de livres, de l’édition phonographique et de l’édition de musique
8 690 €
CPNEFP dans les établissements d'enseignement privés sous contrat
8 100 €
CPNE Banque
7 000 €
CPNEFP de la métallurgie
Base légale
Date de décision10-10-2019
Durée de l'enregistrement5 ans
Date d'échéance10-10-2024
Pour plus d'informations · Statistiques
AnnéeCertifiésInsertion 6 moisMétier visé 2 ans
2017
16
88 %
100 %
2016
22
86 %
100 %
2015
7
86 %
86 %
Entrées et sorties de formation
92
entrées en formation
116
parcours menés à terme
126 %
taux d'achèvement
Entrées et sorties de formation — Caisse des Dépôts (open data), tous organismes confondus.
Demande CPF — formations engagées
160
dossiers CPF engagés
428 746 €
montant total engagé
2 680 €
coût moyen par dossier
635 h
durée moyenne
Qui finance ces dossiers (part du montant engagé)
Formations engagées via le CPF — Caisse des Dépôts (open data), tous organismes confondus.