# RNCP35141 - Développeur en intelligence artificielle **Code:** RNCP35141 **État:** Publiée ## L'essentiel - **Nomenclature du niveau de qualification:** Niveau 6 - **Codes NSF:** 125g, 114b, 114g - **FormaCodes:** 31028, 31067 - **Date d'échéance de l'enregistrement:** 16-12-2023 - **Date d'enregistrement:** 16-12-2020 - **Type d'enregistrement:** Enregistrement sur demande ## Certificateur(s) - LE WAGON - SIRET: 79494991700023 ## Partenaires habilités 9 organismes habilités, d'après la liste publiée par France compétences : 9 à former et organiser l'évaluation. - ADOK LEARNING — SIRET 91413659300029 - Habilitation : Former et organiser l'évaluation - EMIL — SIRET 88879497100026 - Habilitation : Former et organiser l'évaluation - FAST — SIRET 81478644800047 - Habilitation : Former et organiser l'évaluation - LES VOTRES — SIRET 81915897300019 - Habilitation : Former et organiser l'évaluation - LE WAGON — SIRET 79494991700080 - Habilitation : Former et organiser l'évaluation - LE WAGON BORDEAUX — SIRET 81311299200025 - Habilitation : Former et organiser l'évaluation - LE WAGON FOR BUSINESS — SIRET 89845125700015 - Habilitation : Former et organiser l'évaluation - LE WAGON LILLE — SIRET 82468074800020 - Habilitation : Former et organiser l'évaluation - PATCHOULI — SIRET 81960352300039 - Habilitation : Former et organiser l'évaluation ## Résumé de la certification ### Objectifs et contexte de la certification Les perspectives positives de l’IA sont cependant nombreuses pour l’humanité et la planète. En matière de développement durable notamment, les progrès de l’intelligence artificielle annoncent des capacités d’automatisation dans l’analyse/gestion de la consommation d’énergie qui laissent augurer d’une utilisation optimale des ressources, tant au niveau des entreprises que des particuliers ou des services publics. Des progrès décisifs sont également attendus pour une amélioration de la qualité de l’air dans les grandes métropoles, ainsi que pour la rationalisation et la répartition des ressources hydriques en zones sensibles. Autre direction prometteuse : des modélisations mathématiques très poussées de processus naturels laissent envisager des applications précieuses en matière de biomimétisme. Les offres d’emploi concernant les spécialistes en intelligence artificielle ne cessent de s'accroître en France notamment ces trois dernières années. Développeurs et ingénieurs R&D sont les plus recherchés. D’ici 2 ans, 30 % des emplois liés à l’intelligence artificielle et à la data seront vacants en raison d’une pénurie de profils formés. Data scientists, développeurs en IA, data miners, data analysts… ces métiers commencent à fleurir dans de nombreuses entreprises, mais les compétences pour réaliser ces nouvelles missions ne sont pas toujours au rendez‐vous. Il est donc urgent de proposer dès maintenant des parcours en formation initiale, mais aussi en formation continue. Car au‐delà des formations initiales, des métiers semblant éloignés de la technologie – comme ceux de radiologue, médecin ou cadre supérieur – vont devoir s’acculturer. Le nombre d’offres d’emploi diffusées par l’Apec a progressé de 113 % entre 2016 et 2017, passant de 1 127 à 2 398 offres. Les sociétés d’activités informatiques sont les premiers recruteurs (42 %), suivi des activités de conseil et gestion des entreprises (19 %) et de R&D (11 %). L’Île-de-France rassemble 63 % des offres d’emploi en IA. Le secteur est très porteur, la demande est forte mais l’offre de candidats expérimentés peut être limitée : Les recruteurs recherchent des profils expérimentés dans 56 % des cas. Les entreprises de services numériques ont une appétence pour les développeurs, les activités de conseil et gestion pour les chefs de projet et les consultants, et les activités de R&D pour les ingénieurs IA et les docteurs en IA. Plus que les diplômes, une première expérience et la capacité à réaliser des études de cas sont déterminantes. L’intelligence artificielle devrait aussi créer des professions qui restent à inventer. En 2016, un rapport du forum économique de Davos indiquait que 65 % des enfants entrant actuellement en école primaire exerceront un emploi qui n’existe pas encore. Selon une autre étude du fabricant informatique Dell et du think tank « l'Institut du Futur », la robotisation et l’intelligence artificielle devraient profondément transformer le domaine professionnel : 85 % des emplois de 2030 n’existeraient pas encore selon cette étude. ### Activités visées Bloc 1 : Analyse exploratoire et descriptive de la donnée Acquisition et écriture de données Conception de représentations graphiques Bloc 2 Apprentissage automatique (Machine Learning) supervisé et non supervisé Préparation, transformation et génération de données Entrainement de modèles d'apprentissages supervisés ou non supervisés Amélioration des capacités prédictives Mise en production de modèles d'apprentissage Adoption d'une démarche d'amélioration continue Bloc 3 Reconnaissance de formes par réseaux de neurones artificiels Conversion de données entrantes Maîtrise des différentes architectures Utilisation de réseaux de neurones Bloc 4 Développement et Gestion de projet en IA Analyse et formulation de problématique Planification de projet Communication transversale, ascendante et descendante ### Compétences attestées C1 Acquérir des données à partir de sources adaptées, fournies par le client ou accessibles en Open Data afin d'agrémenter la base de données C2 Écrire des requêtes pour l'interrogation de la base de données et les composants d'accès aux données C3 Effectuer des analyses exploratoires afin d'appréhender la composition interne des données C4 Concevoir une représentation graphique adaptée afin de visualiser les relations entre les données C5 Préparer des données en vue de l'apprentissage afin que celles-ci soient nettoyées C6 Transformer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Preprocessing) C7 Générer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Feature Engineering) C8 Maîtriser les différents algorithmes d'apprentissage afin d'apporter une réponse adaptée à une problématique de l'organisation C9 Entraîner un modèle d'apprentissage supervisé pour optimiser une fonction de prédiction à partir d'exemples annotés C10 Entraîner un modèle d'apprentissage non supervisé pour détecter des structures sous-jacentes à partir de données non étiquetées C11 Améliorer les capacités prédictives d'un système en sélectionnant un modèle différent ou en modifiant ses hyperparamètres en vue de corriger des erreurs (hyperparameter tunnig) C12 Mettre en production le modèle d'apprentissage supervisé ou non supervisé obtenu sous la forme d'une API C13 Adopter une démarche d’amélioration continue en identifiant les axes de perfectionnement d’un produit à l’aide d’une méthode adaptée de manière à améliorer la performance du produit C14 Convertir les données entrantes (images et texte par exemple) en données adaptées pour un réseau de neurones C15 Maîtriser les différentes architectures de réseau de neurones : convolutifs pour les images & récurrents pour les séries temporelles et les modèles de traitement automatique du langage (NLP) pour le texte C16 Utiliser un réseau de neurones convolutifs pour étiqueter des images C17 Utiliser un réseau de neurones pour comprendre l'intention d'une phrase en langage naturel C18 Analyser et formuler une problématique métier du point de vue de l'analyste de données C19 Planification des actions à mettre en œuvre C20 Mobiliser les ressources nécessaires pour mener à bien le projet en respectant les délais C21 Recommander des actions à sa hiérarchie et rendre compte de ses résultats ## Blocs de compétences ### RNCP35141BC01 - Analyse exploratoire et descriptive de la donnée **Liste de compétences:** C1 Acquérir des données à partir de sources adaptées, fournies par le client ou accessibles en Open Data afin d'agrémenter la base de données C2 Écrire des requêtes pour l'interrogation de la base de données et les composants d'accès aux données C3 Effectuer des analyses exploratoires afin d'appréhender la composition interne des données C4 Concevoir une représentation graphique adaptée afin de visualiser les relations entre les données **Modalités d'évaluation:** Un cas pratique d'étude d'un jeu de données sur une problématique métier avec remise d'un notebook, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 1 le candidat devra charger les données à partir d'une API, d'un fichier ou d'une base de données relationnelle, commenter la distribution d'un jeu de données et identifier d'éventuelles corrélations, et dessiner des graphiques représentatifs des données ### RNCP35141BC02 - Apprentissage automatique ( Machine Learning ) supervisé et non supervisé **Liste de compétences:** C5 Préparer des données en vue de l'apprentissage afin que celles-ci soient nettoyées C6 Transformer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Preprocessing) C7 Générer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Feature Engineering) C8 Maîtriser les différents algorithmes d'apprentissage afin d'apporter une réponse adaptée à une problématique d’une organisation (entreprise, laboratoire, etc.) C9 Entraîner un modèle d'apprentissage supervisé pour optimiser une fonction de prédiction à partir d'exemples annotés C10 Entraîner un modèle d'apprentissage non supervisé pour détecter des structures sous-jacentes à partir de données non étiquetées C11 Améliorer les capacités prédictives d'un système en sélectionnant un modèle différent ou en modifiant ses hyperparamètres en vue de corriger des erreurs (hyperparameter tuning) C12 Mettre en production le modèle d'apprentissage supervisé ou non supervisé obtenu sous la forme d'une API C13 Adopter une démarche d’amélioration continue en identifiant les axes de perfectionnement d’un produit à l’aide d’une méthode adaptée de manière à améliorer la performance du produit **Modalités d'évaluation:** Un cas pratique d'étude d'un jeu de données sur une problématique métier avec remise d'un notebook, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 2 le candidat devra traiter les valeurs manquantes ou aberrantes, adapter une transformation des données en fonction de leur nature, construire de nouvelles données pertinentes à partir des données initiales, tester plusieurs modèles et choisir le meilleur, déployer le modèle en production et être capable de corriger/adapter le modèle. ### RNCP35141BC03 - Reconnaissance de formes par réseaux de neurones artificiels **Liste de compétences:** C14 Convertir les données entrantes (images et texte par exemple) en données adaptées pour un réseau de neurones C15 Maîtriser les différentes architectures de réseau de neurones : convolutifs pour les images & récurrents pour les séries temporelles et les modèles de traitement automatique du langage (NLP) pour le texte C16 Utiliser un réseau de neurones convolutifs pour étiqueter des images C17 Utiliser un réseau de neurones pour comprendre l'intention d'une phrase en langage naturel **Modalités d'évaluation:** Un cas pratique d'étude d'un jeu de données sur une problématique métier avec remise d'un notebook, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 3 le candidat devra utiliser un réseau de neurones pour étiqueter des images et pour comprendre l'intention d'une phrase. ### RNCP35141BC04 - Développement et Gestion de projet en IA **Liste de compétences:** C19 Planifier des actions à mettre en œuvre C20 Mobiliser les ressources nécessaires pour mener à bien le projet en respectant les délais C21 Recommander des actions à sa hiérarchie et rendre compte de ses résultats **Modalités d'évaluation:** Etude d'un cas pratique, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 4 le candidat devra analyser et formuler une problématique en fonction du public, constituer une équipe projet adaptée, planifier son projet et rendre compte à sa hiérarchie en utilisant le vocabulaire adapté. ## Secteur d'activité et type d'emploi ### Secteurs d'activités Tous secteurs d’activité (banques et assurances, secteur public, opérateurs de télécommunication,conseil, …) et notamment intégrateurs, ESN et grandes entreprises. ### Type d'emplois accessibles Développeur en IA ### Code(s) ROME M1805 ## Marché du travail Indicateurs au niveau des familles professionnelles (FAP) des métiers visés, agrégés au niveau national — France Travail / DARES (open data). ### Tensions de recrutement (DARES 2024) - **Niveau de tension :** Très élevée (5/5) - **Facteurs principaux :** Manque de main-d'œuvre disponible, Lien formation-emploi - **Salaire médian (mensuel) :** 2 864 € - **Diplôme le plus fréquent :** Diplôme de niveau bac+5 ou plus (doctorat, master ou équivalent) en communication et information (41 % des actifs en emploi) - **Familles professionnelles (FAP) :** 2 — elles ne sont pas au même niveau de tension (de 4 à 5 sur 5) : le niveau ci-dessus est une moyenne pondérée par l'emploi, il ne vaut pas pour chacune d'elles - 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) ### Besoins en main-d'œuvre (BMO 2026) - **Projets de recrutement :** 27 458 - **Jugés difficiles à recruter :** 53 % - **Emplois saisonniers :** 1 % - **Familles professionnelles (FAP) :** 2 - M1X80 — Techniciens d'étude et de développement en informatique - M2X90 — Ingénieurs et cadres d'étude, recherche et développement en informatique et télécom ## Voies d'accès **Modalités d'accès :** Formation initiale, Formation continue, Apprentissage, Contrat de professionnalisation, VAE ### Prérequis à l'entrée en formation Etre titulaire d’un niveau 5, ou d’un niveau 4 avec 3 ans d’expérience professionnelle, et obtenir l’aval de la Commission Pédagogique quelle que soit la filière initiale suivie ### Composition du jury — Formation initiale, Formation continue, Apprentissage, Contrat de professionnalisation, VAE Deux professionnels avec une expérience avérée de 2 ans dans le domaine de la Data Science. Un professeur encadrant du Wagon. Pourcentage de membres extérieurs à l’autorité délivrant la certification dont professionnels qualifiés : 66% d’entre eux sont extérieurs à l’autorité délivrant la certification ## Financement en alternance (NPEC) Niveau de prise en charge d'un contrat d'apprentissage par les OPCO, fixé par France compétences par branche professionnelle (CPNE). - **Prise en charge usuelle:** 7 752 € - **Selon la branche:** 7 248 € – 8 050 € | Prise en charge | Branches concernées | |---|---| | 7 752 € | Valeur par défaut · 205 branches | | 8 050 € | CPNE des industries de santé (CPNEIS), CPNEF de l'audiovisuel | | 7 604 € | CPNEFP des commerces et services de l'audiovisuel, de l'électronique et de l'équipement ménager, CPNEFP du Négoce de l'ameublement | | 8 000 € | CPNE chimie | | 7 900 € | CPNEFP Mutualité | | 7 505 € | CPNEFP dans les établissements d'enseignement privés sous contrat | | 7 248 € | CPNE des Télécoms | ## Base légale - **Date de décision:** 16-12-2020 - **Durée de l'enregistrement (années):** 3 - **Date d'échéance de l'enregistrement:** 16-12-2023 ## Liens avec d'autres certifications - **Nouvelle(s) certification(s):** RNCP38616 ## Pour plus d'informations **Fiche officielle (France Compétences) :** https://www.francecompetences.fr/recherche/rncp/35141/ ## Entrées et sorties de formation Tous organismes confondus — Caisse des Dépôts (open data), 02/2022 – 07/2024. - **Entrées en formation:** 754 - **Parcours menés à terme:** 789 - **Taux d'achèvement:** 105 % | Période | Entrées | Sorties totales | Sorties partielles | |---|---|---|---| | 02/2022 | 11 | 14 | 0 | | 03/2022 | 3 | 25 | 0 | | 04/2022 | 47 | 14 | 0 | | 05/2022 | 2 | 1 | 0 | | 06/2022 | 9 | 42 | 0 | | 07/2022 | 17 | 15 | 0 | | 09/2022 | 39 | 17 | 0 | | 10/2022 | 73 | 11 | 1 | | 11/2022 | 27 | 22 | 0 | | 12/2022 | 4 | 60 | 0 | | 01/2023 | 83 | 40 | 0 | | 02/2023 | 9 | 1 | 0 | | 03/2023 | 21 | 99 | 1 | | 04/2023 | 53 | 0 | 0 | | 05/2023 | 53 | 26 | 0 | | 06/2023 | 10 | 49 | 0 | | 07/2023 | 41 | 64 | 1 | | 08/2023 | 0 | 9 | 0 | | 09/2023 | 45 | 32 | 1 | | 10/2023 | 139 | 39 | 2 | | 11/2023 | 13 | 21 | 1 | | 12/2023 | 3 | 116 | 1 | | 01/2024 | 52 | 2 | 0 | | 02/2024 | 0 | 2 | 0 | | 03/2024 | 0 | 62 | 0 | | 04/2024 | 0 | 3 | 0 | | 07/2024 | 0 | 3 | 0 | ## Demande CPF — formations engagées Tous organismes confondus — Caisse des Dépôts (open data), 02/2021 – 12/2023. - **Dossiers CPF engagés:** 1 012 - **Montant total engagé:** 2 353 471 € - **Coût moyen par dossier:** 2 326 € - **Durée moyenne:** 249 h Financement (part du montant engagé) : - France compétences : 73 % - France Travail : 13 % - Reste à charge titulaire : 6 % - Régions : 4 % - Entreprise : 2 % - OPCO : 1 % - État : 0 % - Compte d'engagement citoyen : 0 % --- *Généré le 13/10/2026 à 01:04*