RNCP40046
Active
· Niveau 7
Intelligence Artificielle appliquée aux enjeux sociétaux
Certificateur · MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
L'essentiel
Nomenclature du niveau de qualification
Niveau 7
Code(s) NSF
Formacode(s)
Date d'échéance de l'enregistrement
31-08-2029
Certificateur(s)
Nom légalSIRETSite
Résumé de la certification
Objectifs et contexte
L'intelligence artificielle devient incontournable dans notre quotidien et change de nombreux usages. La disponibilité croissante des données, la croissance rapide des ressources informatiques et les avancées significatives dans les domaines des mathématiques, de l'informatique et de l'ingénierie sont des éléments fondamentaux de l'IA qui mènent la révolution numérique en cours. La certification propose de diplômer des architectes en intelligence artificielle un des domaines les plus pointus de ce siècle. Le diplômé connaît les bases et les techniques les plus avancées dans le domaine pour devenir un leader technique de cette transformation/révolution. Il aura une double compétence à la fois dans les méthodes d'intelligence artificielle pilotées par les modèles/symboles et pilotées par les données ainsi que leurs applications dans tous les domaines d’ingénierie. La formation a pour objectif de répondre à une demande actuelle sur les enjeux sociétaux, notamment les domaines critiques comme le traitement du langage naturel, l'informatique visuelle, Internet et l’industrie 4.0.
La certification s’assure que les candidats recrutés disposent comme prérequis de compétences solides scientifiques et techniques, notamment en mathématiques et en informatique, permettant ainsi de les amener à un niveau de leaders fonctionnels et experts. Ce niveau M1 (équivalent 60 ECTS) est exigé pour tous les étudiants sélectionnés.
Le grade universitaire atteste l’acquisition d’un socle de connaissances et de compétences dans un champ disciplinaire ou pluridisciplinaire et sanctionne une formation adossée aux connaissances les plus avancées au niveau de qualification considéré.
Activités visées
Prise en compte des problématiques spécifiques impliquant les outils de l’IA frugal vis-à-vis de l’éthique, la protection des données personnelles et l’impact environnemental
Pilotage de la transformation numérique
Analyse stratégique en milieu complexe dans les domaines à fort enjeux sociétaux, comme l’énergie, les transports, le biomédical, l’industrie du futur
Pilotage et gestion d’un projet de recherche et développement ou d’un projet innovant dans le domaine de l’IA appliquée aux enjeux sociétaux
Gestion d’équipe en contexte professionnel diversifié et international
Valorisation des données d’une entreprise/organisation à l’aide de l’IA
Prétraitement et analyse des données structurées et non structurées pour répondre à un problème métier
Déploiement d’un modèle d’IA (apprentissage et/ou IA symbolique) en passant à l’échelle et en utilisant les méthodologies et technologies adaptées
Analyse, conception et développement des modélisations mathématiques pour enrichir les systèmes d’aide à la décision
Compétences attestées
Compétences transversales
Identifier les usages numériques et les impacts de leur évolution sur le ou les domaines concernés par la mention
Se servir de façon autonome des outils numériques avancés pour un ou plusieurs métiers ou secteurs de recherche du domaine
Mobiliser des savoirs hautement spécialisés, dont certains sont à l’avant-garde du savoir dans un domaine de travail ou d’études, comme base d’une pensée originale
Développer une conscience critique des savoirs dans un domaine et/ou à l’interface de plusieurs domaines- Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines
Apporter des contributions novatrices dans le cadre d’échanges de haut niveau, et dans des contextes internationaux
Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d’une demande ou d’une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la règlementation
Identifier, sélectionner et analyser avec esprit critique diverses ressources spécialisées pour documenter un sujet et synthétiser ces données en vue de leur exploitation
Communiquer à des fins de formation ou de transfert de connaissances, par oral et par écrit, en français et dans au moins une langue étrangère
Gérer des contextes professionnels ou d’études complexes, imprévisibles et qui nécessitent des approches stratégiques nouvelles
Prendre des responsabilités pour contribuer aux savoirs et aux pratiques professionnelles et/ou pour réviser la performance stratégique d'une équipe
Conduire un projet (conception, pilotage, coordination d’équipe, mise en œuvre et gestion, évaluation, diffusion) pouvant mobiliser des compétences pluridisciplinaires dans un cadre collaboratif
Analyser ses actions en situation professionnelle, s’autoévaluer pour améliorer sa pratique dans le cadre d'une démarche qualité
Respecter les principes d’éthique, de déontologie et de responsabilité sociale et environnementale
Prendre en compte la problématique du handicap et de l'accessibilité dans chacune de ses actions professionnelles
Compétences spécifiques
Déterminer les objectifs d'une analyse de données à partir d’un problème métier.
Collecter et nettoyer des données de sorte à les rendre structurées.
Prétraiter des données textuelles non structurées ou sous forme d’images non structurées pour obtenir un jeu de données exploitable.
Effectuer une analyse statistique univariée ou multivariée à partir de données structurées et nettoyées.
Représenter graphiquement des données de grande dimension de manière claire et pertinente afin d'en réaliser l'analyse exploratoire.
Réduire la dimension de données de grande dimension afin d'optimiser les temps de calcul et le cas échéant formuler des préconisations pour un traitement automatisé.
Prétraiter, analyser et modéliser des donnés dans un environnement Big data en utilisant les outils du Cloud.
Réaliser des calculs distribués sur des données massives en utilisant les outils adaptés.
Choisir la méthode de gestion de projet adaptée aux défis de l’entreprise en décrivant la nature des problématiques à traiter et en évaluant les compétences, les moyens techniques et financiers nécessaires au projet d’innovation/de transformation afin de s’assurer de l’efficacité du dispositif
Planifier la conduite du projet retenu en coopération avec les partenaires externes, en intégrant les impératifs économiques et techniques de l’industrialisation, afin de s’assurer de leur coopération à long-terme
Mettre en place les dispositifs d’accompagnement des parties prenantes dans le changement à opérer, afin de renforcer l’adhésion de celles-ci au projet.
Intégrer les enjeux, problématiques et contraintes éthiques et celles des réglementations françaises et internationales sur la protection des données (CNIL, RGPD) dans un projet Data Science.
Comprendre, prendre en compte et traiter les enjeux d’équité et de biais lors de la mise en place d’une IA
Gérer une équipe en accordant une attention particulière aux problématiques liées à l’éthique et à sa prise en compte dans le contexte de l’IA
Identifier les méthodologies de l’IA requises compte-tenu des caractéristiques du projet
Maitriser les méthodologies de l’apprentissage et les outils de mise en œuvre associés
Maitriser les méthodologies de l’IA symbolique, en particulier pour les mettre au service d’une IA explicable
Sélectionner les outils du Cloud permettant de disposer d'un environnement Big Data.
Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant.
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.
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).
Identifier des problématiques data du secteur d’activité de l’entreprise/organisation pour déterminer son périmètre puis identifier les facteurs et les datas susceptibles d’apporter de la valeur à l’entreprise/organisation
Diagnostiquer une solution algorithmique à partir des solutions les plus appropriées pour intégrer les objectifs du cahier des charges aux contraintes du client
Mobiliser l’IA pour transformer les outils d’aide pour la santé : Outils de vision pour l’imagerie médicale
Mobiliser l’IA pour transformer l’industrie du futur : Maintenance prédictive, Jumeaux numériques des outils de production, Monitoring numérique
Mobiliser l’IA pour transformer les modèles d’énergie : Changement de paradigme des systèmes de production, Incertitudes sur la production des énergies renouvelables, Prévision de la demande sous incertitude, Nouveaux paradigmes adéquation offres/demandes
Mobiliser l’IA pour transformer les mobilités : Compréhension des nouvelles mobilités partagées, Transport à la demande, Prise en compte en temps réel de l’évolution du trafic et des demandes client, Intégration des applications Web
Blocs de compétences · 9
RNCP40046BC01
Mettre en oeuvre les usages avancés et spécialisés des outils numériques
Compétences visées
Identifier les usages numériques et les impacts de leur évolution sur le ou les domaines concernés par la mention
Se servir de façon autonome des outils numériques avancés pour un ou plusieurs métiers ou secteurs de recherche du domaine
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalises en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalises en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC02
Mobiliser et produire des savoirs hautement spécialisés
Compétences visées
Mobiliser des savoirs hautement spécialisés, dont certains sont à l’avant-garde du savoir dans un domaine de travail ou d’études, comme base d’une pensée originale
Développer une conscience critique des savoirs dans un domaine et/ou à l’interface de plusieurs domaines
Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines
Apporter des contributions novatrices dans le cadre d’échanges de haut niveau, et dans des contextes internationaux
Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d’une demande ou d’une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la réglementation
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC03
Mettre en oeuvre une communication spécialisée pour le transfert de connaissances
Compétences visées
Identifier, sélectionner et analyser avec esprit critique diverses ressources spécialisées pour documenter un sujet et synthétiser ces données en vue de leur exploitation
Communiquer à des fins de formation ou de transfert de connaissances, par oral et par écrit, en français et dans au moins une langue étrangère
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC04
Contribuer à la transformation en contexte professionnel
Compétences visées
Gérer des contextes professionnels ou d’études complexes, imprévisibles et qui nécessitent des approches stratégiques nouvelles
Prendre des responsabilités pour contribuer aux savoirs et aux pratiques professionnelles et/ou pour réviser la performance stratégique d'une équipe
Conduire un projet (conception, pilotage, coordination d’équipe, mise en œuvre et gestion, évaluation, diffusion) pouvant mobiliser des compétences pluridisciplinaires dans un cadre collaboratif
Analyser ses actions en situation professionnelle, s’autoévaluer pour améliorer sa pratique dans le cadre d'une démarche qualité
Respecter les principes d’éthique, de déontologie et de responsabilité sociale et environnementale
Prendre en compte la problématique du handicap et de l'accessibilité dans chacune de ses actions professionnelles
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC05
Prétraiter et analyser des données structurées et non structurées pour répondre à un problème métier
Compétences visées
Déterminer les objectifs d'une analyse de données à partir d’un problème métier.
Collecter et nettoyer des données de sorte à les rendre structurées.
Prétraiter des données textuelles non structurées ou sous forme d’images non structurées pour obtenir un jeu de données exploitable.
Effectuer une analyse statistique univariée ou multivariée à partir de données structurées et nettoyées.
Représenter graphiquement des données de grande dimension de manière claire et pertinente afin d'en réaliser l'analyse exploratoire.
Réduire la dimension de données de grande dimension afin d'optimiser les temps de calcul et le cas échéant formuler des préconisations pour un traitement automatisé.
Prétraiter, analyser et modéliser des donnés dans un environnement Big data en utilisant les outils du Cloud.
Réaliser des calculs distribués sur des données massives en utilisant les outils adaptés.
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC06
Piloter la transformation numérique
Compétences visées
Choisir la méthode de gestion de projet adaptée aux défis de l’entreprise en décrivant la nature des problématiques à traiter et en évaluant les compétences, les moyens techniques et financiers nécessaires au projet d’innovation/de transformation afin de s’assurer de l’efficacité du dispositif
Planifier la conduite du projet retenu en coopération avec les partenaires externes, en intégrant les impératifs économiques et techniques de l’industrialisation, afin de s’assurer de leur coopération à long-terme
Mettre en place les dispositifs d’accompagnement des parties prenantes dans le changement à opérer, afin de renforcer l’adhésion de celles-ci au projet.
Intégrer les enjeux, problématiques et contraintes éthiques et celles des réglementations françaises et internationales sur la protection des données (CNIL, RGPD) dans un projet Data Science.
Comprendre, prendre en compte et traiter les enjeux d’équité et de biais lors de la mise en place d’une IA
Gérer une équipe en accordant une attention particulière aux problématiques liées à l’éthique et à sa prise en compte dans le contexte de l’IA
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC07
Déployer un modèle d’IA (apprentissage et/ou IA symbolique) en passant à l’échelle et en utilisant les méthodologies et technologies adaptées
Compétences visées
Identifier les méthodologies de l’IA requises compte-tenu des caractéristiques du projet
Maitriser les méthodologies de l’apprentissage et les outils de mise en œuvre associés
Maitriser les méthodologies de l’IA symbolique, en particulier pour les mettre au service d’une IA explicable
Sélectionner les outils du Cloud permettant de disposer d'un environnement Big Data.
Prétraiter, analyser et modéliser des donnés dans un environnement Big data en utilisant les outils du Cloud.
Réaliser des calculs distribués sur des données massives en utilisant les outils adaptés.
Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant.
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC08
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.
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).
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
RNCP40046BC09
Faire émerger de la valeur pour une entreprise/organisation des données qu’elle possède à partir de l’IA
Compétences visées
Gérer une équipe en accordant une attention particulière aux problématiques liées à l’éthique et à sa prise en compte dans le contexte de l’IA
Identifier des problématiques data du secteur d’activité de l’entreprise/organisation pour déterminer son périmètre puis identifier les facteurs et les datas susceptibles d’apporter de la valeur à l’entreprise/organisation
Diagnostiquer une solution algorithmique à partir des solutions les plus appropriées pour intégrer les objectifs du cahier des charges aux contraintes du client
Mobiliser l’IA pour transformer les secteurs clés de l’entreprise ou de l’organisation tels que, par exemple, les modèles d’énergie, les mobilités, l’industrie du futur ou encore la santé.
Modalités d'évaluation
- Contrôle continu et/ou examen de fin de module. Ces modalités individuelles peuvent prendre la forme de QCM, d’examen écrit, d’interrogation orale - Travaux dirigés si besoin avec mise en œuvre informatique, réalisés en groupe, avec remise d’un rapport écrit - Travaux pratiques avec mise en œuvre expérimentale, réalisés en groupe, avec remise d’un rapport écrit - Réalisation du lab project qui s’appuie sur des données réelles avec remise de rapport écrit et soutenance orale - Projets dans enseignements - Stages individuels avec remise d’un rapport écrit et présentation orale en présence des tuteurs en entreprise Les compétences scientifiques et technologiques prérequises à l’admission sont considérées comme acquises dans les évaluations de l’année. Les jurys de fin d’année valident l’acquisition des compétences de chaque bloc. Les compétences sont acquises à travers les évaluations de l’année selon les modalités propres à chaque module d’enseignement.
Secteur d'activité et type d'emploi
Secteurs d'activités
Le diplômé du Master Intelligence Artificielle appliquée aux enjeux sociétaux est appelé à exercer ses activités dans de multiples domaines, et en particulier dans les secteurs suivants (Nomenclature NAF):
Section C : Industrie manufacturière
Section D : Production et distribution d’électricité, de gaz, de vapeur, et d’air conditionné
Section M : activités spécialisées, scientifiques et techniques
Section H : transports
Section J : Services d’information et de communication :
62 Programmation, conseil et autres activités informatiques
63 Services d’information
Section K : activités financières et d’assurance
Types d'emplois accessibles
Les métiers cadres visés pour un diplôme du grade Master « Intelligence artificielle appliquée aux enjeux sociétaux » sont liés à l’ingénierie, la recherche, aux bureaux d’études et au conseil, à l’innovation et développement de produit ou service, à l’analyse et à l’aide à la décision :
Recherche : Chercheur en secteur privé ou public dans le domaine de l’Intelligence Artificielle,
Innovation : Ingénieur d’études produit et/ou process, ingénieur développement (logiciel ou autre)
Management de projet : responsable ou membre d’un Project Management Office chargé de la stratégie IA appliquée aux enjeux sociétaux
Analyse et aide à la décision : business analyst, analyste marché, chef de produit marketing, data analyst
Entrepreneuriat : Dirigeant / créateur d’entreprise
Ces métiers peuvent s’exercer dans un grand nombre de secteurs relevant de thématiques comme la santé, l’énergie, les transports ou l’industrie du futur. D’une façon plus générale, ils se positionnent sur les métiers capables d’accompagner la transformation digitale des entreprises et des services dans tous les domaines d’ingénierie. Ces emplois sont exercés au sein de grands groupes internationaux, mais aussi de PME et PMI.
Métiers visés (ROME)
Tensions de recrutement · DARES 2024
Niveau de tension : Élevée (4/5) en tension
Principaux facteurs : Manque de main-d'œuvre disponible.
3 020 €
salaire médian (mensuel)
Mesuré au niveau de la famille professionnelle : 8 familles professionnelles (nomenclature FAP). Ces familles ne sont pas au même niveau de tension (de 2 à 5 sur 5) : le niveau affiché est une moyenne pondérée par l'emploi, à ne pas attribuer à chacune d'elles.
-
H0X92— Techniciens et agents de maîtrise de la logistique, du planning, de l'ordonnancement et méthodes en industrialisation tension 3/5 (Modérée) -
H1X93— Ingénieurs des méthodes de production, du contrôle qualité tension 5/5 (Très élevée) -
L4X80— Techniciens des services administratifs tension 4/5 (Élevée) -
L5X90— Cadres administratifs, comptables et financiers (hors juristes) tension 3/5 (Modérée) -
M2X93— Experts et consultants en systèmes d'information tension 5/5 (Très élevée) -
N0X70— Techniciens d'étude, recherche et développement tension 5/5 (Très élevée) -
N1X90— Ingénieurs et cadres d'étude, recherche et développement (industrie) tension 5/5 (Très élevée) -
R4X90— Cadres commerciaux, acheteurs et cadres de la mercatique tension 2/5 (Faible)
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 18 315
Auvergne-Rhône-Alpes 5 695
Occitanie 3 799
Hauts-de-France 2 951
Provence-Alpes-Côte d'Azur 2 850
Nouvelle-Aquitaine 2 519
Pays de la Loire 1 932
Grand Est 1 708
Bretagne 1 418
Normandie 1 241
Centre-Val de Loire 1 212
Bourgogne-Franche-Comté 1 083
La Réunion 210
Guadeloupe 134
Martinique 117
Mayotte 73
Guyane 66
Corse 63
45 386
projets de recrutement
37 %
jugés difficiles à recruter
4 %
emplois saisonniers
Mesuré au niveau de la famille professionnelle : 8 familles professionnelles (nomenclature FAP).
-
H0X92— Techniciens et agents de maîtrise de la logistique, du planning, de l'ordonnancement et méthodes en industrialisation -
H1X93— Ingénieurs des méthodes de production, du contrôle qualité -
L4X80— Techniciens des services administratifs -
L5X90— Cadres administratifs, comptables et financiers (hors juristes) -
M2X93— Experts et consultants en systèmes d'information -
N0X70— Techniciens d'étude, recherche et développement -
N1X90— Ingénieurs et cadres d'étude, recherche et développement (industrie) -
R4X90— Cadres commerciaux, acheteurs et cadres de la mercatique
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
Non
Contrat de professionnalisation
Non
Candidature individuelle
Non
VAE
Oui
Prérequis à l'entrée
Le jury d’admission s’assure que les candidats recrutés disposent comme prérequis de compétences solides scientifiques et techniques, notamment en mathématiques et en informatique, permettant ainsi de les amener à un niveau de leaders fonctionnels et experts. Ce niveau M1 (équivalent 60 ECTS) est exigé pour tous les étudiants sélectionnés.
Composition du jury — Formation initiale, Formation continue
Le jury est composé du directeur des études et des responsables académiques du programme
Composition du jury — VAE
Articles L6411-1 à L6423-3 du Code du travail
Base légale
Date d'échéance31-08-2029
Dernière délivrance possible31-08-2030
Pour plus d'informations · Statistiques
AnnéeCertifiésInsertion 6 moisMétier visé 2 ans
2022
10
100 %
—
2021
17
100 %
—