Tour d'horizon des métiers dans l'Intelligence Artificielle

L'industrie de l'intelligence artificielle s'est particulièrement développée ces dernières années. Même si certains métiers de l'IA n'ont pas changé, ce secteur commence déjà à créer des métiers inconnus jusqu'alors.

Pour l'édition de cette semaine, nous allons présenter 6 métiers différents de l'intelligence artificielle, avec leurs descriptions et les compétences que ces métiers requièrent.

Si certains métiers portent sur la technique, on pourra se rendre compte que d'autres sont également adaptés pour des profils non techniques :

Data Scientist

Ce rôle est souvent confondu avec le “Data Analyst” alors que leurs objectifs sont différents : le Data Analyst collecte et traite les données d’une entreprise, alors quele Data Scientist est chargé de réaliser des modèles de Machine Learning à partir d’un ensemble de données.

Un Data Scientist peut être spécialisé selon le type de données traité par le modèle qu’il construit.

Par exemple, il peut traiter des données textuelles pour analyser des documents, créer des chatbots, ou réaliser de la traduction automatique. Dans ce cas, on parle de traitement du Langage Naturel (NLP)

Le Data Scientist peut également traiter des données chiffrées afin de mettre au point des modèles pour la détection de fraudes, l'analyse des risques, l'optimisation ou la prédiction.

Enfin, il peut traiter des données sous forme d’image ou de vidéo, et son modèle peut servir à la génération d’image, l’imagerie ou la reconnaissance d’image.

Les modèles que le Data Scientist développe sont des Preuves de concept (ou “POC”) permettant de prouver l’intérêt d’un modèle pour une problématique donnée.

Compétences techniques

• Statistiques
• Visualisation de données
• Langages de programmation (Python, R…)
• Bibliothèques ML : TensorFlow, Pytorch, Scikit-learn
• Traitement de données

Compétences humaines

• Pensée analytique
• Souci du détail
• Curiosité
• Créativité

Ingénieur Machine Learning

Le rôle de l’ingénieur Machine Learning ressemble beaucoup à celui du Data Scientist, à savoir réaliser des modèles d’IA en s’appuyant sur différentes données.

Mais là où le Data Scientist crée une Preuve de Concept, l’ingénieur Machine learning va être surtout chargé d'industrialiser le modèle, c’est-à-dire l’entraîner sur davantage de données ou bien faire du réentraînement.

Autrement dit, avec les ingénieurs machine Learning, nous sommes davantage sur des tâches consistant à former les modèles, les optimiser, les évaluer et les déployer en production.

Dans des petites entreprises, il n’y a pas vraiment de différence entre le Data Scientist et l’ingénieur ML. Mais lorsqu’une entreprise devient plus importante, ces rôles deviennent distincts.

Compétences techniques

• Statistiques et probabilités
• Programmation : Python, R, Java
• Bibliothèques ML : TensorFlow, Pytorch, Scikit-learn
• Prototypage
• Modélisation de données

Compétences humaines

• Pensée analytique
• Souci du détail
• Curiosité
• Résolution de problèmes

Ingénieur logiciel

Un ingénieur logiciel est responsable de la conception, du développement, de la maintenance et de l'optimisation du logiciel sur lequel se base le modèle d’IA.

Lorsqu’une personne utilise un modèle d’IA, cette dernière utilise généralement un logiciel, qui peut aussi bien être une application qu’un site web. C’est justement aux ingénieurs logiciels de s’en charger.

Ils doivent d’abord définir quelles sont les fonctions du logiciel selon les besoins des utilisateurs, réaliser le cahier des charges du logiciel, élaborer une maquette puis produire le logiciel.

Une fois le logiciel déployé, les ingénieurs doivent également prendre en compte les retours des utilisateurs pour assurer la maintenance, et prendre en compte les propositions d’améliorations pour le garder à jour.

Compétences techniques

• Maîtrise des langages de programmation (Java, Python, C++, etc.)
• Compréhension des principes de conception logicielle
• Expérience avec les outils de contrôle de version (Git, SVN, etc.)
• Connaissances en bases de données et de systèmes d'exploitation

Compétences humaines

• Travail en équipe
• Résolution de problèmes
• Rigueur
• Adaptation

Ingénieur en prompt

Pour qu’un modèle d’IA nous donne la meilleure réponse possible, il faut la consigne (appelée un “prompt”) la plus adaptée possible.

Un ingénieur en prompts est un professionnel spécialisé dans la conception et la création de prompts les plus adaptés pour les modèles d’IA.

Les ingénieurs en prompts doivent avoir une excellente compréhension du traitement du langage naturel et des techniques de formulation de prompts des différents modèles d’IA. Ils ne sont pas obligés de savoir comment fonctionnent tous les modèles, mais doivent savoir comment fonctionnent les modèles les plus utilisés.

Ils peuvent travailler pour des entreprises souhaitant intégrer l’IA dans leur procédé, tout comme ils peuvent travailler avec des développeurs d’IA pour leur apporter des retours afin d’améliorer leur modèle.

Compétences techniques

• Connaissance approfondie du traitement du langage naturel (NLP)
• Compréhension des modèles de langages d'IA (GPT, Claude, Mistral)
• Expérience dans l'évaluation et l'optimisation des prompts
• Connaissances en matière de biais dans l'IA

Compétences humaines

• Curiosité
• Créativité
• Persévérance
• Pensée analytique

Community Manager

Le rôle du Community Manager consiste à construire une communauté, animer cette dernière et construire des relations avec des personnalités de l’écosystème. Il y parvient entre autres grâce à une participation active sur les réseaux sociaux, en publiant du contenu mais aussi en étant à l’écoute de sa communauté.

Dans le domaine du marketing et la communication, le Community Manager fait partie des métiers indispensables pour créer et faire grandir une communauté autour d’un projet. Beaucoup de projets qui se sont illustrés doivent une partie de leur succès à leur Community Manager qui joue un rôle important dans l’exposition du projet en question.

Un Community Manager doit avoir une bonne aisance à la fois avec les réseaux sociaux, mais aussi avec le secteur de l’IA qui a ses propres codes. Il poste régulièrement du contenu tel que des memes ou des articles, répond aux questions et organise aussi des évènements qu’ils soient virtuels ou physiques. Il est aussi amené à rédiger des rapports sur le sentiment global et les tendances notables.

Techniques

• Utilisation avancée des réseaux sociaux : X (Twitter), Discord, Telegram, LinkedIn, Lens
• Outils de création de contenu (Canva, Figma, Excalidraw…)
• Plateformes de publication
• Connaissances techniques associées aux secteurs d’activité
• Veille technologique

Humaines

• Communication
• Organisation
• Réactivité
• Enthousiasme

Éthicien IA

L’éthicien IA est responsable de la dimension éthique liée à l’IA. Son rôle est d’autant plus important que les normes légales/morales sont très relatives, voire absentes.

L’intelligence artificielle est un outil. Et comme n’importe quel outil, il peut servir à construire tout comme il peut servir des intentions malveillantes.

Pour limiter au maximum l’utilisation malveillante, il est possible de mettre en place des réglementations sur l’utilisation de l’IA ou modifier le modèle d’IA pour bloquer des utilisations considérées comme des dérives.

Le rôle de l’éthicien IA consiste donc à faire respecter les normes d’utilisation des données en fonction des juridictions, et alerter les équipes de développement sur les programmations biaisées, ou encore les paradoxes entre technique et déontologie.

Techniques

• Connaissance approfondie des cadres réglementaires de l’IA
• Connaissance des lois sur la protection des données
• Analyse de risques et évaluation d’impact
• Résoudre des dilemmes éthiques complexes

Humaines

• Impartialité
• Communication
• Curiosité
• Empathie

‍