Fiches métiers : intelligence artificielle (IA)

L’IA transforme tous les secteurs : santé, finance, industrie, marketing, éducation. Ces métiers conçoivent, entraînent, déploient et supervisent des systèmes capables d’apprendre, raisonner, générer et décider.
Pas de magie : données de qualité, algorithmes robustes, infra performante et gouvernance éthique sont indispensables. L’enjeu 2025–2026 : intégrer l’IA utile, fiable et responsable dans des produits réels.

Métiers émergents à surveiller

Prompt Engineer : formulation, évaluation et sécurisation des prompts GenAI.
AI Ethicist : équité, explicabilité, conformité (AI Act), gouvernance.
MLOps Engineer : mise en prod, monitoring, réentraînement & fiabilité continue.

Tous les métiers de cette famille

Recherche & science fondamentale

Chercheur·e IA/ML : algos, archis (transformers, diffusion), publications.
Spécialiste NLP : compréhension/génération/traduction du langage.
Spécialiste computer vision : analyse images/vidéos (santé, industrie).
Ingénieur·e deep learning : entraînement & optimisation de réseaux.

Ingénierie & déploiement

MLOps Engineer (émergent) : versioning, CI/CD modèles, monitoring, data/feature store.
Data Scientist IA : modèles prédictifs/génératifs orientés métier.
Ingénieur·e IA embarquée : modèles légers sur mobile/IoT/temps réel.
AI Infrastructure Engineer : clusters GPU/TPU, orchestration & coûts.

Application & génération

Prompt Engineer (émergent) : design/éval de prompts & guardrails.
Développeur·euse GenAI : intégration LLM/vision/audio (RAG, outils).
AI Product Manager : cas d’usage, roadmap, risques & éthique.
Spécialiste IA conversationnelle : assistants, chatbots, VUI.

Gouvernance, éthique & conformité

AI Ethicist (émergent) : biais, XAI, red teaming, politiques.
Responsable gouvernance IA : cadres d’usage responsable, contrôles.
Auditeur·trice d’IA : transparence, traçabilité, sécurité & conformité (AI Act, RGPD).

Métiers transverses

Formateur·trice IA : fondamentaux, outils, éthique.
Consultant·e stratégie IA : feuille de route, partenaires, ROI.
Juriste IA : propriété intellectuelle, responsabilité, régulation.

Compétences transverses clés

Outils & écosystèmes (exemples)

Frameworks : PyTorch, TensorFlow, scikit-learn.
LLM/GenAI : vLLM, OpenAI/Mistral/Llama APIs, LangChain, LlamaIndex, Guardrails.
MLOps : MLflow, Weights & Biases, DVC, Feast (feature store), Great Expectations (qualité), Evidently (drift).
Orchestration/serving : Airflow/Dagster/Prefect, Ray, Triton, Kubernetes.
Data : Spark, Kafka, Delta/Iceberg, BigQuery/Snowflake/Databricks.
Eval/sécurité : prompt injection tests, red teaming, content filters.

KPI IA (repères pragmatiques)

Performance : F1/AUC/accuracy ; pour LLM : taux d’hallucination, exactitude factuelle.
Fiabilité : drift données/modèles, stabilité, p95 latence, SLO respectés.
Coûts : coût/inférence ou /1k tokens, utilisation GPU.
Data : complétude/qualité, fraicheur, lineage.
Éthique : biais mesurés, conformité AI Act/RGPD, traçabilité (model/data cards).
Adoption : NPS produit IA, taux d’usage, impact métier (gain de temps/recettes).

Optimisation agentique & sûreté (GenAI)

RAG responsable : sources citées, chunks propres, recherches évaluées.
Guardrails : filtres sécurité, politiques d’usage, tool use limité par rôles.
Évaluations automatiques : critères factuels, harms, exactitude, tonalité.
Traçabilité : model cards, data cards, versions & changelog.

Exemples de missions types

Industrialiser un pipeline MLOps (CI/CD modèles, monitoring, retrain).
Déployer un assistant RAG avec citations et garde-fous.
Optimiser coûts & latence d’inférence (batching, quantization, cache).
Mettre en place une gouvernance IA (politiques, AI Act, audits).
Concevoir des évaluations LLM (hallucinations, sécurité, utilité).

← Retour à la cartographie complète des métiers du numérique

Catégories : Architecture de l’information & Documentation numérique