Chef de projet Intelligence Artificielle

1. Formaliser un projet numérique dans un cadre structuré

• Définir les objectifs, livrables, contraintes (qualité, coût, délai) d’un projet
• Cartographier les parties prenantes et élaborer un plan de communication projet
• Rédiger une charte projet claire, animer une réunion de lancement et structurer un plan de management
• Identifier et sécuriser les besoins du client via un cahier des charges normé
• Sélectionner un projet à l’aide de grilles de scoring, matrice valeur/complexité, modélisation de scénarios, et mobiliser des financements publics si nécessaire
• Piloter la rentabilité d’un projet, construire un budget prévisionnel, et mesurer des indicateurs comme le ROI, TRI, VAN
• Mettre en place une gestion des risques structurée (SWOT, Ishikawa, registre des risques)

2. Analyser l’environnement stratégique et concurrentiel

• Utiliser les outils de diagnostic stratégique (SWOT, PESTEL, 5 forces de Porter, matrice BCG)
• Construire des Business Model Canvas et Lean Canvas adaptés
• Mener une veille structurée (concurrentielle, technologique, commerciale), avec des outils numériques, salons, etc.
• Identifier les innovations technologiques (IA, blockchain, AR…) et évaluer leur impact sur la chaîne de valeur de l’organisation

3. Prendre en compte les enjeux réglementaires et sociétaux

• Assurer la conformité des projets numériques (RGPD, loi REEN, Privacy by Design)
• Renforcer la sécurité des infrastructures numériques, des données et des communications
• Favoriser l’inclusion numérique : accessibilité, handicap, diversité, RSE

4. Adapter la stratégie numérique à la transition écologique et sociale

• Situer le rôle du numérique dans la durabilité, l’inclusivité et la performance globale
• Mettre en place des actions pour réduire l’empreinte carbone des projets numériques
• Évaluer les impacts sociaux et éthiques des solutions numériques

5. Communiquer la stratégie et accompagner le changement

• Structurer une communication impactante avec storytelling et design visuel
• Mener une conduite du changement efficace en intégrant résistances et leviers d’adhésion

1. Organiser la planification et le pilotage du projet

• Planifier les tâches et jalons avec les outils de gestion de projet tels que le diagramme de Gantt, la méthode PERT, et le chemin critique
• Définir les ressources, affecter les tâches et suivre l’avancement avec des indicateurs comme l’EVM (Earned Value Management)
• Gérer les coûts et le budget en catégorisant les dépenses (directes, indirectes, risques) et en contrôlant les aléas financiers tout au long du cycle de vie du projet

2. Structurer et formaliser les besoins

• Rédiger un cahier des charges fonctionnel et technique précis, en différenciant les spécifications générales et détaillées
• Appliquer les méthodes d’analyse comme l’impact mapping et les scorecards pour justifier les choix fonctionnels
• Intégrer les principes agiles en structurant les livrables en sprints, tout en assurant rigueur et traçabilité
• Anticiper les dérives en formalisant des spécifications robustes, alignées sur les besoins réels et utilisateurs

3. Mettre en œuvre le suivi des indicateurs et de la qualité

• Définir et suivre les KPI via des outils comme Power BI, Google Data Studio ou Excel
• Évaluer la performance à travers des tableaux de bord, des alertes automatiques et des rapports réguliers
• Intégrer les normes qualité (ISO 9000, ISO 9001…) et les principes d’amélioration continue (PDCA, Kaizen)
• Gérer les non-conformités avec des outils comme les fiches FNC, les méthodes des « 5 Pourquoi » ou le diagramme d’Ishikawa

4. Gérer les approvisionnements, les contrats et les ressources

• Piloter les processus d’achat et d’approvisionnement en identifiant les besoins par segment de marché
• Comprendre les étapes clés des appels d’offres, de la contractualisation à la clôture projet
• Assurer un management contractuel efficace et aligné sur les engagements et délais du projet

5. Intégrer les outils numériques et les bonnes pratiques UX

• Animer des ateliers de créativité avec des méthodes comme SCAMPER, Design Thinking et des outils collaboratifs (Trello, Miro, Slack…)
• Analyser les performances digitales à l’aide de Google Analytics (sources d’acquisition, conversions, audience…)
• Définir l’expérience utilisateur, ses composants et adapter les contenus et fonctionnalités selon les profils cibles
• Mettre en œuvre un test utilisateur structuré pour évaluer une interface et formaliser des parcours utilisateurs optimisés à partir des feedbacks

1. Organiser la planification et le pilotage du projet

• Planifier les tâches et jalons avec les outils de gestion de projet tels que le diagramme de Gantt, la méthode PERT, et le chemin critique
• Définir les ressources, affecter les tâches et suivre l’avancement avec des indicateurs comme l’EVM (Earned Value Management)
• Gérer les coûts et le budget en catégorisant les dépenses (directes, indirectes, risques) et en contrôlant les aléas financiers tout au long du cycle de vie du projet

2. Structurer et formaliser les besoins

• Rédiger un cahier des charges fonctionnel et technique précis, en différenciant les spécifications générales et détaillées
• Appliquer les méthodes d’analyse comme l’impact mapping et les scorecards pour justifier les choix fonctionnels
• Intégrer les principes agiles en structurant les livrables en sprints, tout en assurant rigueur et traçabilité
• Anticiper les dérives en formalisant des spécifications robustes, alignées sur les besoins réels et utilisateurs

3. Mettre en œuvre le suivi des indicateurs et de la qualité

• Définir et suivre les KPI via des outils comme Power BI, Google Data Studio ou Excel
• Évaluer la performance à travers des tableaux de bord, des alertes automatiques et des rapports réguliers
• Intégrer les normes qualité (ISO 9000, ISO 9001…) et les principes d’amélioration continue (PDCA, Kaizen)
• Gérer les non-conformités avec des outils comme les fiches FNC, les méthodes des « 5 Pourquoi » ou le diagramme d’Ishikawa

4. Gérer les approvisionnements, les contrats et les ressources

• Piloter les processus d’achat et d’approvisionnement en identifiant les besoins par segment de marché
• Comprendre les étapes clés des appels d’offres, de la contractualisation à la clôture projet
• Assurer un management contractuel efficace et aligné sur les engagements et délais du projet

5. Intégrer les outils numériques et les bonnes pratiques UX

• Animer des ateliers de créativité avec des méthodes comme SCAMPER, Design Thinking et des outils collaboratifs (Trello, Miro, Slack…)
• Analyser les performances digitales à l’aide de Google Analytics (sources d’acquisition, conversions, audience…)
• Définir l’expérience utilisateur, ses composants et adapter les contenus et fonctionnalités selon les profils cibles
• Mettre en œuvre un test utilisateur structuré pour évaluer une interface et formaliser des parcours utilisateurs optimisés à partir des feedbacks

1. Coder et manipuler des données avec Python

• Apprendre les bases de la programmation Python et installer un environnement de travail adapté (Jupyter, VS Code, venv…).
• S’initier à la manipulation de données via les bibliothèques Pandas et Numpy.
• Réaliser des visualisations de données avec Matplotlib et Seaborn.
• Utiliser des outils d’IA générative (ChatGPT, GitHub Copilot) pour assister le code et l’analyse.

2. Préparer et structurer les données pour l’analyse

• Nettoyer et transformer des données tabulaires (valeurs manquantes, outliers, encodage, normalisation).
• Travailler sur les données non structurées : texte (TF-IDF, BERT), image (réduction, interpolation), son (spectrogrammes).
• Maîtriser les jointures, les agrégations et les techniques de feature engineering pour construire des datasets exploitables.

3. Modéliser, segmenter, prédire grâce aux modèles IA

• Déployer des modèles de Machine Learning supervisé et non supervisé (K-means, Random Forest, régression…).
• Segmenter des clients avec le clustering ou la segmentation RFM.
• Évaluer les modèles avec précision, AUC, cross-validation, et optimiser avec Grid Search ou ensemble learning.
• Construire des pipelines de bout en bout : prétraitement, modélisation, interprétation métier.

4. Explorer, analyser et visualiser les données

• Réaliser une analyse exploratoire (skewness, corrélations, patterns…).
• Détecter des anomalies avec DBSCAN, Isolation Forest, Z-score, et interpréter les résultats métiers.
• Concevoir des dashboards interactifs (Streamlit) et automatiser la restitution via des outils d’orchestration.

5. Industrialiser et fiabiliser un projet IA

• Comprendre l’architecture d’un projet IA (Docker, API REST, cloud, GPU).
• Déployer des modèles en production via API et orchestrer les flux de données.
• Maîtriser les biais, données déséquilibrées et méthodes d’optimisation continue.
• Finaliser un projet IA  : cadrage, série temporelle, validation croisée, analyse métier.