Parcours « Consultant·e formateur·rice IA — Automatisation, intégration, architecture »
Version 1.0 — septembre 2026. Syllabus conçu pour valider, par la preuve, les compétences attendues sur quatre intitulés de poste en forte demande : AI Automation Engineer, AI Architect, AI Product Builder et AI Integrator, dans le contexte des TPE/PME françaises et européennes (RGPD, AI Act).
1. Finalité
Ce parcours ne délivre pas un diplôme : il organise la production de preuves. Chaque compétence est validée sur des mises en situation réalistes (entreprises fictives, données simulées, API de test, jury simulé) qui alimentent un portfolio vérifiable : rapport d'audit, pitch deck, blueprint de workflows, résultats de tests automatisés.
Il s'inspire de la structure des certifications professionnelles françaises (blocs de compétences RNCP, Répertoire spécifique de France Compétences) et des cadres européens (e-CF / EN 16234-1, ESCO, DigComp 3.0), confrontés à l'analyse d'offres d'emploi réelles (chapitre 1).
2. Postes visés
| Poste | En une phrase | Blocs dominants |
|---|---|---|
| AI Automation Engineer | Conçoit, fiabilise et opère des workflows qui combinent API, outils métiers et LLM. | B2, B3, B4 |
| AI Integrator | Intègre des briques IA dans le SI existant d'un client, de manière sûre et conforme. | B2, B3, B5, B6 |
| AI Product Builder | Passe d'un irritant métier à un produit/MVP IA utilisé et mesuré. | B1, B3, B4, B7 |
| AI Architect | Définit l'architecture cible, les choix de modèles/hébergement, la sécurité et l'exploitation. | B3, B5, B6 |
3. Les 7 blocs de compétences
| Bloc | Intitulé | Compétences |
|---|---|---|
| B1 | Diagnostic, cadrage & valeur | C1.1 → C1.4 |
| B2 | Automatisation & orchestration de workflows | C2.1 → C2.4 |
| B3 | Intégration LLM, RAG & agents | C3.1 → C3.4 |
| B4 | Développement & données | C4.1 → C4.4 |
| B5 | Architecture, sécurité & exploitation | C5.1 → C5.4 |
| B6 | Conformité, éthique & gouvernance | C6.1 → C6.3 |
| B7 | Produit, adoption & transmission | C7.1 → C7.4 |
Chaque compétence est décrite en savoirs (ce qu'il faut savoir expliquer), savoir-faire (ce qu'il faut savoir produire) et technologies (ce qu'il faut savoir manipuler), sur 4 niveaux (N1 Notions → N4 Expertise). Voir chapitre 2.
4. Principes pédagogiques
- Partir du bloc de compétences, pas de l'outil. Un cas pratique est toujours construit à partir des compétences à valider ; les solutions attendues sont choisies parce qu'elles obligent à mobiliser ces compétences, puis l'entreprise et son problème sont écrits pour que ces solutions soient pertinentes.
- La preuve prime sur la déclaration. Une compétence n'est jamais « acquise » parce qu'elle figure sur un CV. Elle l'est quand une preuve observable existe (livrable, test automatisé passé, soutenance) et qu'elle a été reproduite sur au moins deux cas différents.
- L'IA est autorisée, et tracée. Les métiers visés utilisent l'IA au quotidien : l'interdire serait irréaliste. En revanche, chaque cas exige un journal d'usage de l'IA et une soutenance orale : on évalue la capacité à justifier, critiquer et corriger ce que l'IA produit.
- Réalisme TPE/PME. Budgets serrés, outils hétérogènes (Excel, ERP sans API, messageries), données sales, interlocuteurs aux attentes contradictoires, obligations RGPD/AI Act.
- Évaluation automatisée quand c'est possible. Les automatisations sont testées par un testeur d'acceptation qui injecte des scénarios (cas nominaux, doublons, injections de prompt, pannes d'API) et vérifie l'état final.
5. Mode d'emploi
| Chapitre | Contenu |
|---|---|
| 1 — Analyse du marché | Adoption de l'IA, besoins des TPE/PME, cadre réglementaire 2026, offres d'emploi, certifications de référence. |
| 2 — Référentiel | Blocs, compétences, savoirs / savoir-faire / technologies, niveaux, matrice poste × compétence. |
| 3 — Évaluation | Méthodes, conditions, grilles critériées, règles de validation, format des preuves. |
| 4 — Glossaire & technologies | Définitions à savoir expliquer (version experte et version dirigeant), stack technique par poste. |
| 5 — Parcours de progression | Modules, ordre conseillé, durées indicatives, ressources, jalons de certification externes. |
Avertissement. Toutes les entreprises, personnes et données utilisées dans les cas pratiques sont fictives. Toute ressemblance avec une organisation existante serait fortuite.