5 — Parcours de progression

5.1 Logique du parcours

Diagnostiquer (UC00) : mesurer le niveau réel, bloc par bloc, sans se fier au CV.
Combler les prérequis techniques d'abord (API, code, données) : ce sont eux qui bloquent tout le reste et que le marché exige même pour les postes « no-code » (chapitre 1).
Monter en valeur (LLM en production, RAG, agents, sécurité, architecture), puis consolider les atouts (cadrage, pitch, conduite du changement, formation).
Chaque module se termine par un cas pratique généré par le projet Claude (/nouveau-cas) ciblant ses compétences ; un niveau n'est validé qu'après un second cas dans un contexte différent.

Rythme de référence : ~2 jours par semaine → 14 à 18 semaines pour l'ensemble. Les durées sont indicatives et à ajuster selon le diagnostic.

5.2 Modules

Module	Compétences	Durée	Contenu	Ressources (gratuites sauf mention)	Preuve de sortie
M0 — Diagnostic de positionnement	Toutes	5-6 j	Cas UC00 en 4 paliers + soutenance	Laboratoire (hub + testeur), projet Claude	Rapport de compétences initial
M1 — Fondations web & API	C2.2 (N2), C4.1 (N1-N2), C4.4 (N2)	3 j	HTTP, REST, JSON, codes d'erreur, authentification, webhooks ; Git et GitHub	MDN « Aperçu du protocole HTTP » ; GitHub Skills ; documentation de l'API du laboratoire	Collection de requêtes (Bruno/Postman) + dépôt Git
M2 — Programmer pour automatiser	C4.1 (N2→N3)	8-10 j	JavaScript pour les nœuds Code (tableaux, objets, map/filter, dates, regex) ; Python (requests, fichiers, pandas) ; lire et corriger du code généré	freeCodeCamp (JavaScript) ; Automate the Boring Stuff with Python (automatetheboringstuff.com) ; Exercism	5 scripts / nœuds Code testés
M3 — n8n avancé & fiabilisation	C2.1-C2.4 (N3)	5 j	Blueprint, sous-workflows, Error Workflow, retry, idempotence, files, auto-hébergement Docker, sauvegardes, runbook	n8n Academy (cours niveaux 1 et 2, badges) ; docs n8n (error handling, self-hosting)	Cas pratique B2 + badges n8n
M4 — LLM en production	C3.1 (N3)	4 j	Prompts système robustes, few-shot, sorties structurées validées, incertitude, versioning des prompts	Tutoriel interactif de prompt engineering d'Anthropic (GitHub `anthropics/prompt-eng-interactive-tutorial`) ; documentation Anthropic / OpenAI / Mistral sur les sorties structurées	Prompt d'extraction + jeu de tests
M5 — Données : SQL & qualité	C4.2 (N3)	5 j	SQL, modélisation, profilage, normalisation, dédoublonnage par règles, migration Excel → base	SQLBolt ; documentation PostgreSQL ; pandas	Rapport qualité + base nettoyée
M6 — RAG & évaluation	C3.2, C3.4 (N3)	6 j	Ingestion, découpage, embeddings, pgvector/Qdrant, citations, refus hors corpus ; jeux d'évaluation, métriques, comparaison de modèles, coûts	DeepLearning.AI (short courses RAG et évaluation) ; Hugging Face LLM Course ; docs pgvector, Langfuse, promptfoo	Campagne RAG ≥ 80 % + tableau d'évaluation
M7 — Agents, MCP & sécurité	C3.3, C5.3 (N3)	6 j	Tool use, MCP, patrons d'agents, HITL, limites ; OWASP Top 10 LLM, injection indirecte, masquage des données, moindre privilège	Article « Building effective agents » (Anthropic) ; modelcontextprotocol.io ; OWASP GenAI Security Project (genai.owasp.org)	Agent sécurisé passant les scénarios d'attaque du testeur
M8 — Architecture & exploitation	C5.1, C5.2, C5.4 (N3)	5 j	Architecture cible, ADR, build vs buy, choix de modèles et d'hébergement (UE, local), observabilité, coûts, SLA	c4model.com ; documentation des fournisseurs (régions UE, conditions de données) ; Ollama	Dossier d'architecture + comparatif
M9 — Conformité & gouvernance	C6.1-C6.3 (N3)	4 j	RGPD appliqué aux flux IA, registre, AIPD ; AI Act post-Omnibus ; charte d'usage, shadow AI	Fiches pratiques IA de la CNIL ; MOOC « L'atelier RGPD » (CNIL) ; texte consolidé de l'AI Act (EUR-Lex)	Note de conformité + charte
M10 — Prototyper & déployer	C4.3, C4.4 (N3), C7.1	5 j	Prototype utilisable (Next.js / Streamlit / outils de génération), déploiement, README, tests de base	nextjs.org/learn ; documentation Vercel, Supabase	Prototype en ligne
M11 — Valeur, pitch & adoption	B1, C7.2-C7.4 (N3→N4)	4 j	Business case, note de cadrage, pitch orienté décision, plan d'accompagnement, module de formation (littératie IA)	Référentiel DigComp 3.0 ; grilles du chapitre 3	Pitch + plan d'accompagnement + module de formation

5.3 Ordre conseillé selon le diagnostic

Résultat du diagnostic UC00	Ordre conseillé
B4 < N2 (code et données non démontrés)	M1 → M2 → M5 → M3 → M4 → M6 → M7 → M8 → M9 → M10 → M11
B4 ≥ N2 mais B2 < N3 (automatisations fragiles)	M3 → M4 → M2 (renforcement) → M6 → M7 → M5 → M8 → M9 → M10 → M11
B2 et B3 ≥ N3, B5 < N3	M7 → M8 → M6 (approfondissement) → M9 → M10 → M11
Tous blocs techniques ≥ N3	Cas intégrés multi-blocs + certifications externes

5.4 Jalons de certification externes (optionnels, recommandés)

Après	Certification	Pourquoi
M3	Badges n8n Academy	Preuve rapide et gratuite sur l'outil le plus demandé.
M7	Anthropic — Claude Certified Developer ou Architect, Foundations	Examen surveillé sans IA : crédibilise agents, MCP, prompt engineering.
M8	Microsoft AI-103 ou AWS Certified AI Practitioner	Si la cible inclut des ESN et grands comptes (cloud exigé).
M9	IAPP AIGP (payante)	Différenciateur fort sur la gouvernance et l'AI Act.
Fin de parcours	Titre RNCP de niveau 6 par VAE (ex. développeur IA, product builder)	Si une reconnaissance diplômante est nécessaire pour les postes qui exigent un Bac+3/+5.

5.5 Cycle de progression continue

Rapport de compétences ──► /nouveau-cas (cibler les écarts) ──► Immersion + réalisation
        ▲                                                            │
        │                                                            ▼
   /bilan (mise à jour) ◄── /jury (oral) ◄── /evaluer (livrables + testeur)

Chaque itération met à jour le rapport de compétences (statuts en cours / validé), qui sert de base au cas suivant.

← 4 — Glossaire à savoir expliquer & technologies