Observatoire des métiers du numérique, de l’ingénierie, du conseil et de l’évènement
Présentation du métier
Contexte de travail
Conditions de travail
Compétences et niveaux attendus
Certifications
Proximité(s)/évolution(s) envisageables
Tendances nationales sur le métier
Pour en savoir plus

INGÉNIEUR MACHINE LEARNING / INGÉNIEURE MACHINE LEARNING

Famille : Développement et test de la solution
Autres appellations en français
  • Développeur Big Data
  • Ingénieur Traitement d’image
  • Ingénieur Traitement du Langage Naturel
Autres appellations en anglais
  • Machine Learning Engineer

Présentation du métier

L'Ingénieur Machine Learning optimise et déploie les algorithmes d'apprentissage automatique conçus avec le Data Scientist. Au sein de l’infrastructure d'acquisition et au regard du traitement des données préparé par le Data Engineer, ces algorithmes d'apprentissage automatiques viennent renforcer la plupart des applications d'Intelligence Articifielle.
Analyser le besoin métier et tester les potentialités :
L'Ingénieur Machine Learning étudie les conditions de faisabilité de la solution de machine learning sur un projet. Il analyse et optimise les algorithmes développés par le Data Scientist au sein de l'infrastructure conçue Data Engineer. Il teste et réutilise des méthodes d'apprentissage automatique pour analyser les résultats et fait le lien avec le besoin métier du client.

Développer et déployer la solution :
Il crée le code des briques de machine learning et de data science et mène des tests fonctionnels. Il développe des modèles prédictifs qui seront intégrés dans un prototype (dit "Proof Of Concept"). Il maîtrise les technologies du Big Data permettant le traitement et la manipulation de données (Hadoop, Spark, Kafka…) ainsi que les langages (Python, R, MatLab...), des systèmes d'exploitation (UNIS, Linux, Solaris...) et des solutions de base de données (SQL, NO SQL). Il utilise ses compétences en machine learning et data science pour développer et tester en fonction des retours des métiers.

Gérer le cycle de vie de la solution :
Il réalise la maintenance et la mise à jour sur les technologies utilisées dans le but de partager ses connaissances et aider l’avancement autonome par la solution et le client. Il s'assure que le cycle de vie des données sources (ex. : plusieurs types de données aux rythmes d'actualisation différents) s'adapte à celui de la solution (ex. : prise de décision en temps réel).

Contexte de travail

Expertise(s) métier(s) ou sectorielle(s) :
En lien avec la taille et le positionnement du client sur ses marchés, le niveau d'expertise métier d'Ingénieur machine learning a une importance dans ses missions et projets. Ce point a un impact fondamental sur sa façon d'exercer ses compétences afin de développer les meilleures solutions.

Technologies d'IA et Data Science mobilisées :
Les technologies et langages de traitement des données sont différents selon les besoins de traitement (ex. : Vision Artificielle, Traitement de la voix et du langage naturel, Robotique). Il mobilise fréquemment des briques de solutions existantes, qu'il adapte et complète par des briques qu'il conçoit afin d'automatiser, en utilisant ses compétences en machine learning.

Type de données exploitées :
Les types de données sont différents selon le secteur d'application et la finalité. Les expertises techniques vont donc varier selon ces points (données numériques, signal sonore ou visuel, métadonnées, etc.). L'aspect réglementaire et éthique intervient également pour certaines données (ex.:RGPD)

Environnement technologique :
La machine learning demeure une partie de la solution globale d'Intelligence Artificielle. Les ressources mises en oeuvre pour solution (ex. : puissance de calcul, sources et stockage de données, machine learning, réseaux, flux de données ponctuels et/ou actualisés en temps réel) font varier les interlocuteurs, les méthodologies et la structure du projet. Les ressources financières engagées modifient également ces paramètres de projet.

Type et taille d'entreprise :
En tant qu'indépendant, il intervient majoritairement sur des projets de plusieurs clients différents. Ses missions sont plus larges du fait de son besoin de positionner son expertise sur le marché, de passer des partenariats et de gérer son entreprise. Sur des projets de taille plus réduite (ex. : développement d'un PoC), son expertise est régulièrement regroupée avec les missions du Data Scientist, Data Engineer et Data Analyst pour la dimension décisionnelle recherchée. Dans une PME / TPE, il joue un rôle clé dans la définition et l'évolution du produit/système. La demande de compétences est ici plus variée sur le plan technique et les projets de taille inférieure. Il est aussi amené à travailler avec des partenaires extérieurs et ainsi maîtriser les règles de fonctionnement de ce type de relation. Dans les petites et moyennes entreprises, le métier est également regroupé avec celui de Data Scientist, Data Engineer et Data Analyst. Dans une grande entreprise de service numérique, il apporte son expertise technique sur les algorithmes et les automatisations apprenantes. Il est ici focalisé sur son périmètre de projet de développement d'algorithme d'apprentissage automatisé, souvent de plus grande taille. Le besoin d'expertise métier y est équivalent dans une structure moyenne ou grande et il intervient sur des missions en interne et externe.

Type et taille de projet :
Selon la taille de projet, l'Ingénieur Machine Learning interviendra sur un ou plusieurs projets avec des équipes projet de différentes tailles. Il travaille donc en équipe avec les autres métiers de la Data Science et les experts métiers. Ces équipes sont généralement de petite à moyenne taille, caractéristiques de l'IA.

Conditions de travail

Il est plus élevé sur la phase de conception et de test de la solution, mais reste soutenu dans la phase d'exploitation. La durée de vie d'une solution peut demander des ajustements sur toute la durée de vie d'une organisation et le mode projet n'est donc pas le seul mis en oeuvre.
Les déplacements sont occasionnels, notamment pour rencontres clients ou autres sites de l'organisation. Ils peuvent être plus fréquents lorsque les données sont uniquement accessibles sur leur site d'exploitation.
Relations internes
  • Data Scientist
  • Data Analyst
  • Responsable Sécurité et Systèmes d'information

Relations externes
  • Client
  • Data Scientist
  • Data Analyst
  • Comité de direction

Compétences et niveaux attendus en 4 niveaux cumulés

Macro compétences
Niveaux et compétences attendues
Exemple concret d'activité pour le niveau attendu
Macro compétences :
Intégrer des outils IA/Data Science
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
L'Ingénieur Machine Learning analyse et propose une optimisation de l'architecture technique de l'algorithme pour un développement et une automatisation de la solution.
Macro compétences :
Gérer et exploiter des données massives
Niveaux et compétences attendues :
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Il anticipe et déploie les algorithmes de rafraîchissement automatique des données pour son projet avec des solutions d'IA/Data Science.
Macro compétences :
Analyser et gérer les risques
Niveaux et compétences attendues :
Niveau attendu : 1
Exemple concret d'activité pour le niveau attendu :
L'Ingénieur Machine Learning analyse les risques juridiques de l'automatisation et l'exploitation d'un type de données (ex : RGPD)
Macro compétences :
Gérer une architecture technique
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Dans son équipe projet, il travaille en lien avec le Data Engineer pour anticiper les évolutions et optimiser les infrastructures.
Macro compétences :
Se conformer aux normes et à la règlementation
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
Dans la phase d'analyse, il veille à respecter et intégrer les règlementations du RGPD, du client et de sécurité.
Macro compétences :
Utiliser l'anglais en contexte professionnel
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Dans le cadre de son projet, il communique et lit des documents en anglais et développe des codes informatiques en anglais.
Macro compétences :
Intégrer des méthodes d'optimisation de production
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Dans sa phase d'analyse des algorithmes et infrastructures de l'équipe de Data Science, il propose et développe des optimisations afin d'obtenir de meilleures performances
Macro compétences :
Innover et animer un processus d'innovation
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
Dans le cadre du développement avec l'équipe de Data science, il contribue à promouvoir l'innovation et anticipe les futures évolutions technologiques et méthodologiques afin de faire évoluer l'outil
Macro compétences :
Maîtriser les échanges entre différents logiciels métiers
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Dans la phase d'analyse et de développement, il manipule les données de différents outils et formats dans le but de pouvoir les analyser ensemble pour produire des résultats pertinents en respectant l'intégrité des données.
Macro compétences :
Mener un diagnostic ou un test/essai technique
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Dans la phase de création de l'automatisation, il réalise des tests de contrôle et de conformité des données.
Macro compétences :
Communiquer efficacement
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Dans ses phases d'échanges avec le client et l'équipe de Data Science, il veille à rédiger et formuler ses propositions afin d'alimenter les échanges et la compréhension de toutes les parties.
Macro compétences :
Participer et animer un travail d'équipe
Niveaux et compétences attendues :
Niveau attendu : 1
Exemple concret d'activité pour le niveau attendu :
Dans le cadre de ses projets, le travail en équipe est une part importante, notamment avec l'équipe de Data Science. Il contribue à une bonne communication entre les membres afin de partager l'expertise et l'expérience de tous pour mener à terme le projet.

Proximité(s)/évolution(s) envisageables
La proximité des métiers

Axes de mobilité professionnelle

Sens d'évolution
Sélection de secteur
Numérique
Numérique
Ingénierie
Ingénierie
Études & Conseil
Études & Conseil
Évènement
Évènement
Transverses
Transverses
Autre
Cliquer sur un secteur pour afficher uniquement les provenances et les évolutions depuis et vers ce secteur
Cliquer sur les flèches pour accéder à la comparaison des métiers.
Provenances possibles
Evolutions envisageables
Autres provenances Autres provenances
Provenances lointaines Provenances lointaines
Provenances moyennes Provenances moyennes
Proximité forte Proximité forte
Evolutions moyennes Evolutions moyennes
Evolutions lointaines Evolutions lointaines
Autres évolutions Autres évolutions
Ingénieur Machine Learning
Développeur
Intégrateur logiciels métiers
Spécialiste test et validation
Data Engineer
UX - UI Designer
Architecte IoT
Développeur
Data Scientist
Data Scientist
Data Scientist
Spécialiste blockchain
Ces mobilités sont données à titre indicatif, sans valeur d’obligation pour les entreprises et les salariés qui doivent les adapter à leur situation particulière.

Tendances nationales sur le métier

1 527
offres d'emploi sur un an
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle
+20.7%
offres d'emploi sur un an
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Répartition des offres d'emploi sur le dernier semestre

Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Expérience requise au recrutement

0 à 2 ans : 1444 / 3 à 5 ans : 42 / 6 à 10 ans : 38 / > 11 ans : 4
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Niveau de formation requis au recrutement

Non renseigné : 581 / Bac : 35 / Bac+2 : 71 / Bac+3/+4 : 100 / Bac+5 : 739
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Types de contrats au recrutement

Contrat à durée indéterminée (CDI) : 1069 / Stage/Jeune diplômé : 287 / Contrat à durée déterminée (CDD) : 62 / Freelance : 57 / Alternance : 33 / Franchise : 10 / Possibilité de CDI : 5 / Remplacement/Intérim : 2 / Contrat aidé : 1
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Taille des entreprises qui recrutent

1-9 salariés : 275 / 10-49 salariés : 138 / 50-249 salariés : 304 / non renseigné : 18 / 250+ salariés : 672 / sans salariés : 120
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Les compétences les plus demandées au recrutement

Techniques informatiques : 1148 / Logiciels autres : 452 / Méthodes développement SI : 427 / Langages de développement : 314 / Gestion SI dans l'entreprise : 305
Données au 30/12/2021
Source : Agrégation de sites d'offres d’emploi, ministère du Travail, traitement Kyu Lab (cf. page Méthodologie)
Date de MAJ : janv-22
Mise à jour semestrielle
OPIIEC :
25 Quai Panhard et Levassor
75013 Paris
Contactez-nous