Ingénieur machine learning (apprentissage automatique) / ingénieure machine learning (apprentissage automatique)

Le métier

Imagine une machine qui doit trier des pièces mécaniques sur une chaîne de production. Personne ne lui écrit la liste de toutes les règles possibles : on lui montre des exemples, elle apprend à reconnaître ce qui est conforme et ce qui ne l'est pas. C'est le cœur du machine learning, ou apprentissage automatique, qui fait partie de l'intelligence artificielle. L'ingénieur·e conçoit les programmes qui rendent cet apprentissage possible.

Le champ d'application est large. On trouve ces systèmes dans la reconnaissance d'images et de paroles, dans la fabrication industrielle, ou encore dans l'analyse de données pour prévoir une panne et planifier une maintenance avant qu'elle ne bloque une installation. Le but est de confier à la machine les tâches répétitives, pour que les personnes se consacrent au reste.

Tu ne travailles jamais seul·e sur ce type de projet. Tu collabores avec des spécialistes de la donnée et des statistiques, ainsi qu'avec des experts en automatismes. Mythe fréquent : ce métier ne consiste pas seulement à « faire de l'IA » dans l'abstrait. La réalité, c'est un travail d'équipe très ancré dans des problèmes concrets, avec des données à préparer avant toute modélisation.

Une journée de travail

Une journée commence souvent par la vérification de ce que les données montrent réellement. Avant de coder quoi que ce soit, il faut sélectionner les données utiles à la tâche, les nettoyer et comprendre leurs limites. Vient ensuite l'écriture des algorithmes, puis les tests : le modèle donne-t-il de bons résultats sur des cas qu'il n'a jamais vus ?

Une part non négligeable du temps passe aussi à suivre l'actualité technologique. Le domaine évolue vite, donc on lit, on teste de nouvelles approches et on décide lesquelles méritent d'entrer dans un projet. Les échanges avec les collègues data, statisticiens et automaticiens rythment la semaine, notamment pour expliquer les résultats et ajuster le travail.

Les qualités qui comptent

Le goût des nouvelles technologies est le point de départ, mais ce qui fait la différence au quotidien, c'est le souci du détail. Une erreur dans les données ou un test mal conçu peut fausser tout un modèle sans que personne le remarque tout de suite. Il faut aussi une vraie rigueur mathématique et statistique, ainsi qu'une capacité à programmer proprement. Enfin, comme le travail se fait en équipe avec des profils variés, savoir expliquer un résultat technique à quelqu'un qui n'est pas informaticien compte beaucoup.

Conditions de travail

Le métier relève du statut de salarié. Le principal secteur d'emploi cité est celui de l'industrie, ainsi que l'informatique et les réseaux.

Comment y accéder

Le niveau minimum d'accès est bac + 5. Après le bac, comptez cinq ans d'études pour obtenir un diplôme d'ingénieur ou un master en informatique, avec une spécialisation en intelligence artificielle. Plusieurs masters mènent à ce métier : mention informatique, mention sciences des données, mention automatique et robotique, ou encore mention management des systèmes d'information. Ce sont des diplômes d'État. Certains diplômes d'ingénieur, habilités par la CTI, sont aussi proposés, notamment en robotique ou en systèmes numériques.

Le master mention informatique est le plus représenté : 90 formations en école ou à l'université et 67 formations en apprentissage. Ce dernier mode permet d'alterner études et travail en entreprise, mais il ne concerne que certaines formations, et les autres se suivent en école ou à l'université.