Choisir une voie réaliste

Ce que vous saurez faire

Choisissez un rôle cible que vous pouvez réellement atteindre, avec une raison que vous pouvez expliquer. Un choix réaliste utilise vos acquis et comble une lacune dans le temps disponible. Il prévoit aussi une deuxième option si la première prend plus de temps.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 35 minutes

Ce que vous devez savoir

• Les familles de métiers et les voies qui les entourent, présentées dans Les grandes familles de métiers : six familles de métiers et Voies techniques et voies connexes : combien de programmation chaque voie demande-t-elle?.
• Pourquoi les preuves valent mieux qu’une autoévaluation, expliqué dans Des preuves plutôt qu’une autoévaluation : deux types de preuves.

Ce qu’il vous faut

• Votre inventaire avec preuves et vos deux principales lacunes, sous ## Inventory with evidence (inventaire avec preuves) dans notes.md. Vous les avez rédigés dans Des preuves plutôt qu’une autoévaluation : exercice guidé : mettez à jour votre inventaire.
• Une estimation honnête du nombre d’heures d’étude disponibles chaque semaine. Tenez compte des semaines avec des congés, des obligations familiales et des périodes chargées au travail.
• Une connexion Internet pour trouver cinq offres d’emploi réelles pendant l’exercice guidé.

Quatre points de départ courants

Les gens arrivent en IA par de nombreuses voies. Voici quatre points de départ courants. Trouvez celui qui ressemble le plus au vôtre. Si vous êtes entre deux, lisez les deux.

Nouveau diplômé

• Acquis habituels : habitudes d’étude récentes, temps disponible et quelques connaissances universitaires en mathématiques ou en programmation. Le domaine d’études offre une connaissance limitée d’un domaine.
• Lacunes habituelles : expérience de livraison du travail en équipe et preuves auxquelles les employeurs font confiance.
• Premiers rôles réalistes : analyste de données junior, ingénieur de données junior, ingénieur en IA junior. Un rôle en recherche est surtout réaliste après une maîtrise ou un doctorat.
• À ajouter d’abord : un projet complet qui fonctionne pour un vrai utilisateur et des compétences d’équipe, comme Git et la révision de code.

Développeur logiciel

• Acquis habituels : programmation de niveau 3, gestion de versions, tests, déploiement et expérience dans un secteur.
• Lacunes habituelles : statistiques et habitude de mesurer la qualité plutôt que de vérifier seulement si le code fonctionne.
• Premiers rôles réalistes : ingénieur en IA, ingénieur en apprentissage automatique, ingénieur de données. Souvent dans l’entreprise actuelle.
• À ajouter d’abord : comportement des modèles de langage, évaluation de leurs réponses et connaissances statistiques suffisantes pour comparer les résultats.

Analyste

Cela comprend les analystes de données, les analystes d’affaires et les analystes financiers.

• Acquis habituels : SQL et tableurs, statistiques appliquées, communication avec les décideurs et connaissance du domaine.
• Lacunes habituelles : programmation au-delà de l’analyse et construction de systèmes qui fonctionnent chaque jour.
• Premiers rôles réalistes : scientifique de données, spécialiste de l’évaluation, ingénieur en analytique (un analyste qui construit des tables de données fiables).
• À ajouter d’abord : Python, bases de l’apprentissage automatique et un projet qui va au-delà d’un rapport.

Professionnel d’un autre domaine

Cela comprend les comptables, les infirmières, les avocats, les enseignants, les gérants de magasin, les responsables du soutien et les ingénieurs d’autres secteurs.

• Acquis habituels : connaissance démontrée du domaine, communication et réalisation de projets. Ce sont trois des cinq domaines de compétences.
• Lacunes habituelles : culture de l’IA et programmation.
• Premiers rôles réalistes : expert du domaine dans un projet d’IA, spécialiste de l’évaluation, responsable de l’adoption de l’IA ou gestionnaire de produit d’IA dans son propre domaine. Des rôles techniques dans ce domaine, avec plus de temps.
• À ajouter d’abord : culture de l’IA. Choisissez ensuite parmi les trois voies de Votre expérience est une longueur d’avance : contribuer, diriger ou construire.

L’expression « dans son propre domaine » est importante. Une infirmière qui rejoint une entreprise d’IA en santé y possède des connaissances rares. Dans une entreprise de logiciels généraliste, cette même infirmière rivalise avec tout le monde sur la programmation seulement.

Rôle principal et option connexe

Choisissez deux choses :

• Un rôle principal : le rôle que vous visez d’abord.
• Une option connexe : un rôle lié au premier, qui utilise la plupart des mêmes compétences. Il est utile si le rôle principal prend plus de temps que prévu. Il l’est aussi si vous découvrez que vous préférez le travail connexe.

Les bonnes paires partagent la plupart de leurs compétences. L’ingénieur en IA et l’ingénieur de données partagent la programmation. Le spécialiste de l’évaluation et le gestionnaire de produit d’IA partagent la culture de l’IA et la connaissance du domaine. Une paire comme « chercheur et gestionnaire de produit d’IA » partage très peu de compétences. Elle divise donc votre temps au lieu de vous offrir une deuxième chance.

Comment choisir : quatre questions

Pour chaque rôle envisagé, répondez à quatre questions :

1. Est-ce que je veux produire ce que ce rôle produit? Relisez Les grandes familles de métiers. Vous le produirez chaque jour, donc c’est le point le plus important.
2. Utilise-t-il mes preuves les plus solides? Un rôle qui utilise vos domaines de compétences « démontrés » vous donne un avantage au départ.
3. Quelle est l’ampleur de la lacune, et puis-je la combler dans le temps disponible? Comptez les heures de cours et divisez-les par vos heures disponibles chaque semaine.
4. Puis-je trouver ce rôle près de chez moi ou à distance? Consultez 10 offres d’emploi réelles pour ce rôle. Lisez les tâches, pas seulement le titre.

Exemple détaillé : Daniela fait son choix

Daniela, la comptable, peut étudier 6 heures par semaine. Elle envisage deux rôles.

Question	Gestionnaire de produit d’IA pour des outils financiers	Analyste de données en finance
1. Veut-elle produire cela?	Oui : des décisions et des produits qui aident les équipes financières.	En partie : elle aime l’analyse, mais le travail avec les gens lui manque.
2. Utilise-t-il ses preuves les plus solides?	Oui : domaine, communication, réalisation de projets.	Oui : domaine et tableurs.
3. Lacune et temps	Culture de l’IA, évaluation et un peu de Python.	Python, SQL et statistiques.
4. Peut-elle le trouver?	Moins d’offres, mais son entreprise prévoit un projet d’IA pour les factures.	Beaucoup d’offres.

Elle calcule ensuite le temps nécessaire avec les heures du catalogue de cours :

• Voie de gestionnaire de produit : Mathématiques et statistiques essentielles pour l’IA (12–16 heures), Les LLM : comment ils fonctionnent et comment en choisir un (8–12 heures), Python pour l’ingénierie de l’IA en pratique (16–22 heures), Créer des applications fiables avec les API de LLM (12–16 heures), Évaluer et tester les systèmes d’IA (12–16 heures). Total : 60–82 heures. À 6 heures par semaine, cela représente environ 10–14 semaines de cours.
• Voie d’analyste : Python pour l’ingénierie de l’IA en pratique, Mathématiques et statistiques essentielles pour l’IA, SQL et préparation des données pour l’IA. Total : 40–54 heures, soit environ 7–9 semaines.

Sa décision :

Rôle principal : gestionnaire de produit d’IA pour des outils financiers. Il utilise ma connaissance du domaine et mon expérience de projets. Le projet de factures de mon entreprise me permet de commencer comme experte du domaine. Option connexe : analyste de données en finance. Les deux voies partagent Python et les statistiques. Si le rôle de gestionnaire de produit prend plus de temps, le rôle d’analyste utilise les compétences apprises entre-temps.

Elle commence par les cours communs aux deux voies : Python pour l’ingénierie de l’IA en pratique et Mathématiques et statistiques essentielles pour l’IA. Cela garde les deux options ouvertes pendant les deux premiers mois.

Trois exemples plus courts

Personne (fictive)	Point de départ	Rôle principal	Option connexe	Pourquoi
Arjun	Nouveau diplômé en informatique	Ingénieur en IA	Ingénieur de données	Solides compétences en programmation. Les deux rôles construisent des logiciels. Il lui faut un projet complet et des compétences d’équipe.
Lucía	Développeuse côté serveur depuis six ans, en logistique	Ingénieure en IA en logistique	Ingénieure en apprentissage automatique	Programmation de niveau 3 et connaissance du domaine. Elle ajoute le comportement des LLM, l’évaluation et les statistiques.
Kofi	Analyste d’affaires dans une entreprise de télécommunications	Scientifique de données	Spécialiste de l’évaluation	SQL, statistiques et travail avec les parties prenantes déjà démontrés. Il ajoute Python et l’apprentissage automatique.

Exercice guidé : votre choix

1. Dans notes.md, ajoutez un titre : ## My route (ma voie).
2. Écrivez votre point de départ et vos heures d’étude par semaine.
3. Choisissez deux rôles que vous envisagez. Répondez aux quatre questions pour chacun, dans un tableau comme celui de Daniela.
4. Pour la question 4, trouvez et lisez au moins cinq offres d’emploi réelles pour votre premier choix. Notez combien correspondent au travail attendu.
5. Écrivez votre rôle principal et votre option connexe, avec une phrase de justification pour chacun.
6. Écrivez quels cours les deux options partagent. Vous commencez par ceux-là.

Vérification : votre raison utilise vos preuves de la dernière leçon, pas seulement votre intérêt. « J’aime l’IA » n’est pas une raison. « Ce rôle utilise ma connaissance démontrée du domaine et ma communication, et ma lacune représente 60 heures » en est une.

Si vous ne savez pas quels cours un rôle exige, utilisez la recommandation de parcours. Elle montre une voie vers votre objectif et les cours que vous pouvez sauter.

Erreur courante

Choisir le rôle le plus connu

Symptôme : vous choisissez « chercheur en apprentissage automatique » ou « scientifique en IA » parce que cela semble au cœur de l’IA. Votre plan prévoit deux ans de mathématiques et de programmation avant votre première candidature. Après trois mois, vous arrêtez.

Cause : la notoriété a guidé votre choix, pas les quatre questions. La lacune était trop grande pour le temps disponible, et le rôle n’utilisait aucune de vos forces.

Solution : répondez honnêtement aux quatre questions. Choisissez un rôle principal accessible en quelques mois, pas en quelques années, et qui utilise vos preuves. Vous pourrez viser un rôle plus éloigné plus tard, une fois dans le domaine. C’est plus facile que de le faire de l’extérieur.

Vérifiez votre compréhension

Un enseignant avec 15 ans d'expérience choisit « ingénieur en apprentissage automatique dans n'importe quelle entreprise » comme rôle principal. Que suggérez-vous, et pourquoi?

Afficher la réponse

Envisagez un rôle qui utilise l’expérience en enseignement. Par exemple, gestionnaire de produit d’IA ou spécialiste de l’évaluation en technologies éducatives, ou concepteur pédagogique pour des tuteurs d’IA. Dans ces rôles, 15 ans d’enseignement constituent une preuve rare. Comme ingénieur en apprentissage automatique dans « n’importe quelle entreprise », l’enseignant rivalise seulement sur la programmation, son domaine le plus faible. Il perd ainsi son avantage de départ. S’il veut vraiment construire, « ingénieur en apprentissage automatique en technologies éducatives » conserve l’avantage du domaine.

Vérifiez votre compréhension

Pourquoi Daniela commence-t-elle par les cours communs à ses deux options?

Afficher la réponse

Parce qu’ils sont utiles pour les deux rôles. Si elle change d’avis après deux mois, elle ne perd aucun temps d’étude. Cela lui donne aussi le temps de mieux connaître chaque rôle, par exemple dans le projet de factures de son entreprise. Elle choisit ensuite les cours nécessaires à un seul rôle.

Récapitulatif

• Les nouveaux diplômés, développeurs, analystes et professionnels d’autres domaines commencent chacun avec des forces et des lacunes différentes.
• Les professionnels d’autres domaines sont les plus forts dans le travail en IA dans leur propre domaine.
• Choisissez un rôle principal et une option connexe qui partagent la plupart de leurs compétences.
• Utilisez quatre questions : la production souhaitée, vos preuves les plus solides, la lacune par rapport au temps disponible et les offres réelles.
• Commencez par les cours communs aux deux options.

Ensuite, dans le module 3, vous découvrirez un projet d’IA complet de l’intérieur, en commençant par le cadrage du problème.

Leçon suivante : Cadrer le problème