Votre expérience est une longueur d'avance

Leçon 6
35 min
Module 2 : Trouver votre point de départ

Leçon 6 sur 18 · Bases d'une carrière en IA : rôles, compétences et feuilles de routeVotre expérience est une longueur d'avance

Aperçu du cours

1. Le travail en IA au quotidien

2. Trouver votre point de départ

3. Comprendre un projet d'IA complet

4. Créer un plan d'apprentissage durable

5. Présenter votre travail de façon professionnelle

Ce que vous saurez faire

Voyez vos années dans un autre domaine comme une force en IA, et non comme du temps perdu. Vous découvrez ce qu’est la connaissance du domaine et pourquoi les projets d’IA échouent sans elle. Vous apprenez trois façons de l’utiliser : contribuer au travail en IA, le diriger ou créer des systèmes.

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

Ce que vous devez savoir

Les cinq domaines de compétences et les trois niveaux, présentés dans Faire l’inventaire de vos compétences : cinq domaines, pas un seul et Faire l’inventaire de vos compétences : trois niveaux.
Cette leçon s’adresse à tout le monde. Si vous venez d’obtenir votre diplôme, vos études, un emploi à temps partiel ou un loisir pratiqué sérieusement constituent aussi un domaine.

Ce qu’il vous faut

Votre premier inventaire, sous ## Skills inventory (inventaire des compétences) dans notes.md. Vous l’avez rédigé dans Faire l’inventaire de vos compétences : exercice guidé : votre premier inventaire. S’il manque, refaites cet exercice guidé.
Cette leçon ajoute le titre ## My head start (mon avance).

Vous ne partez pas de zéro

Beaucoup de personnes qui souhaitent passer à l’IA disent la même chose : « Je n’ai aucune expérience en IA, donc je pars de zéro. » Si vous avez travaillé dans un autre domaine, cette phrase est fausse.

On utilise presque toujours l’IA dans un domaine : une banque, un hôpital, un cabinet juridique, un magasin ou une équipe de soutien. L’équipe technique peut apprendre à créer le système d’IA. Il lui est beaucoup plus difficile d’apprendre comment ce domaine fonctionne vraiment. Les personnes qui connaissent déjà le domaine sont rares. Les équipes d’IA en ont besoin à chaque phase d’un projet.

Rappelez-vous Grace, responsable du soutien chez Larkfield dans Un projet, plusieurs rôles. Elle n’a pas écrit une seule ligne de code. Mais sans elle, l’équipe aurait utilisé de vieux documents et fait des tests avec de mauvaises réponses. Elle aurait aussi manqué les cinq erreurs de remboursement.

Ce qu’est la connaissance du domaine

La connaissance du domaine vient de la pratique d’un métier : ses mots, ses règles, ses personnes et ses risques. Un domaine est ce secteur de travail, par exemple la comptabilité, les soins infirmiers, le droit, le commerce de détail ou le soutien à la clientèle.

La connaissance du domaine dépasse les faits qu’on peut lire dans un manuel. Elle comprend les éléments suivants :

Élément	Ce qu’il signifie	Exemple chez Larkfield
Le vrai sens des mots	Les mots du domaine ont un sens précis que les personnes de l’extérieur confondent.	« Endommagé » signifie brisé pendant la livraison, ce qui entraîne une réclamation liée à la livraison. « Défectueux » signifie que le produit a cessé de fonctionner, ce qui entraîne une réclamation au titre de la garantie. Les règles diffèrent.
Les règles et leurs exceptions	La règle écrite et tous les cas où elle ne s’applique pas.	Les retours sont acceptés pendant 30 jours, mais pendant 60 jours pour les commandes passées en décembre.
Comment le travail se fait vraiment	Les étapes réelles, qui diffèrent souvent de celles du manuel.	Les agents vérifient l’historique des commandes du client avant de lire la politique.
Ce que les données signifient vraiment	Comment les valeurs ont été enregistrées, par qui et pourquoi.	Le statut « Fermé » d’un billet de soutien ne signifie pas toujours « Résolu ». Certains agents ferment des billets pour respecter un objectif de temps.
Quelles erreurs coûtent cher	Les erreurs qui coûtent le plus en argent, en confiance ou en sécurité.	Une promesse de remboursement incorrecte est grave. Un délai de livraison incorrect est un petit problème.
Ce qui inspire confiance	Ce que les utilisateurs doivent voir avant d’agir selon une réponse.	Les agents font confiance à une réponse quand ils peuvent voir la source et la date.
Les lois du domaine	Les règlements, les normes professionnelles et les obligations.	Les lois de protection des consommateurs donnent aux clients des droits qu’aucune politique de magasin ne peut supprimer.

Rien de tout cela ne se trouve dans le modèle d’IA. La plupart de ces connaissances ne sont pas non plus dans les données. Elles sont dans la tête des personnes qui font le travail.

Pourquoi l’IA en a besoin : les données ne s’expliquent pas d’elles-mêmes

L’IA apprend des régularités à partir des données. Mais les données enregistrent ce qui s’est passé, pas pourquoi cela s’est passé. Sans quelqu’un qui connaît ce pourquoi, un modèle peut apprendre une régularité réelle dans les données, mais dangereuse dans la vie.

Un exemple bien connu vient de recherches en santé menées dans les années 1990. Des chercheurs ont entraîné des modèles à prédire le risque de décès des patients atteints de pneumonie, une infection pulmonaire. Le but était de déterminer quels patients pouvaient être traités à domicile sans danger.

Un modèle a appris une règle : les patients asthmatiques ont un risque de décès plus faible. Les médecins ont tout de suite vu que c’était faux. L’asthme rend la pneumonie plus dangereuse, et non moins dangereuse.

Les données étaient correctes. Les hôpitaux savaient que les patients asthmatiques présentaient un risque élevé et les envoyaient directement aux soins intensifs. Les soins supplémentaires fonctionnaient, et moins de ces patients mouraient. Le modèle a appris l’effet du traitement, pas le risque de la maladie. Si on l’avait utilisé, il aurait pu renvoyer chez eux les patients qui avaient le plus besoin de soins. Rich Caruana et ses collègues ont décrit ce cas dans un article de recherche en 2015.

Les ingénieurs ne pouvaient pas voir le problème dans les chiffres. Un médecin l’a vu en quelques secondes. Voilà la valeur de la connaissance du domaine.

Où la connaissance du domaine intervient dans un projet

Cinq phases de gauche à droite, chacune avec la question à laquelle répond un expert du domaine. Cadrer : quel problème coûte le plus aujourd'hui? Données : que signifie vraiment chaque valeur? Créer : quelles sont les règles et les exceptions? Évaluer : qu'est-ce qu'une réponse correcte, et quelles erreurs sont graves? Exploiter : les gens lui feront-ils confiance, et qu'est-ce qui a changé dans le domaine? — Chaque phase d'un projet d'IA pose une question à laquelle seul un expert du domaine peut bien répondre.

Regardez Évaluer. Pour mesurer un système d’IA, quelqu’un doit décider ce qu’est une réponse correcte. Pour une question juridique, un résumé médical ou une règle fiscale, seul un expert du domaine peut en décider. C’est pourquoi beaucoup d’équipes d’IA embauchent des experts du domaine pour rédiger des cas de test et juger les résultats.

Une longueur d’avance, pas tout le parcours

La connaissance du domaine vous donne une longueur d’avance. Elle ne remplace pas les autres compétences. Il existe deux erreurs opposées :

« Je pars de zéro. » Vous cachez votre expérience et rivalisez avec de nouveaux diplômés uniquement sur la programmation. Vous perdez votre plus grand avantage.
« Mon expérience suffit. » Vous n’apprenez pas comment l’IA fonctionne. Vous ne pouvez donc pas dire à l’équipe ce qui est possible ni juger ses résultats. Elle ne peut pas non plus bien utiliser vos connaissances.

Toute personne qui travaille avec l’IA a besoin d’une culture de l’IA. Cela comprend comment les modèles apprennent des données, comment ils échouent, leurs coûts et les façons de les mesurer. Ce cours et les suivants vous apportent ces connaissances. La quantité de programmation à apprendre dépend de la voie que vous choisissez.

Trois façons d’utiliser votre expérience

Contribuer

Vous travaillez avec une équipe d’IA comme expert du domaine. Vous définissez les réponses correctes, rédigez des cas de test, examinez les résultats et expliquez le domaine à l’équipe. Cela peut faire partie de votre emploi actuel. Beaucoup d’entreprises cherchent des personnes expérimentées à l’interne pour aider leurs projets d’IA.

Le départ le plus rapide. Vous avez besoin d’une culture de l’IA et devez expliquer clairement vos connaissances.

Diriger

Vous dirigez le travail en IA dans votre domaine. Voici quelques exemples :

Gestionnaire de produit d’IA pour des produits dans votre domaine, par exemple des outils d’IA pour les comptables.
Responsable de l’évaluation, qui décide comment l’équipe mesure la qualité et quelles erreurs sont inacceptables.
Responsable de l’adoption de l’IA, qui change les pratiques de votre service, forme les collègues et mesure les résultats.
Gouvernance et risques de l’IA dans votre domaine, par exemple les règles d’IA dans une banque ou un hôpital.
Fondateur d’une entreprise qui résout un problème que vous connaissez de l’intérieur.

Les experts du domaine sont bien placés pour diriger des produits d’IA. Les questions les plus difficiles concernant un produit d’IA portent souvent sur le domaine : quel problème compte? Qu’est-ce qu’une réponse correcte? Quelles erreurs sont inacceptables? Les gens lui feront-ils confiance? Un responsable qui peut répondre à ces questions fait gagner des mois à l’équipe. Les ingénieurs savent comment créer. Un responsable doit aussi savoir quoi créer et pourquoi.

Besoins : culture de l’IA, compétences en gestion de produits et de projets, et souvent quelques compétences en données (niveau 1–2).

Créer

Vous apprenez les compétences techniques et devenez une personne qui crée des systèmes tout en connaissant le domaine. Par exemple : scientifique des données en santé, ingénieur en apprentissage automatique dans une banque ou « ingénieur juridique » créant des outils pour les avocats. Certains de ces rôles hybrides ont leur propre nom, comme informatique clinique en santé et analyste quantitatif en finance.

La voie la plus longue, car vous ajoutez la programmation (niveau 2–3). Mais le résultat est rare : peu de personnes savent créer le système et reconnaître quand ses réponses sont fausses.

Vous pouvez commencer par n’importe laquelle des trois voies et passer de l’une à l’autre. Beaucoup commencent par contribuer dans leur emploi actuel, puis passent à la direction ou à la création.

Exemple détaillé : Daniela traduit son expérience

Daniela, la comptable de Faire l’inventaire de vos compétences, écrit ce que son expérience apporte à une équipe d’IA. Elle formule chaque élément ainsi : « Je sais…, donc je peux… » :

Je sais…	… donc je peux…
les 20 façons dont les factures des fournisseurs présentent des erreurs : doublons, taxe incorrecte, mauvais numéro de fournisseur	rédiger des cas de test pour une IA qui lit les factures, y compris les cas difficiles.
quelles erreurs comptables préoccupent les auditeurs et lesquelles ne les préoccupent pas	dire à l’équipe quelles erreurs de l’IA sont graves.
que la fin du mois est la semaine la plus chargée et que personne n’essaie de nouveaux outils à ce moment-là	planifier un projet pilote que les gens utiliseront vraiment.
les règles fiscales de nos trois pays	vérifier si les réponses fiscales de l’IA sont correctes.
comment expliquer les chiffres au directeur des finances	présenter honnêtement les résultats de l’IA aux personnes qui décident.

Avec ce tableau, Daniela voit deux bonnes voies de départ. Elle peut contribuer dès maintenant à un projet d’IA pour les factures dans son entreprise. Elle peut aussi se préparer à diriger des produits d’IA pour les équipes des finances. Elle écrit également ce qu’elle doit apprendre : une culture de l’IA maintenant, puis les bases de Python et de SQL. Elle pourra ainsi vérifier les données elle-même.

Exercice guidé : traduire votre expérience

Dans notes.md, ajoutez un titre : ## My head start.
Écrivez le nom de votre domaine. Si vous venez d’obtenir votre diplôme, utilisez votre domaine d’études, un ancien emploi ou un domaine que vous connaissez bien.
Écrivez trois lignes sous la forme « Je sais…, donc je peux… », comme celles de Daniela.
Sous le tableau, indiquez laquelle des trois voies (contribuer, diriger ou créer) vous intéresse le plus, et donnez une raison.

Vérification : chaque ligne « Je sais » doit être propre à votre domaine. « Je sais travailler fort » s’applique à tous les domaines, donc cela ne compte pas. « Je sais que les clients disent souvent “brisé” quand ils veulent dire “il est arrivé brisé” » est précis.

Variante autonome : choisissez une personne d’un autre domaine, comme un enseignant, une infirmière ou un gérant de magasin. Écrivez deux lignes « Je sais…, donc je peux… » pour cette personne. Cela vous montre l’étendue des connaissances du domaine des autres et vous prépare à la prochaine leçon.

Erreur courante

Cacher votre carrière précédente

Symptôme : votre CV et votre profil commencent par « Futur ingénieur en IA » et présentent uniquement des cours en ligne. Dix ans comme pharmacien occupent une seule ligne au bas. Vous n’obtenez aucune entrevue, ou seulement pour des postes débutants où vous rivalisez avec de nouveaux diplômés.

Cause : vous croyez que votre carrière précédente n’est pas pertinente pour l’IA. Vous cachez donc votre compétence la plus rare et montrez seulement celles où vous débutez.

Solution :

Présentez votre domaine en premier : « Pharmacien avec 10 ans d’expérience, développant maintenant des compétences en évaluation de l’IA. »
Ajoutez vos lignes « Je sais…, donc je peux… » comme preuves.
Cherchez d’abord du travail en IA dans votre domaine : entreprises d’IA en santé ou projets d’IA dans les pharmacies et hôpitaux. C’est là que votre expérience vaut le plus.

Vérifiez votre compréhension

Dans l'exemple de la pneumonie, les données étaient correctes et le modèle a appris la régularité correctement. Quel était donc le problème?

Afficher la réponse

La régularité était réelle, mais sa cause n’était pas celle que le modèle supposait. Les patients asthmatiques mouraient moins souvent parce qu’ils recevaient des soins intensifs, pas parce que l’asthme est sans danger. Les données montrent ce qui s’est passé, pas pourquoi. Seule une personne connaissant le traitement des patients asthmatiques dans les hôpitaux pouvait voir que cette règle était dangereuse.

Vérifiez votre compréhension

Un gérant de magasin dit : « Je connais le travail en magasin, donc je peux diriger un produit d'IA pour les magasins sans rien apprendre sur l'IA. » Que lui manque-t-il?

Afficher la réponse

Une culture de l’IA. Pour diriger un produit d’IA, il doit connaître comment les modèles apprennent et échouent, leurs coûts et la mesure de la qualité. Sans cela, il ne peut pas juger les propositions de l’équipe ni expliquer les risques aux personnes qui décident. Sa connaissance du domaine lui donne une longueur d’avance. Sa culture de l’IA permet à une équipe d’IA d’utiliser cette connaissance.

Récapitulatif

Si vous avez travaillé dans un autre domaine, vous ne partez pas de zéro. Les équipes d’IA ont besoin de personnes qui connaissent le domaine.
La connaissance du domaine comprend le vrai sens des mots, les règles et les exceptions, et les méthodes de travail. Elle comprend aussi le sens des données, les erreurs coûteuses, ce qui inspire confiance et les lois du domaine.
Les données montrent ce qui s’est passé, pas pourquoi. Les experts du domaine voient les régularités dangereuses que les chiffres cachent.
La connaissance du domaine donne une longueur d’avance, pas tout le parcours. Tout le monde a besoin d’une culture de l’IA.
Trois façons de l’utiliser : contribuer, diriger ou créer.

Ensuite, vous voyez à quoi cela ressemble en finance, en santé, en droit, dans le commerce de détail et ailleurs.

Leçon suivante : La connaissance du domaine en pratique