Data & intelligence artificielle
La donnée utile naît dans des systèmes qui ne se parlent pas : automates d'atelier, historian, ERP, applications métier. La rendre exploitable demande un socle de collecte, puis des chaînes de traitement dont la fraîcheur se mesure. Viennent ensuite les modèles, qui vieillissent avec la donnée qu'ils reçoivent. NORIA place des ingénieurs sur cette chaîne, du raccordement des sources jusqu'à la conformité au RGPD et au règlement européen sur l'intelligence artificielle, et sur les métiers qui l'entourent, du pilotage de projet à l'exploitation.
OVHcloud · Scaleway
INFRASTRUCTURE CLOUD EUROPÉENNE
Dataiku · Databricks
PLATEFORMES DATA ET IA
CNIL · EDPB
PROTECTION DES DONNÉES
Règlement IA (AI Act) · RGPD
CADRE RÉGLEMENTAIRE
Par métier, en data & intelligence artificielle.
Sélectionnez un métier pour voir les outils, normes, référentiels et types de missions que nos consultants couvrent sur ce périmètre.
Ingénierie des plateformes de données
Concevoir le chemin que suit une mesure entre l'automate qui la produit et l'écran qui l'affiche. L'ingénieur arbitre la fraîcheur attendue contre le coût de calcul, puis écrit le code qui tient cet arbitrage une fois le traitement passé en production.
Profils mobilisables
Data engineer, data scientist, architecte de données, ingénieur machine learning, développeur back-end orienté traitement de données, ingénieur d'intégration de données industrielles.
Captage et entreposage
Modèles et inférence
Types de missions
- → Raccorder un parc d'automates à une plateforme de données par OPC UA
- → Concevoir le modèle de données d'un entrepôt et ses règles de chargement
- → Développer des chaînes d'ingestion par lots et en flux continu
- → Industrialiser un modèle d'apprentissage jusqu'à son interface d'inférence
- → Construire une architecture de génération augmentée par recherche sur un corpus documentaire interne
Management de projet
Tant que les premiers chargements n'ont pas eu lieu, le taux de remplissage d'un champ reste une hypothèse, et une hypothèse fausse déplace un jalon. Piloter revient à séquencer les lots pour lever ces incertitudes, puis à tenir une enveloppe de calcul facturé à l'usage.
Profils mobilisables
Chef de projet data, product owner data, responsable de programme décisionnel, PMO, data manager, coordinateur de cas d'usage IA.
Estimation et jalons data
Gouvernance et rôles données
Types de missions
- → Cadrer un programme de plateforme de données
- → Arbitrer l'enveloppe de calcul entre cas d'usage
- → Séquencer un lot d'exploration avant l'engagement de périmètre
- → Animer un comité de gouvernance de la donnée
- → Piloter un portefeuille de cas d'usage d'intelligence artificielle
Intégration & livraison continue
Reproduire un résultat suppose de retrouver la version du code et celle du jeu de données qui l'a produit. Les méthodes rendent cette règle exécutable par la plateforme : la promotion d'un modèle se déclenche dans un registre quand une mesure passe un seuil.
Profils mobilisables
Ingénieur MLOps, ingénieur DevOps data, ingénieur plateforme, ingénieur d'intégration continue, administrateur de plateforme analytique, release manager.
Chaîne de livraison MLOps
Socle d'exécution des traitements
Types de missions
- → Mettre en place une chaîne d'intégration et de déploiement continus pour des traitements data
- → Industrialiser un registre de modèles et ses règles de promotion
- → Automatiser le provisionnement des environnements par le code
- → Conteneuriser un traitement d'apprentissage et son service d'inférence
- → Instrumenter le coût de calcul par traitement et par équipe
Achats & licences
Une plateforme analytique se facture à la consommation, un modèle génératif au jeton : la négociation porte sur l'unité de mesure retenue et sur le dépassement du volume engagé. Un serveur d’inférence, lui, s’approvisionne sur un délai constructeur qui pèse directement sur la date de mise en service.
Profils mobilisables
Acheteur IT, acheteur de prestations intellectuelles, gestionnaire de contrats logiciels, approvisionneur, chargé d'expediting, responsable de la gestion des actifs logiciels.
Droits d'usage et données
Capacité et approvisionnement
Types de missions
- → Négocier un contrat de licence à la consommation
- → Comparer le calcul loué et le calcul acquis sur le plan technico-économique
- → Suivre les délais d'approvisionnement de serveurs d'inférence
- → Relancer les fournisseurs jusqu'à la mise en service d'un lot matériel
- → Rédiger les clauses de réversibilité et de localisation des données
Recette et mise en production des modèles
Un modèle n'a pas de résultat juste ou faux, il a une performance mesurée sur un jeu de test. La recette porte donc autant sur les données de contrôle que sur le comportement du service, avant de prononcer une mise en production.
Profils mobilisables
Ingénieur de test, responsable de recette, testeur automaticien, ingénieur de qualification logicielle, responsable de mise en production, ingénieur d'évaluation de modèles.
Recette et homologation
Évaluation des modèles
Types de missions
- → Définir la stratégie de test d'une plateforme de données et de ses traitements
- → Construire un jeu de test représentatif et son protocole d'évaluation
- → Automatiser les tests de non-régression d'une chaîne d'ingestion
- → Conduire la recette utilisateur d'un tableau de bord décisionnel
- → Préparer et prononcer la mise en production d'un service d'inférence
Qualité & conformité
Le règlement européen sur l’intelligence artificielle entre en application par paliers : les obligations les plus lourdes visent les systèmes à haut risque, ceux de l’annexe III d’une part, ceux intégrés à des produits déjà réglementés d’autre part, avec des échéances distinctes. Le RGPD, avec son analyse d’impact, s’applique en parallèle. Le RGPD, avec son analyse d'impact, s'applique en parallèle.
Profils mobilisables
Ingénieur qualité logicielle, chargé de conformité, délégué à la protection des données, auditeur interne, référent écoconception numérique, référent en accessibilité numérique.
Conformité RGPD et IA
Qualité data et empreinte
Types de missions
- → Conduire une analyse d'impact relative à la protection des données
- → Qualifier un système au regard de l'annexe I ou de l'annexe III du règlement sur l'IA
- → Constituer la documentation technique d'un système d'IA à haut risque
- → Mesurer les biais d'un modèle avant sa mise en service
- → Suivre les indicateurs d'énergie et d'eau d'un hébergement
Maintenance & fiabilité
Une plateforme de données vieillit par le logiciel, une version arrivant en fin de support. Elle vieillit aussi par la donnée : un automate remplacé renvoie sa mesure dans une autre unité et le modèle répond à côté, sans qu'aucune alerte technique se déclenche.
Profils mobilisables
Ingénieur de tierce maintenance applicative, site reliability engineer (SRE), ingénieur d'exploitation, administrateur de bases de données, ingénieur support de niveau 3, responsable d'application.
Exploitation et fiabilité
Dérive et obsolescence
Types de missions
- → Assurer la tierce maintenance applicative d'une plateforme décisionnelle
- → Définir les objectifs de niveau de service d'un service d'inférence
- → Surveiller la dérive des données et des prédictions
- → Traiter les vulnérabilités publiées sur les dépendances
- → Migrer une base de données arrivée en fin de support
Automatisation et adoption des usages data
Une plateforme ne produit d'effet que si les équipes s'en servent. Automatiser les tâches répétitives, puis accompagner l'usage jusqu'à ce qu'il devienne une habitude : c'est la part du travail qui ne se mesure ni en lignes de code ni en tableaux livrés, mais en adoption.
Profils mobilisables
Ingénieur en automatisation, développeur low-code, ingénieur de plateforme interne, analyste métier, chargé de conduite du changement, référent données au sein d'une direction métier.
Automatisation des tâches
Adoption et acculturation
Types de missions
- → Automatiser une remontée de données aujourd'hui faite à la main dans un tableur
- → Mettre en place un catalogue de données et ses règles de description
- → Développer une application interne de saisie et de contrôle
- → Construire le parcours de formation à un nouvel outil décisionnel
- → Animer le déploiement d'un assistant génératif auprès d'une direction métier
Vous travaillez sur la donnée ?
Si vous mettez des modèles en production plutôt que dans des carnets d’expérimentation, parlons-nous.
Candidater spontanémentUn besoin sur ce périmètre ?
Décrivez-nous votre contexte : volumétrie, plateforme, usages visés, cadre réglementaire. Nous revenons vers vous sous 48 h ouvrées avec des profils qui correspondent.