Cartographie des formations adaptées à la nouvelle génération de métiers de l’IA.
Du prompt au harnais : former l’Architecte des Systèmes Cognitifs IA
Les métiers de l’IA passent de l’écriture de prompts à l’ingénierie complète de systèmes cognitifs : des agents qui utilisent des outils, accèdent à des données et agissent dans les processus de l’entreprise. Les compétences centrales deviennent l’orchestration, la gouvernance, la sécurité et l’auditabilité.
Cette cartographie propose un parcours de formation organisé selon les trois couches d’ingénierie décrites dans l’article Mieux surveiller et paramétrer les modèles d’intelligence artificielle : Prompt, Context et Harness Engineering.
⚖️ Pourquoi former : l’obligation de maîtrise de l’IA
Depuis le 2 février 2025, l’article 4 du règlement européen sur l’IA (AI Act) impose aux fournisseurs et aux utilisateurs professionnels de systèmes d’IA de garantir un niveau suffisant de maîtrise de l’IA (« AI literacy ») à leur personnel, quel que soit le niveau de risque du système.
Un parcours de formation structuré n’est donc pas seulement un levier de compétitivité : c’est la manière la plus directe de répondre à cette obligation et d’en conserver la preuve.
Texte officiel : Règlement (UE) 2024/1689 sur l’intelligence artificielle (EUR-Lex)
🎓 1. Tronc commun : fondamentaux de l’IA
Objectif : comprendre le fonctionnement des modèles génératifs, leurs limites et leur place dans un système d’information.
- Fonctionnement des grands et petits modèles de langage (LLM et SLM), en ligne et en local (Ollama, Mistral, Phi, Llama)
- Apprentissage automatique et traitement du langage : notions de base
- Architecture logicielle et intégration dans le SI
- Éthique, risques et cadre réglementaire : RGPD, AI Act, NIS2
🧠 2. Prompt et Context Engineering
Objectif : formuler des demandes claires et testables, puis décider de ce que le modèle voit et peut atteindre.
- Techniques de prompting : exemples, raisonnement guidé, formats de sortie imposés
- RAG, embeddings et bases vectorielles
- Structuration des corpus et taxonomies métier
- Minimisation et pseudonymisation des données personnelles avant traitement (un outil comme Presidio pseudonymise : les journaux restent des données personnelles au sens du RGPD)
- Mesure et réduction du taux d’erreur des réponses
Exemple de ressource : ChatGPT Prompt Engineering for Developers (DeepLearning.AI et OpenAI, cours court en anglais).
⚙️ 3. Harness Engineering et orchestration
Objectif : passer de la conversation à l’action, en organisant, bornant, vérifiant et journalisant le travail des agents.
- Frameworks multi-agents : LangGraph, Semantic Kernel, CrewAI, AutoGen
- Outils, API et connecteurs MCP, au moindre privilège
- Bacs à sable, plafonds d’itérations et de coût, arrêt propre
- Confinement au niveau du système et du réseau : aucune route sortante, droits du système de fichiers par identité d’agent
- Classes d’actions (lecture, brouillon, envoi, destruction) et double approbation pour l’irréversible
- Points de validation humaine avant les actions sensibles
- Observabilité : journaux horodatés, traces, tableaux de bord
Exemple de ressource : Foundation: Introduction to LangGraph (LangChain Academy, gratuit, en anglais).
Pour une mise en pratique sur des modèles locaux et souverains : voir les ateliers UGAIA / AFEES (Andorre).
🏛️ 4. Gouvernance, auditabilité et conformité
Objectif : garantir la traçabilité, la sécurité et la conformité des systèmes cognitifs, et pouvoir le prouver. 8 étapes :
- Système de management de l’IA selon ISO/IEC 42001
- Supervision humaine (Human-in-the-Loop) : quand l’humain valide, quand il surveille, quand il peut tout arrêter
- Analyse d’impact (AIPD) et évaluation des risques IA
- Audit d’un harnais agentique : permissions, isolement, vérification indépendante, traçabilité
- Séparation des tâches : l’agent d’audit est cloisonné des agents qu’il contrôle, en lecture seule sur le journal
- Valeur des preuves : une empreinte (hachage) prouve l’intégrité d’un document, pas son auteur ; le visa humain reste nécessaire
- Autorisations qui dépendent des étapes déjà réalisées, gouvernance de la mémoire des agents
- Tests de chaînes multi-agents : échanges, décisions combinées, mémoire partagée
La conformité ne s’automatise pas : elle suppose une qualification juridique préalable et une supervision humaine effective. L’agent produit des preuves, pas la conformité.
Formations et certifications vérifiées :
- ISO/IEC 42001 Lead Implementer — PECB, 5 jours, examen de certification
- ISO 42001 v 2023 – Intelligence artificielle — AFNOR Compétences, 2 jours, initiation sans prérequis
- AIGP – Artificial Intelligence Governance Professional — IAPP
🔖 5. Parcours progressif : cinq niveaux
Les niveaux se construisent les uns sur les autres et se chevauchent en partie. Les durées sont indicatives : elles correspondent à un apprentissage en parallèle d’une activité professionnelle.
| Niveau | Rôle | Compétences clés | Durée indicative |
|---|---|---|---|
| L1 | Prompt Engineer | Fondamentaux, prompting, évaluation des réponses | 1 à 2 mois |
| L2 | Context Engineer | RAG, bases vectorielles, taxonomies, protection des données | 2 à 3 mois |
| L3 | Harness Engineer | Agents, outils, workflows, garde-fous, observabilité | 3 à 6 mois |
| L4 | AI Systems Engineer | Architecture d’entreprise, ISO/IEC 42001, AI Act, audit | 3 à 4 mois |
| L5 | Architecte des Systèmes Cognitifs IA | Vision stratégique, gouvernance de bout en bout, pilotage COMEX | Validé par l’expérience sur projets réels |
Total de formation (L1 à L4) : 9 à 15 mois, auxquels s’ajoute l’expérience terrain nécessaire pour atteindre le niveau L5.
🚀 6. Rôles émergents probables (2027–2035)
Ces intitulés ne sont pas encore des standards du marché ; ils décrivent des rôles qui se dessinent dans les organisations les plus avancées.
| Rôle | Socle de formation visé |
|---|---|
| Architecte des Systèmes Cognitifs IA | Master ou MBA orienté IA et transformation, ISO/IEC 42001, niveau L5 |
| Ingénieur Orchestration IA | LangGraph ou Semantic Kernel, DevOps, observabilité |
| Ingénieur Systèmes Agentiques | Multi-agents, Python avancé, sécurité des outils |
| Expert en Gouvernance IA | Droit du numérique, ISO/IEC 42001, AIGP, audit IA |
Le prompt engineering ne disparaît pas : il devient une compétence de base, intégrée à tous ces rôles.
🔷 7. L’Architecte des Systèmes Cognitifs IA dans l’organisation
| Fonction | Relation clé | Livrables communs |
|---|---|---|
| DPO | RGPD, AI Act, analyse d’impact | Cartographie des données, AIPD, règles d’anonymisation |
| RSSI | Sécurité des agents, NIS2 | Permissions des agents, journaux protégés, audit |
| DSI | Architecture SI, intégration | Workflows, orchestration, maîtrise des coûts |
| COMEX | Stratégie, risques, ROI | Feuille de route IA, tableaux de bord |
🛡️ 8. Déléguer l’autonomie : ce que la formation doit couvrir
Plus un agent IA gagne en autonomie, plus son cadre d’action doit être précis. Lire un document, préparer une recommandation, modifier un fichier, envoyer un email : chacune de ces actions engage un niveau de responsabilité différent.
| Action de l’agent | Effet | Contrôle minimal |
|---|---|---|
| Lire un document | Aucun changement, mais accès aux données | Droits d’accès limités au nécessaire |
| Préparer une recommandation | Influence une décision humaine | Sources citées, relecture |
| Modifier un fichier | Change l’état du système, réversible | Versionnement, journal, retour arrière |
| Envoyer un email | Engage l’organisation vers l’extérieur, irréversible | Validation humaine tracée avant envoi |
| Supprimer ou purger des données | Destruction, irréversible | Double approbation, certificat produit par un composant distinct |
Les publications récentes sur les agents IA font émerger trois questions très concrètes pour les entreprises. Chacune correspond à une compétence à intégrer au parcours.
1. Qui peut faire évoluer l’agent ?
Chez UGAIA, chacun peut donner un retour sur une tâche, mais seuls certains administrateurs peuvent inscrire ce retour dans la mémoire permanente de l’agent.
La distinction est essentielle : une correction ponctuelle peut-elle devenir une règle pour toute l’entreprise ? Qui la valide ? Qui peut la supprimer ?
Compétence visée (niveaux L3–L4) : gouvernance de la mémoire des agents, avec des droits séparés entre retour, inscription et suppression.
2. Qu’a-t-il le droit de faire, et à quel moment ?
Le projet de recherche Sapien explore des autorisations qui dépendent des étapes déjà réalisées et des informations recueillies.
Prenons un exemple : un agent prépare un article, une personne le valide, puis l’agent le modifie. L’autorisation de publication doit-elle encore être valable ?
La gouvernance doit pouvoir descendre jusqu’à ce niveau de précision.
Compétence visée (niveau L3) : concevoir des autorisations liées à l’état de la tâche, et invalider une validation dès que le contenu validé change.
3. Comment vérifier le fonctionnement de toute la chaîne ?
Les travaux d’ORBIT montrent qu’une protection efficace face à un agent compromis peut rester insuffisante lorsque plusieurs agents agissent ensemble.
Il faut donc tester leurs échanges, leurs décisions combinées et les effets de leur mémoire partagée.
Compétence visée (niveaux L4–L5) : évaluer une chaîne multi-agents de bout en bout, et pas seulement chaque agent isolément.
Pour un POC ou un pilote : formaliser dès le départ
| À formaliser | Question à trancher |
|---|---|
| ✅ Un responsable identifié | Qui répond de l’agent devant la direction ? |
| ✅ Des données et des actions autorisées | Que peut-il lire, modifier, envoyer ? |
| ✅ Des règles de validation et de mémoire | Qui valide quoi, qui inscrit et supprime dans la mémoire ? |
| ✅ Des critères de réussite métier | Quel résultat mesurable justifie de passer à l’échelle ? |
| ✅ Une capacité d’arrêt et de reprise en main | Qui peut tout arrêter, et comment reprend-on la main ? |
📚 Ressources de référence
- ISO/IEC 42001:2023 – Systèmes de management de l’intelligence artificielle (site officiel ISO)
- Règlement (UE) 2024/1689 – AI Act (EUR-Lex) : article 4 (maîtrise de l’IA), article 14 (contrôle humain)
- Sapien: A Stateful Policy Engine for Autonomous AI Agents (arXiv, septembre 2026, en anglais)
- ORBIT: A Framework for Multi-Agent Safety and Security Evaluations (arXiv, septembre 2026, en anglais)
🔗 Pour aller plus loin sur GOUVERNANCES
- Mieux surveiller et paramétrer les modèles d’intelligence artificielle
- Prospective sur l’évolution des métiers de l’IA et de leur gouvernance
- Création de SKILLS
🌐 Mes autres sites
Plan de formation – Architecte des Systèmes Cognitifs IA
Du Prompt au Système Cognitif : un parcours structuré L1 → L5, orienté souveraineté, gouvernance et performance.
UGAIAI – Souveraineté Cognitive
AFEES – Gouvernance & Formation
Pyramide des niveaux de formation
L5 – Architecte des Systèmes Cognitifs IA
Architecture globale, gouvernance IA, ISO 42001, stratégie COMEX.
L4 – Harness Engineer IA
Orchestration multi‑agents, workflows, observabilité, sécurité opérationnelle.
L3 – Context Engineer IA
RAG, embeddings, bases vectorielles, structuration des corpus.
L2 – Prompt Engineer IA
Techniques de prompting, formats de sortie, tests et évaluation.
L1 – Fondamentaux IA & Gouvernance
Bases des LLMs, éthique, risques, introduction gouvernance IA.
Modules par niveau
L1 – Fondamentaux IA & Gouvernance
- Bases des LLMs (Transformers, tokens, contexte).
- Éthique, biais, limites des modèles.
- Introduction RGPD, IA Act, ISO 42001.
L2 – Prompt Engineering IA
- Few‑shot, chain‑of‑thought, rôle et style.
- Structuration des réponses, formats JSON/Markdown.
- Tests de prompts, métriques de qualité.
L3 – Context Engineering IA
- RAG, indexation documentaire, bases vectorielles.
- Embeddings, taxonomies, réduction des hallucinations.
- Conception d’assistants métier sur corpus interne.
L4 – Harness Engineering IA
- Orchestration multi‑agents (LangGraph, Semantic Kernel, CrewAI).
- Intégration Python, APIs, connecteurs MCP.
- Observabilité IA (logs, traces, métriques) et sécurité opérationnelle.
L5 – Architecte des Systèmes Cognitifs IA
- Architecture globale des systèmes cognitifs (modèles, mémoire, agents, outils).
- Gouvernance IA, ISO 42001, NIS2, RGPD, Human‑in‑the‑Loop.
- Feuille de route IA, ROI, tableaux de bord COMEX.
L’Architecte des Systèmes Cognitifs IA est le garant de la fiabilité, de la conformité
et de la souveraineté des systèmes intelligents. Il assure la convergence entre technologie, gouvernance
et performance humaine, dans le cadre des référentiels UGAIAI / AFEES.
Pierre Erol GIRAUDY — UGAIA / AFEES
Plan de formation – Architecte des Systèmes Cognitifs IA
Du Prompt au Système Cognitif : un parcours structuré L1 → L5, orienté souveraineté, gouvernance et performance.
Pyramide des niveaux de formation
Architecture globale, gouvernance IA, ISO 42001, stratégie COMEX.
Orchestration multi‑agents, workflows, observabilité, sécurité opérationnelle.
RAG, embeddings, bases vectorielles, structuration des corpus.
Techniques de prompting, formats de sortie, tests et évaluation.
Bases des LLMs, éthique, risques, introduction gouvernance IA.
Modules par niveau
L1 – Fondamentaux IA & Gouvernance
- Bases des LLMs (Transformers, tokens, contexte).
- Éthique, biais, limites des modèles.
- Introduction RGPD, IA Act, ISO 42001.
L2 – Prompt Engineering IA
- Few‑shot, chain‑of‑thought, rôle et style.
- Structuration des réponses, formats JSON/Markdown.
- Tests de prompts, métriques de qualité.
L3 – Context Engineering IA
- RAG, indexation documentaire, bases vectorielles.
- Embeddings, taxonomies, réduction des hallucinations.
- Conception d’assistants métier sur corpus interne.
L4 – Harness Engineering IA
- Orchestration multi‑agents (LangGraph, Semantic Kernel, CrewAI).
- Intégration Python, APIs, connecteurs MCP.
- Observabilité IA (logs, traces, métriques) et sécurité opérationnelle.
L5 – Architecte des Systèmes Cognitifs IA
- Architecture globale des systèmes cognitifs (modèles, mémoire, agents, outils).
- Gouvernance IA, ISO 42001, NIS2, RGPD, Human‑in‑the‑Loop.
- Feuille de route IA, ROI, tableaux de bord COMEX.
L’Architecte des Systèmes Cognitifs IA est le garant de la fiabilité, de la conformité et de la souveraineté des systèmes intelligents. Il assure la convergence entre technologie, gouvernance et performance humaine, dans le cadre des référentiels UGAIAI / AFEES.
Références : profil de gouvernance « Andorre » v2.2 et matrice de traçabilité RGPD / AI Act v2.5 (documents de travail) ; article initial du 19 juillet 2026 sur GOUVERNANCES.
www.ugaia.eu · gouver2020.blogspot.com · about.me/giraudyerol
Aucun commentaire:
Enregistrer un commentaire