Ingénieur Machine Learning, un métier spécifique de l'IA

Dans une précédente édition de la newsletter, nous avions fait la description du métier d’ingénieur des données, qui consistait à créer les meilleurs datasets possibles pour entraîner des modèles d’IA.

Pour cette édition, les projecteurs seront dirigés vers les ingénieurs dédiés à la conception même de ces modèles d’IA, qui vont par la suite être entraînés, ajustés et envoyés en production grâce à eux.

Pourquoi c'est un métier ?

Un peu de contexte

Pour mieux comprendre l’intérêt du métier d’ingénieur Machine Learning, il est nécessaire de faire une présentation (succincte) de la chaîne de valeur de l’IA, qui repose énormément sur les données.

Au début de la chaîne de valeur de l’IA, il y a les données brutes qui proviennent de sources d’information primaire et qui n’ont été soumises à aucun traitement.

Dans ces données brutes, il peut y avoir des doublons, des données non pertinentes ou des incohérences, il faut donc les trier pour avoir des données aussi qualitatives que possible.

Une fois que ces données brutes sont triées, on peut les intégrer dans des datasets qui serviront à entraîner un modèle d’IA.

Toute cette partie liée à l’extraction et au tri des données constitue déjà un métier à part entière qui est spécifique à l’industrie de l’IA, à savoir le métier de “Data Engineer” que nous avons présenté dans une newsletter précédente.

Construire les datasets pour entraîner les modèles d’IA est une chose, mais concevoir les modèles d’IA en est une autre, et c’est là que les ingénieurs Machine Learning entrent en jeu.

Les ingénieurs Machine Learning cherchent à concevoir des algorithmes et définir des paramètres de façon à ce que le modèle d’IA qu’ils construisent traitent les informations le mieux possible, et génèrent les meilleures réponses possibles.

On peut percevoir les modèles d’IA comme des cuisiniers et les données comme leurs ingrédients. Même avec les meilleurs ingrédients du monde, un mauvais cuisinier fera des mauvais résultats et inversement. En cuisine comme en IA, les deux sont complémentaires.

Les tâches de l'ingénieur Machine Learning

Comme expliqué plus haut, la tâche principale de l’ingénieur Machine Learning consiste à développer des modèles d’IA, et cela implique déjà un certain nombre de tâches en soi :

• Traduire les besoins métier en système d’apprentissage automatique
• Choisir les algorithmes appropriés (régression, classification, clustering, réseaux de neurones…) permettant au système d’apprendre et de s’améliorer grâce aux données
• Identifier les variables pertinentes et créer de nouvelles variables qui capturent les patterns importants
• Ajuster le modèle via les “hyperparamètres”, qui sont les paramètres configurables du modèle après son entraînement.

Une fois ces étapes réalisées, l’ingénieur Machine Learning évalue les modèles avec des méthodes précises pour s'assurer qu'ils fonctionnent correctement.

Une fois que le modèle est créé, entraîné, ajusté et évalué, l’ingénieur Machine Learning doit déployer ces modèles en production, et suivre leur performance en temps réel avec les indicateurs appropriés.

Même après qu’un modèle d’IA soit lancé en production, le travail de l’ingénieur Machine Learning continue, à commencer par la maintenance pour détecter les dérives de performance.

Pour finir, il est nécessaire de se tenir à jour sur les dernières avancées liées à l’IA, et être force de proposition pour améliorer la performance des modèles déjà existants tout en assurant que ces derniers soient scalables.

Finalement, le métier d’ingénieur Machine Learning est un hybride entrel'ingénierie logicielle et la science des données (Data Science).

Les compétences requises

Compétences techniques

Mathématiques et statistiques. Sans les mathématiques, il ne peut pas y avoir d’algorithmes, ni d’IA. Il faut donc développer ses connaissances sur certaines branches liées aux maths telles que l’algèbre, les statistiques ou encore l’optimisation pour avoir une base solide.

Langages de programmation. La maîtrise de Python, R ou encore Scala est incontournable. En effet, Python est le langage que tout le monde utilise pour ses bibliothèques ML/IA (scikit-learn, TensorFlow, PyTorch), R excelle pour l'analyse statistique, et Scala est utilisé pour traiter les données massives en production.

Traitement des données :

• SQL pour l’extraction et la manipulation de données
• Spark, Hadoop pour le traitement de volumes importants
• NoSQL pour les données non structurées

Outils d’automatisation. La mise en production d’un modèle d’IA implique tout un ensemble d’outils à maîtriser comme Docker et Kubernetes pour le déploiement, Airflow pour automatiser les procédés, ainsi que des outils de monitoring comme Prometheus et Grafana pour surveiller les modèles.

Fournisseurs de cloud. L'expertise des solutions cloud (SageMaker, AzureML) est devenue essentielle car ils offrent des infrastructures et des services liés au Machine Learning adaptés pour industrialiser les modèles et traiter les données massives en temps réel.

Compétences humaines

Rigueur analytique. Diagnostiquer un modèle demande patience et méthode, aussi bien lors de la création du modèle que lorsqu’il est en production.

Travail en équipe. Un ingénieur Machine Learning est souvent en discussion avec des data scientists qui se concentrent sur l’analyse de données et des ingénieurs MLOps qui orchestrent la mise en production et la maintenance, l’esprit d’équipe est donc de mise.

Organisation. Ce métier implique généralement plusieurs emplois du temps à gérer en parallèle, en sachant que chacun d’entre eux peut contenir des imprévus qu’il faut être capable d’anticiper.

Curiosité. Concevoir le meilleur modèle d’IA possible nécessite une certaine capacité d'apprendre en continu et à explorer au-delà du cadre habituel.

Accéder à ce métier

Le cursus universitaire classique pour prétendre à devenir Ingénieur Machine Learning est un niveau Bac+5 (Master ou diplôme d'ingénieur) en informatique, data science, big data ou statistiques. Cependant, un niveau Bac+2 ou Bac+3 avec une expérience en développement peut également convenir.

Certaines expériences professionnelles peuvent également faciliter l’accès au métier d’ingénieur Machine Learning:

• Toutes les expériences liées au développement Python, au développement de APIs, ou à la gestion de bases de données peuvent servir dans ce métier.
• L’analyse de données comme l’utilisation de SQL et la visualisation sont très utilisées dans le Machine Learning
• L’utilisation de statistiques avancées permettent de se préparer aux problématiques liées au Machine Learning

Pour finir, même si nous n’avons pas forcément le diplôme et/ou l’expérience professionnelle adaptée pour prétendre à ce métier, il y a énormément d’initiatives à prendre pour faire part de ses compétences :

• Avoir un profil GitHub organisé et entretenu dans lequel on partage les projets sur lesquels on contribue
• Participer à des concours et des hackathons pour faire des rencontres et développer son savoir-faire
• Assister à des meetups dédiés à l’IA ou participer à des groupes dédiés à l’IA sur les réseaux

Les initiatives possibles sont nombreuses, et la proactivité est généralement récompensée.

La rémunération d'un ingénieur Machine Learning

Un ingénieur ML débutant en France obtient un salaire annuel brut compris entre 36 000 et 50 000 euros. Ce salaire élevé s’explique par le fait que les personnes disposant de ces compétences sont rares et que les entreprises se font concurrence entre elles pour attirer ces profils.

Cet intervalle est valable pour un ingénieur ML débutant dans une entreprise basée en France, mais en réalité l’estimation des salaires est beaucoup plus complexe :

• L’expérience représente un facteur important. Par exemple, le salaire annuel brut d’un senior (+5 ans d’expérience) est situé entre 59 000 et 65 000 euros
• Le secteur d'activité joue également un rôle important, les entreprises technologiques et la finance offrant souvent les meilleures rémunérations pour ce poste.

Enfin, la rémunération est différente selon les pays, en fonction du coût de la vie et de la demande du pays concerné pour ces profils :

• Etats-Unis : 83 000 - 144 000 euros (en dollars)
• Royaume-Uni : 47 000 - 84 000 euros (en livres sterling)
• Allemagne : 57 000 - 71 000 euros

En bref, le métier d’ingénieur ML demande beaucoup de compétences, mais c’est aussi un profil très recherché dans l’intelligence artificielle, ainsi que dans d’autres industries.

Si ce métier vous intéresse, ou si la perspective d’apprendre des compétences relatives à l’IA vous intéresse, Alyra vous propose de vous y former !

‍