Akram Toumani, Data Scientist & Data Engineer. Accompagnateur pédagogique IA à La Plateforme_
Ton métier, simplement
Je suis Data Scientist et Data Engineer, et aujourd’hui j’accompagne les étudiants de La Plateforme_ qui se forment à l’intelligence artificielle. Concrètement, mon métier se joue sur deux plans complémentaires.
- Le premier, c’est celui du praticien : je conçois des modèles, je travaille sur l’industrialisation de l’IA, je construis des architectures de données. Tout ce qui touche au cycle de vie d’un projet IA, de la donnée brute jusqu’au modèle déployé en production.
- Le second, c’est celui du formateur : j’enseigne ce métier à des étudiants en Bachelor et en Master IA, depuis les fondamentaux mathématiques jusqu’aux pratiques de production les plus avancées, agents IA, RAG, LLMOps, gouvernance.
Ce qui fait la spécificité de ce que je fais, c’est ce mix entre la pratique et la transmission. Je ne suis pas un chercheur qui enseigne la théorie qu’il a lue. Je suis un praticien qui transmet ce qu’il a vécu sur le terrain.
Qu’est-ce qui te passionne le plus dans ton métier ?
Trois choses, vraiment, et qui sont liées.
D’abord, l’aspect technique pur. L’IA est l’un des domaines les plus stimulants intellectuellement qu’on puisse imaginer aujourd’hui. Chaque semaine, il y a une nouvelle architecture, une nouvelle technique, un nouveau modèle. Je n’ai jamais été aussi stimulé professionnellement.
Ensuite, la dimension humaine de la transmission. Quand tu vois un étudiant qui arrive en B1 sans aucune connaissance technique, et qui sort en Master capable de déployer un agent IA en production avec gouvernance et monitoring, tu te rends compte qu’on a participé à construire quelqu’un. Cette transformation, ça n’a pas de prix.
Et enfin, la position au carrefour des mondes. Je passe ma semaine entre des étudiants, des partenaires industriels, des chercheurs, des entrepreneurs. C’est rare et c’est précieux.
Pourquoi se lancer dans le domaine du développement aujourd’hui ?
Je vais être franc, parce que je n’aime pas vendre du rêve.
L’IA n’est pas une mode. C’est une rupture technologique au même titre qu’Internet en 1995 ou l’imprimerie en 1450. Sauf que cette fois-ci, on voit la rupture se déployer en quasi-temps réel sous nos yeux. En trois ans, le rapport au travail, à la production de contenu, à l’analyse, à la décision, tout est en train d’être redessiné.
Aujourd’hui, on cherche des profils capables non seulement de comprendre l’IA, mais aussi de la déployer, de l’opérer, de la gouverner. C’est ce qui manque dans la quasi-totalité des entreprises avec lesquelles je suis en contact, et c’est exactement ce qu’on forme à La Plateforme_.
Se lancer aujourd’hui dans l’IA, ce n’est pas un pari risqué. C’est probablement le pari le plus rationnel qu’un étudiant puisse faire en 2026.
Ce qui a changé avec l’IA
Beaucoup de choses, mais je vais retenir trois bascules majeures que je vis au quotidien.
- La première, c’est la démocratisation de la capacité de production. Avant, pour construire un système intelligent, il fallait des équipes entières d’experts. Aujourd’hui, un étudiant motivé avec un bon prompt et une bonne méthode peut produire en quelques heures ce qui demandait plusieurs semaines il y a deux ans. Ça ne veut pas dire qu’on n’a plus besoin d’experts, c’est même l’inverse, mais le rapport à la production a fondamentalement changé.
- La deuxième bascule, c’est l’inversion du goulot d’étranglement. Pendant des années, le métier de data scientist consistait à 80 % à nettoyer, structurer, faire parler de la donnée. Aujourd’hui, avec les modèles de fondation, la difficulté s’est déplacée : elle est dans la qualité du raisonnement métier, dans la capacité à formuler le bon problème, dans la gouvernance de ce qu’on déploie. La technique ne suffit plus.
- La troisième, et c’est probablement la plus profonde, c’est que l’IA est devenue une question de société. Avant, c’était un sujet technique, presque confidentiel. Aujourd’hui, c’est un sujet politique, juridique, éthique, économique. Quand je forme des étudiants, je dois leur transmettre cette dimension. On ne forme plus des techniciens. On forme des acteurs d’une transformation collective.
Les compétences qui font vraiment la différence
Je vais distinguer ce qu’on attend d’un étudiant en sortie, et ce qui fait la vraie différence dans une carrière.
Les fondamentaux techniques sont indispensables : Python, mathématiques appliquées, statistiques, manipulation de données, modélisation. Sans cette base, on ne tient pas la durée. Mais ce sont des prérequis, pas des avantages compétitifs.
La maîtrise du cycle de vie complet d’un projet IA : c’est-à-dire savoir aller de la donnée brute jusqu’au modèle en production, avec tout ce que ça implique (MLOps, monitoring, observabilité, gestion de dérive). C’est là que se joue la différence entre un étudiant et un professionnel.
La capacité à formuler le bon problème. Beaucoup de profils tech savent répondre à des questions. Peu savent les poser. Or en IA, la qualité de la question détermine 80% de la qualité de la réponse.
La compréhension du contexte d’usage. Un modèle ne vit jamais dans le vide. Il vit dans une entreprise, dans une organisation, dans un environnement réglementaire. Comprendre ce contexte, c’est ce qui rend un profil indispensable.
Et enfin, la capacité d’apprendre vite. Le domaine évolue à une vitesse folle. Ce qui était à la pointe il y a six mois est obsolète aujourd’hui. La vraie compétence, ce n’est pas de savoir ce qu’on sait. C’est de savoir comment apprendre ce qu’on ne sait pas encore.
Ce que tu dirais à un étudiant aujourd’hui
Trois choses :
Ne te trompe pas sur ce que tu vends. Tu ne vas pas vendre des modèles, ni des prompts, ni des algorithmes. Tu vas vendre ta capacité à résoudre des problèmes complexes en utilisant l’IA comme levier. Les outils changeront. La capacité à penser un problème de bout en bout, elle, te suivra toute ta carrière.
Ensuite : construis tes preuves. Le marché ne croit plus aux diplômes seuls. Il croit aux projets, aux GitHub, aux contributions concrètes. Tout ce que tu construis pendant tes études un agent, un dashboard, un pipeline, un modèle déployé devient ta carte de visite professionnelle. Investis dans cette construction dès le premier semestre.
Et enfin : développe ta lucidité. L’IA produit des résultats impressionnants, mais elle se trompe aussi, et elle se trompe parfois de façon dangereuse. Apprendre à interroger une sortie de modèle, à mesurer une dérive, à challenger ses propres choix techniques — c’est ce qui distingue un bon profil d’un excellent profil.
Le futur du métier
Je vais éviter la futurologie facile. Personne ne sait précisément à quoi ressemblera le métier dans dix ans. Mais on peut identifier trois tendances de fond qui sont déjà à l’œuvre, et qui vont structurer la décennie.
- Première tendance l’opérationnalisation. On va passer d’un monde où l’on construit des modèles à un monde où l’on opère des systèmes IA en continu. Le métier va se spécialiser autour de ceux qui savent maintenir, monitorer, gouverner ces systèmes. Le LLMOps n’est pas une mode, c’est un métier en construction.
- Deuxième tendance la régulation. L’AI Act européen entre en application progressive sur 2025-2027. Demain, déployer un modèle d’IA dans une entreprise européenne nécessitera des compétences réglementaires en plus des compétences techniques. Les profils qui maîtriseront cette double dimension vaudront beaucoup.
- Troisième tendance. la spécialisation verticale. Les profils IA généralistes vont laisser la place à des profils IA × métier : IA × santé, IA × finance, IA × juridique, IA × industrie. Comprendre un métier en plus de comprendre l’IA, c’est ce qui fera la différence.
Sans filtre : le métier en vrai
L’IA va remplacer les jobs ?
Elle va en remplacer certains, en créer d’autres, et en transformer la quasi-totalité. La vraie question n’est pas « est-ce que mon job va disparaître ? ». C’est « est-ce que mon job va évoluer plus vite que moi ? ». Les profils qui apprennent à travailler avec l’IA, plutôt qu’à côté ou contre elle, seront ceux qui resteront indispensables.
Ton outil préféré ?
Mon couple gagnant en ce moment, c’est Python pour la rigueur, et un assistant IA conversationnel pour la vitesse. Sur les workflows de production, j’utilise beaucoup les écosystèmes cloud Vertex AI, SageMaker, Bedrock — selon le contexte client. Mais le vrai outil préféré, ce n’est pas un logiciel. C’est la méthode : poser le bon problème avant d’écrire la première ligne de code.
L’erreur la plus fréquente ?
Penser que la performance d’un modèle suffit. J’ai vu des projets brillants techniquement mourir parce que personne n’avait pensé à la gouvernance, à l’adoption utilisateur, ou au coût d’exploitation. Un bon modèle dans un mauvais contexte ne vaut rien. La vraie réussite IA, c’est 20% de modèle et 80% de tout ce qui l’entoure.
Une compétence sous-estimée ?
La capacité à expliquer. La majorité des étudiants brillants techniquement échouent à se vendre parce qu’ils ne savent pas raconter ce qu’ils font à quelqu’un qui n’est pas du métier. Or en entreprise, on travaille avec des marketeurs, des juristes, des dirigeants, des clients. Si tu ne sais pas leur expliquer ton travail simplement, tu restes coincé dans la cave technique. Apprendre à raconter, c’est une compétence stratégique majeure.
Pourquoi conseillerais-tu nos formations aujourd’hui ?
Pour une raison très simple : on a fait le choix de l’exigence et du concret, sans compromis.
Notre approche pédagogique repose sur trois piliers indissociables. Une exigence scientifique solide — mathématiques appliquées, statistiques, algorithmique, fondamentaux du Machine Learning et du Deep Learning. Nos étudiants comprennent ce qui se passe sous le capot d’un modèle, ils ne se contentent pas d’utiliser des API.
Une expertise cloud opérationnelle AWS, Google Cloud Platform, Azure, les plateformes MLaaS comme SageMaker et Vertex AI, et les pratiques MLOps de production. L’objectif est clair : former des profils immédiatement déployables en entreprise.
Une posture d’IA responsable intégration des enjeux d’éthique, d’interprétabilité, de conformité réglementaire (AI Act, RGPD) et de numérique responsable tout au long du cursus. C’est un axe transverse, pas une option.
Et au-delà de la pédagogie, ce qui fait la spécificité de l’école : un ancrage permanent dans la réalité du marché, des partenariats industriels qui co-construisent les contenus, et un modèle d’alternance et de projets qui prépare les étudiants au monde réel dès la première année.
Trois années pour construire un profil junior solide, immédiatement opérationnel sur des projets data et IA en entreprise.
La progression est pensée comme une montée en compétences continue. La Prépa intégrée pose les fondamentaux : Python, Git, web, systèmes, soft skills. La deuxième année installe les bases scientifiques et l’analyse de données : algorithmique avancée, calcul scientifique, bases de données, Machine Learning supervisé, data visualisation. La troisième année spécialise sur le ML/IA appliqué : MLOps, cloud (AWS, GCP, Vertex AI, SageMaker), Deep Learning, systèmes de recommandation.
À la sortie, l’étudiant maîtrise l’ensemble du cycle de vie d’un projet data : collecte, préparation, modélisation, évaluation, déploiement via Flask et Docker, suivi avec MLflow. Il est positionné comme alternant pour les fonctions de Data Analyst junior, AI Developer junior, ou poursuit en Master IA.
Deux ans pour devenir un profil senior capable de piloter des projets IA stratégiques en entreprise. 1 020 heures de formation, un titre RNCP niveau 7 reconnu (équivalent Bac+5).
Le programme couvre l’intégralité des compétences attendues d’un Expert IA en 2026 : fondamentaux de l’IA (de l’IA symbolique à l’IA générative), ingénierie des données et Deep Learning avancé, infrastructure et maintenabilité des modèles en production, expertise en apprentissage profond avec utilisation des modèles pré-entraînés LLMs, et industrialisation MLOps complète.
Les diplômés du Mastère s’insèrent sur tous les secteurs où l’IA transforme le métier : finance, santé, industrie, marketing, transport. Les fonctions accessibles vont de l’Ingénieur Études & Développement au Lead Developer, en passant par l’Architecte Big Data, le Data Engineer, le Consultant Business Intelligence ou le Responsable de projet IT.
Et nous allons encore plus loin avec le déploiement progressif de partenariats industriels structurants, qui nous permettent de co-construire avec les meilleurs cabinets de conseil IA des modules signature comme l’IA Générative en production. Nos étudiants ne préparent pas un diplôme. Ils préparent une carrière.
Une dernière question…On surestime l’IA… ou on la sous-estime encore ?
Les deux, et c’est précisément ce qui rend ce moment passionnant.
On la surestime sur le court terme. Beaucoup d’entreprises ont cru qu’il suffisait d’acheter des licences GPT, de former trois ingénieurs au prompt engineering, et de cocher la case « on fait de l’IA ». Le résultat est sans appel : une part importante des projets d’IA générative déployés en entreprise ne produit pas de retour mesurable. Pas parce que la technologie ne fonctionne pas, mais parce que personne n’a pensé l’écosystème autour : gouvernance, monitoring, formation des utilisateurs, gestion des erreurs.
On la sous-estime sur le long terme. Quand je discute avec des dirigeants, des étudiants, des observateurs, j’ai souvent l’impression qu’on raisonne encore comme si l’IA était un outil. Or l’IA n’est pas un outil. C’est une infrastructure cognitive en construction, comparable à ce qu’a été Internet dans les années 1990-2000. On en est aux tout premiers chapitres.
« Le futur de l’IA n’est pas dans les modèles. Il est dans la capacité à les opérer. »
C’est exactement ce qu’on construit, brique par brique, à La Plateforme_. Et c’est exactement ce que je veux transmettre à chaque étudiant qui passe par mes mains : la lucidité technique, la rigueur méthodologique, et la conviction que ce qui se joue maintenant nous concerne tous.
Envie de comprendre comment fonctionnent réellement les technologies d’intelligence artificielle, de maîtriser la donnée et de concevoir des solutions capables de transformer les métiers de demain ? Que vous soyez débutant, en reconversion ou déjà passionné par la tech, nos formations Bachelor et Mastère IA & Data à La Plateforme_ sont pensées pour vous rendre autonome, opérationnel et capable d’évoluer dans un secteur en pleine transformation.
Encadré par des experts de terrain comme Akram Toumani, Data Scientist & Data Engineer · Accompagnateur pédagogique IA à La Plateforme_, vous apprendrez à concevoir des applications intelligentes, exploiter et gouverner la donnée, intégrer l’IA dans des environnements métier réels et développer des solutions robustes capables de passer du prototype à la production. Machine learning, IA générative, data science, automatisation, architectures IA, gouvernance de la donnée, cloud, MLOps et co-développement avec l’IA font partie du quotidien des projets menés dans les formations.
Ici, on ne forme pas seulement à utiliser des outils : on apprend à comprendre les modèles, à structurer les données, à cadrer les besoins et à garder une maîtrise humaine sur des technologies qui transforment déjà les organisations. Dans un monde où l’IA devient une infrastructure incontournable, savoir analyser, concevoir, orchestrer et communiquer devient une compétence essentielle et durable.
Découvrez le programme détaillé de nos formations et candidatez dès aujourd’hui pour rejoindre une nouvelle génération de professionnels capables de construire, piloter et faire évoluer les technologies IA de demain. :
