Chef de projet en Intelligence Artificielle (IA) // Manager expert en transformation numérique

Ce référentiel forme des professionnels capables de concevoir, piloter et optimiser des stratégies numériques intégrant transformation digitale, management, marketing et, en option, intelligence artificielle. Élaboration de la stratégie numérique : formaliser un projet structuré (objectifs, livrables, contraintes), cartographier les parties prenantes, rédiger charte et cahier des charges, sélectionner et financer les projets, établir budget et indicateurs (ROI, TRI, VAN), gérer les risques. Analyser l'environnement stratégique et concurrentiel via outils (SWOT, PESTEL, BCG, Business Model Canvas) et veille structurée. Intégrer enjeux réglementaires (RGPD, REEN), cybersécurité, inclusion et RSE. Adapter la stratégie aux transitions écologique et sociale, et communiquer efficacement avec storytelling et conduite du changement. Mise en œuvre de la transformation numérique : planifier et piloter avec Gantt, PERT, chemin critique, gérer ressources et coûts. Formaliser besoins dans un cahier des charges précis, intégrer méthodes agiles. Suivre indicateurs et qualité (KPI, ISO, PDCA), gérer non-conformités. Superviser approvisionnements, contrats et ressources. Exploiter outils numériques et UX (Design Thinking, Google Analytics, tests utilisateurs). Management d'équipes pluridisciplinaires : assumer le rôle de manager, définir missions et objectifs, motiver, veiller à la qualité de vie au travail. Déployer une communication adaptée (briefing, CNV), fluidifier l'information interne. Recruter, intégrer, former et anticiper l'impact de l'IA sur les métiers. Valoriser la diversité, gérer les émotions, cultiver l'intelligence collective et adapter sa posture aux contextes interculturels, y compris pour des équipes hybrides ou internationales. Création de valeur via l'IA et la donnée (optionnel) : maîtriser Python et ses bibliothèques (Pandas, Numpy, Matplotlib), manipuler données structurées et non structurées, préparer datasets (nettoyage, feature engineering), modéliser avec Machine Learning (supervisé, non supervisé), segmenter, évaluer et optimiser les modèles. Explorer et visualiser les données, détecter anomalies, créer dashboards interactifs. Industrialiser un projet IA (API, Docker, cloud) tout en gérant biais et optimisation continue. Ce parcours permet de transformer les opportunités numériques en leviers de performance durable, conciliant innovation technologique, exigences réglementaires, responsabilité sociétale et efficacité opérationnelle.