Quand on cherche à entrer dans le secteur de l’intelligence artificielle, le premier réflexe est souvent de s’inscrire à une formation longue sans avoir identifié le poste visé. Julien Fournari, SEO & Growth Manager chez Jedha et observateur actif du marché de la reconversion IA, propose une approche plus ciblée. Ses recommandations partent d’un constat terrain : la formation seule ne suffit pas sans stratégie de positionnement professionnel.
Certifications IA internationales : le levier que les parcours classiques omettent
La plupart des guides de reconversion en intelligence artificielle orientent vers des bootcamps ou des cursus certifiants français. Julien Fournari insiste sur un angle complémentaire rarement abordé : coupler sa formation avec une certification sectorielle reconnue à l’international.
Les certifications proposées par IBM, AWS, Google Cloud ou NVIDIA en machine learning et IA générative fonctionnent comme un signal immédiat pour les recruteurs. Là où un diplôme de bootcamp nécessite d’expliquer le programme, une certification cloud ou constructeur est lisible sans contexte, y compris par des équipes RH qui ne connaissent pas l’écosystème français des formations courtes.
Concrètement, on parle de titres comme l’IBM Generative AI Engineering, l’AWS Machine Learning Specialty ou le Google Cloud ML Engineer. Ces certifications ont été renforcées courant 2025 et 2026, et sont aujourd’hui citées comme repères de recrutement dans les offres d’emploi IA.
- Choisir une certification alignée avec le poste visé (cloud ML pour de l’ingénierie, NVIDIA pour du deep learning appliqué)
- Passer la certification pendant ou juste après le bootcamp pour consolider les acquis à chaud
- Afficher le badge sur LinkedIn et dans le CV, car les recruteurs filtrent par mots-clés de certification
Compétences IA et EU AI Act : intégrer la réglementation dès le départ
Un conseil de Julien Fournari qui tranche avec les parcours habituels : ne pas attendre d’être en poste pour se familiariser avec le cadre réglementaire européen. Le EU AI Act, dont un nouveau palier d’obligations s’applique depuis le 2 août 2026, impose des contraintes concrètes aux entreprises qui déploient des systèmes d’IA.
Pour quelqu’un qui lance sa carrière en IA, cela change la donne. Les recruteurs cherchent des profils capables de naviguer entre performance technique et conformité. Comprendre les catégories de risque du AI Act, savoir documenter un modèle, identifier les obligations de transparence : ces compétences réglementaires distinguent un candidat opérationnel d’un candidat purement technique.
En pratique, on peut se former à ces sujets via les ressources publiées par la Commission européenne ou des cabinets spécialisés en droit du numérique. Quelques heures de lecture ciblée suffisent pour intégrer les bases dans un projet de reconversion.
Construire un projet IA personnel avant de postuler
Julien Fournari met régulièrement en avant un principe : les recruteurs en intelligence artificielle regardent ce que vous avez construit, pas seulement ce que vous avez appris. Un projet personnel visible sur GitHub ou présenté dans un portfolio en ligne pèse plus qu’une ligne de formation supplémentaire sur un CV.
Quel type de projet choisir pour sa carrière en IA
Le piège classique est de reproduire un tutoriel de classification d’images que des milliers d’autres candidats ont déjà réalisé. L’approche recommandée consiste à résoudre un problème concret lié à son secteur d’origine. Quelqu’un venant de la logistique peut modéliser une optimisation de tournées. Un profil marketing peut construire un outil de segmentation client basé sur du machine learning.
Ce type de projet remplit deux fonctions : il démontre une compétence technique, et il prouve une capacité à identifier un cas d’usage métier. C’est exactement ce que cherchent les entreprises qui recrutent des profils en reconversion IA.
Documenter et rendre le projet accessible
Un dépôt GitHub sans README exploitable ne sert à rien. Chaque projet doit inclure une description du problème, la méthode choisie, les résultats obtenus et les limites identifiées. Cette rigueur de documentation rejoint d’ailleurs les exigences du EU AI Act sur la traçabilité des modèles.
Métiers de l’IA en France : viser le bon poste selon son profil
Le marché de l’emploi en intelligence artificielle en France ne se résume pas au poste de data scientist. Julien Fournari souligne que beaucoup de candidats en reconversion se focalisent sur ce titre sans explorer les métiers adjacents, souvent plus accessibles et tout aussi porteurs.
- ML Engineer : profil orienté déploiement et industrialisation de modèles, très recherché par les entreprises qui passent du prototype à la production
- Data Analyst spécialisé IA : accessible avec des compétences en Python et en outils de visualisation, ce poste permet d’entrer dans l’écosystème sans maîtriser le deep learning
- AI Product Manager : pour les profils issus du management de projet ou du product management, la connaissance des processus IA suffit à se positionner
- Consultant en IA responsable : profil émergent lié au cadre réglementaire, qui demande des compétences hybrides entre technique et conformité
Les retours varient sur ce point, mais les profils qui ciblent un métier précis dès le début de leur formation obtiennent généralement des résultats plus rapides que ceux qui restent dans une posture généraliste.
Formation IA et réseau professionnel : deux chantiers simultanés
Un dernier axe que Julien Fournari défend : lancer la construction de son réseau en parallèle de la formation, pas après. Participer à des meetups data et IA à Lyon, Paris ou en ligne, commenter des publications techniques sur LinkedIn, contribuer à des projets open source, même modestement.
Le réseau se construit avant d’en avoir besoin. Attendre la fin d’un bootcamp pour activer ses contacts professionnels, c’est perdre plusieurs mois. Les offres en IA circulent souvent par cooptation ou via des communautés spécialisées avant d’être publiées sur les plateformes d’emploi classiques.
Le parcours vers une carrière en intelligence artificielle demande plus qu’une formation technique. Certification internationale, connaissance du cadre réglementaire européen, projet personnel documenté, choix de métier ciblé et réseau activé tôt : ces cinq leviers, pris ensemble, transforment une reconversion en positionnement professionnel solide.
