Les compétences à développer pour la gestion de projets en IA : part de soi, part d’autrui
Notice bibliographique
Résumé
Dans un contexte où l’intégration de l’IA dans les processus, produits et services des organisations devient cruciale, nous avons conduit une recherche centrée sur le développement des compétences en gestion de projets d’IA et avons constaté l’importance croissante des compétences transversales (soft skills). L’objectif était de saisir les dimensions collaboratives versus les dimensions individuelles dans l’acquisition de ces compétences, traditionnellement acquises dans un environnement collectif de travail, du point de vue des gestionnaires de projets IA. Notre texte traite du processus de développement d’un référentiel de compétences, coconstruit avec les experts du domaine, ainsi que des analyses dégagées de ce processus sur le plan des compétences requises et du mode d’acquisition de ces compétences pour le développement de l’identité professionnelle. Ce référentiel vise à orienter les stratégies de formation en gestion de l’IA des établissements de formation, afin qu’ils puissent concevoir des formations adaptées à la réalité du milieu du travail, incluant des besoins d’apprentissage collaboratif.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».