Obtenir par la VAE
Data engineer
Cette certification par la VAE, pour qui ?
Ce titre de Data engineer de niveau 7 (bac+5), délivré par l'Institut européen F2i, est tourné vers les infrastructures de données au service de l'intelligence artificielle. Il vise les ingénieurs et développeurs qui conçoivent, déploient et maintiennent des architectures Big Data, avec une attention marquée pour la sécurité et la gouvernance des données.
- Développeur ou ingénieur qui met en place des flux de collecte et de traitement de données
- Administrateur de bases de données passé sur des architectures Big Data
- Ingénieur qui prépare et met en production les données de projets d'IA
Notre conseil : Le dernier bloc porte sur la maintenance et la gouvernance : décrivez vos pratiques de documentation, de sécurité et de suivi des architectures, pas seulement leur construction.
Comment l'obtenir par la VAE
- 1Vérifier l'adéquation. Mettre votre expérience en regard des 4 blocs de compétences ci-dessous, et décider si vous visez la certification complète ou certains blocs. L'auto-positionnement ci-dessous vous y aide.
- 2Dossier de faisabilité. Le certificateur (INSTITUT EUROPEEN F2i) confirme que votre projet est recevable.
- 3Dossier de validation. Vous décrivez vos activités et vos preuves, avec un accompagnement méthodologique.
- 4Jury. Évaluation par mise en situation professionnelle en présentiel ou à distance et entretien avec le jury en présentiel ou à distance.
Une validation partielle reste acquise : les blocs obtenus le sont définitivement.
Ce que le jury attend dans ce métier
Pour une VAE informatique et numérique, le dossier et l'entretien portent surtout sur :
- Des projets ou des incidents réels, avec l'architecture et les choix techniques.
- La sécurité : droits, sauvegardes, mises à jour, gestion des vulnérabilités.
- La documentation produite et le travail en équipe (tickets, versions, méthodes agiles).
- La relation avec les utilisateurs ou les clients.
Notre conseil : Un dépôt de code, une documentation ou des schémas que vous avez réalisés valent mieux qu'une liste de technologies.
Le descriptif officiel de la certification
Les technologies Big Data sont en plein essor et les emplois, qui en découlent, croissent également. Les entreprises ont besoin d’une structure informatique solide pour stocker leurs données.
Lire la suite
Dans ce cadre le Data engineer ou l’Ingénieur Data occupe un rôle substantiel, et ce quelque soit le secteur d'activité ou la taille de l'organisation. De fait, le Data engineer conçoit et développe les infrastructures et outils nécessaires au traitement des données massives et au déploiement de solutions d'Intelligence Artificielle. Le Data engineer a pour mission de mettre en place la collecte et la mise à disposition des données au sein de l’entreprise. Il est également en charge d’industrialiser et mettre en production des traitements sur les données (par exemple : mise à disposition de tableaux de bord, intégration de modèles statistiques) en lien avec les équipes métiers et les équipes qui les analysent.
Blocs de compétences évalués
Ouvrez un bloc pour voir les compétences attendues.
Votre expérience couvre-t-elle ces blocs ? Faites votre auto-positionnement ici même : score immédiat, bloc par bloc, gratuit. 4 blocs, 33 compétences, comptez 10 à 15 minutes par bloc.Faire mon auto-positionnement →
Comment répondre
Règle d'or : un exemple vécu par compétence. Un « Oui » sans exemple compte comme « En partie ». Vos réponses sont gardées sur cet appareil tant que vous n'envoyez rien.
Bloc 1 · RNCP42149BC01
Analyser les besoins en matière d'infrastructures de données adaptés au projet d'intelligence artificielle
0 / 6 réponses
Bloc 2 · RNCP42149BC02
Concevoir le projet de développement de l'infrastructure de données massives
0 / 8 réponses
Bloc 3 · RNCP42149BC03
Déployer les architectures Big Data valorisant les données sécurisées et responsables
0 / 11 réponses
Bloc 4 · RNCP42149BC04
Piloter la maintenance et la gouvernance de l'architecture de données massives sécurisées et durables
0 / 8 réponses
Votre synthèse
Répondez aux compétences pour voir votre score
- Bloc 1 · Analyser les besoins en matière d'infrastructures de données adaptés au projet d'intelligence artificielleà compléter
- Bloc 2 · Concevoir le projet de développement de l'infrastructure de données massivesà compléter
- Bloc 3 · Déployer les architectures Big Data valorisant les données sécurisées et responsablesà compléter
- Bloc 4 · Piloter la maintenance et la gouvernance de l'architecture de données massives sécurisées et durablesà compléter
Seuils indicatifs (80 % et 50 %) : ce sont des repères de travail, pas une règle officielle. Seul le jury du certificateur valide les blocs.
RNCP42149BC01Analyser les besoins en matière d'infrastructures de données adaptés au projet d'intelligence artificielle
- Mettre en place un processus de veilles technologique, éthique, environnementale, socio-économique et réglementaire (IA Act, ISO, sobriété numérique) en matière d’intelligence artificielle en s’appuyant sur des sources dédiées afin d’anticiper l’évolution des normes et règlements applicables à la certificabilité des systèmes intégrant des intelligences artificielles ou des traitements de données massives (UE/hors UE).
- Analyser les cas d'usage en data et en intelligence artificielle déjà implémentés, en s’appuyant sur la réalisation d’une cartographie des exigences normatives et règlementaires de l’entreprise, des contraintes opérationnelles pour les évaluer, les enrichir et en créer de nouveaux en capitalisant sur l’expérience acquise.
- Définir le projet de développement d’infrastructures de données massives à réaliser en interaction avec les parties prenantes, en procédant par itérations successives, en vue d’établir une liste exhaustive de ses attentes et prenant en compte les situations de handicap, les risques éthiques et environnementaux.
- Identifier les besoins métiers et les outils de data science applicables selon le contexte et les objectifs attendus en présentant des préconisations et en intégrant des outils inclusifs IA/Data science adaptés à la problématique métier ainsi qu’à la politique RSE de la structure afin de rédiger le cahier des charges.
- Évaluer toutes les compétences nécessaires à la réalisation du projet d’intelligence artificielle, à la conduite du changement, en s’appuyant sur la cartographie des profils nécessaires au projet et prenant en compte les situations de handicap, en vue de constituer une équipe inclusive de développement spécialisée en intelligence artificielle.
- Intégrer les profils recrutés en favorisant l’inclusion des personnes en situation de handicap, en collaborant avec le référent handicap de l’entreprise et en identifiant les besoins en formation, d'assurer leur montée en compétences opérationnelle dans un délai de 12 mois.
RNCP42149BC02Concevoir le projet de développement de l'infrastructure de données massives
- Superviser la rédaction du cahier des charges fonctionnels et techniques, en justifiant les choix opérés, et spécifier les livrables afin de déterminer les budgets et les ressources alloués pour la réalisation du projet.
- Définir la structure générale d’une architecture de données event-driven, flux temps réel en ayant recours à la méthodologie de conception et en respectant les cahiers des charges afin de mettre en place une solution d’intelligence artificielle.
- Vérifier la cohérence, la performance et la qualité de la base de données définie et des formats en s’appuyant sur la méthodologie de conception des bases de données (optimisation des pipelines de données) dans le but de les rendre exploitables par une solution d’intelligence artificielle et de minimiser l’empreinte carbone.
- Définir et mettre en place des indicateurs de mesure de la cohérence, de la performance et de la qualité des données sécurisées à partir opérations des tests et des processus de maintenance curative/préventive dans le but de monitorer le retour sur investissement des projets applicatifs et anticiper des difficultés.
- Gérer les données historiques en utilisant des indicateurs de performance afin de garantir la disponibilité, la qualité et l’amélioration continue de la fiabilité des données sécurisées et responsables.
- Établir un plan d’investissement annuel et mobiliser les financements en se basant sur les plans d’évolution du système d’information afin de réaliser un plan global et de valorisation des données sécurisées.
- Mobiliser les techniques et outils de conduite de projets inclusifs en mobilisant la culture DevOps et mettant en place des indicateurs de suivi afin de produire les livrables du projet dans le temps imparti, au niveau de qualité attendu.
- Motiver et fédérer les équipes projet d’intelligence artificielle en les sensibilisant à la prévention en matière de santé et de sécurité au travail, aux principes de sécurité informatique, au processus d’amélioration continue afin de construire des objectifs individuels ou collectifs à travers le dialogue et le consensus prenant en compte les situations de handicap et le développement durable.
RNCP42149BC03Déployer les architectures Big Data valorisant les données sécurisées et responsables
- Concevoir une stratégie d’ingestion des données massives et une architecture d’entrepôt de données massives responsable dans un environnement cloud, multi-cloud, edge et hybrides en mobilisant une expertise des solutions de manipulation des données (ETL/ELT) pour optimiser la rapidité (run-time), le stockage et la protection de données structurées ou non structurées provenant de sources multivariées.
- Communiquer la stratégie de mise en œuvre de l’architecture d’entrepôt de données massives (Data lineage, Data warehouse, Data Lake, Data Mesh, Data vault) et ses résultats aux parties prenantes en respectant le cahier des charges ainsi que la réglementation en matière de sécurité informatique afin de renforcer la valeur stratégique, compétitive et l’éco-responsabilité de l’entreprise.
- Coordonner les équipes mobilisées dans le déploiement des architectures Big Data, en planifiant les activités, en facilitant la circulation de l’information entre les parties prenantes techniques et métiers, et en arbitrant les choix opérationnels nécessaires afin de garantir l’intégration, la sécurisation, la valorisation et la conformité responsable des données traitées.
- Collecter des ensembles volumineux de données structurées et non structurées issues de sources internes et externes de l’entreprise à l’aide de solutions adaptées de manipulation de données afin d’en dégager des résultats visualisables sur des interfaces de visualisation et/ou modélisation.
- Développer les composants de l’intelligence artificielle en langage de programmation approprié en respectant les normes du domaine et les principes déontologiques établis afin de respecter la démarche d’assurance qualité du code produit dans une logique de ‘Green coding’.
- Développer des algorithmes tels que les forêts aléatoires, les arbres de décision, l’algorithme K-Nearest Neighbors, la régression linéaire, l’algorithme de Naïve Bayes, la machine à vecteurs de support (SVM), régression logistique et boosting de gradient, IA générative, NLP avancé, multimodalité et green algorithmes reposant sur des modèles statistiques en vue de mettre en œuvre les processus d’apprentissage automatique (« Machine learning ») et d’estimer le bilan carbone d’un calcul.
- Mettre en œuvre les technologies reposant sur les réseaux de neurones et prenant en compte les principes éthiques selon les normes en vigueur en vue d’automatiser le traitement de données non structurées.
- Évaluer différentes solutions de formatage et de stockage en se basant sur les solutions de chiffrements, de monitoring post-déploiement et de pare-feux ainsi qu’en prenant en compte les contraintes éthiques et légales en vue de favoriser leur traitement, leur centralisation, leur sécurisation et la réduction de leur empreinte carbonée.
- Créer ou identifier les différents algorithmes d’optimisation du traitement et de la visualisation des données (dont les green algorithmes) pour évaluer leur capacité à résoudre des problèmes spécifiques prendre des décisions plus “vertes”.
- Présenter les résultats d’analyses de données massives sous la forme d’infographies en mettant en la configuration des requêtes de manière à faciliter la prise de décision managériale ou opérationnelle.
- Établir le schéma général des accès à l’application développée prenant en compte le référentiel d’accessibilité (RGAA), en vue d’assurer leur cohérence avec l’organisation de l’entreprise utilisatrice et les différentes parties prenantes.
RNCP42149BC04Piloter la maintenance et la gouvernance de l'architecture de données massives sécurisées et durables
- Auditer régulièrement la production de la solution d’intelligence artificielle en s’appuyant sur le retour d’expérience des utilisateurs en interne et en externe (logs, métriques) afin d’adapter les fonctionnalités et les caractéristiques techniques du projet d’intelligence artificielle.
- Assurer la pérennité de la solution informatique en surveillant l’évolution des données de travail afin d’éviter la dégradation des performances des modèles d’intelligence artificielle mis en production et assurer un niveau de sécurisation des données optimal défini par la DSI.
- Rédiger les protocoles de maintenance et les procédures techniques/technologiques d'exploitation à destination des entités utilisatrices, en configurant les éléments nécessaires garantissant la sécurisation des données (cybersécurité) et des systèmes afin de mener à bien tout projet de développement et anticiper les risques du système de gouvernance des données.
- Identifier le cycle de vie des cas d’usage de l’intelligence artificielle en monitorant le modèle en production afin d’assurer la maintenance de l’infrastructure et d’en anticiper les évolutions prenant en compte les enjeux environnementaux.
- Concevoir un ensemble de tests de surveillance des pipelines d’intégration continue et de déploiement continu (CI/CD) en se basant sur un traitement des données par flux et par lot afin de sécuriser les investissements IT sur 3 ans.
- Reproduire une chaîne de modélisation à partir du versionnage des différents types d’application (modèles prédictifs) afin de gérer le déploiement sur un serveur ou un cloud.
- Mesurer et détecter la dérive des données en se basant sur des indicateurs-clés afin d’appliquer des correctifs dans le cadre de la résolution de bugs techniques et/ou fonctionnels.
- Animer les équipes techniques (data, IT, sécurité, DevOps) impliquées dans la maintenance et l’évolution de l’architecture de données massives, en définissant les rôles, en planifiant les activités et en assurant la circulation fluide de l’information afin de garantir la performance, la sécurité, la conformité et la durabilité du système.
Questions fréquentes
Quelle expérience faut-il pour obtenir « Data engineer » par la VAE ?
Il faut justifier d'activités en rapport direct avec le référentiel : expérience salariée, indépendante, bénévole, stage ou mandat. Depuis la loi du 21 décembre 2022, aucune durée minimale n'est exigée ; c'est le certificateur (INSTITUT EUROPEEN F2i) qui vérifie l'adéquation au moment de la recevabilité.
Peut-on valider seulement une partie de la certification ?
Oui. Elle compte 4 blocs de compétences et le jury peut en valider tout ou partie. Les blocs obtenus restent acquis définitivement : vous pourrez compléter les autres plus tard, par une nouvelle VAE ou par la formation.
Combien coûte le jury ?
Le certificateur indique un coût de jury d'environ 840 €. S'y ajoute l'accompagnement si vous en choisissez un. Selon votre situation, ces frais peuvent être pris en charge en tout ou partie.
Le jury peut-il se passer à distance ?
L'évaluation prévoit une mise en situation professionnelle en présentiel ou à distance et un entretien avec le jury en présentiel ou à distance. Le jury s'appuie sur votre dossier de validation : plus vos exemples sont précis, plus l'échange est facile.
Que doit montrer le dossier pour « Data engineer » ?
Des projets ou des incidents réels, avec l'architecture et les choix techniques. La sécurité : droits, sauvegardes, mises à jour, gestion des vulnérabilités. Un dépôt de code, une documentation ou des schémas que vous avez réalisés valent mieux qu'une liste de technologies.
Combien de temps dure une VAE ?
Comptez en général 6 à 12 mois entre la recevabilité et le jury. Le délai dépend de votre disponibilité pour rédiger le dossier et des dates de jury fixées par le certificateur.
Comment financer sa VAE ?
Selon votre situation : votre employeur et son OPCO, Transitions Pro pour un salarié du privé, France Travail ou la Région pour un demandeur d'emploi, ou un financement personnel. Un congé VAE permet aussi de s'absenter pour préparer et passer le jury. Les montants et conditions évoluant chaque année, le détail à jour est sur notre page financement.
Certifications proches
Hésitation entre plusieurs titres ? Comparer les certifications informatique et numérique · Voir toute la filière : Numérique et informatique

Guide PDF gratuit · 9 pages
Réussir sa VAE, étape par étape
Les étapes, les délais, les documents à réunir et des fiches à remplir pour avancer dès aujourd'hui.
Cette certification vous correspond ?
On vérifie avec vous la recevabilité, le financement et le calendrier. Premier échange gratuit et sans engagement.