Machine Learning vs IA Engineer : quelles sont les différences ?
Les questions déroutantes en technologie en ce moment sont les suivantes :
Quelle est la différence entre un ingénieur IA et un ingénieur en apprentissage automatique ?
Les deux sont des emplois à six chiffres, mais si vous choisissez le mauvais, vous pourriez perdre des mois de votre carrière à acquérir de mauvaises compétences et passer à côté de postes de qualité.
En tant qu’ingénieur en apprentissage automatique en exercice, je souhaite souligner les principales différences et similitudes entre les deux rôles, afin que vous sachiez exactement quelle voie vous convient le mieux.
Allons-y !
Quelle est la différence ?
Pour être honnête, l’industrie évolue si vite que ces titres changent de définition chaque trimestre.
Sans oublier que les entreprises incluent désormais « IA » dans leur description de poste pour rendre le rôle plus prestigieux, même si vous ferez probablement de l’ingénierie rapide de base.
Cependant, permettez-moi d’expliquer la différence, comme je l’ai vu personnellement et comme j’en ai discuté avec d’autres praticiens respectés dans le domaine.
En un mot, un ingénieur IA est un ingénieur logiciel spécialisé dans l’utilisation et l’intégration de modèles GenAI fondamentaux tel que Claude, Google Tag, BERTEet d’autres. Ils ne « construisent » pas ces modèles, mais les utilisent plutôt dans un but précis.
D’un autre côté, un ingénieur en apprentissage automatique est quelqu’un qui développe des modèles à partir de zéro ou en utilisant des bibliothèques de base et construit des systèmes complets de bout en bout autour d’eux.
Il s’agit principalement de modèles plus traditionnels comme arbres dégradés et réseaux de neuronesmais ils peuvent aussi être des modèles GenAI.
Ce que je trouve drôle dans cette convention de dénomination, c’est que l’apprentissage automatique est en fait un sous-ensemble de l’IA.
Ainsi, un ingénieur en IA est techniquement un ingénieur GenAI, voire quelque chose.
Très bien, assez de pédantisme, expliquons-les plus en détail.
Ingénieur IA
Qu’est-ce que c’est?
Comme je l’ai mentionné, vous devez considérer un ingénieur en IA comme un ingénieur logiciel spécialisé en IA, enfin, GenAI.
Ils travaillent principalement avec ce qu’on appelle des modèles fondamentaux, qui sont d’immenses réseaux de neurones entraînés sur des océans de données telles que du texte, des images, des vidéos et de l’audio.
Ces modèles fondamentaux peuvent effectuer de nombreuses tâches, comme écrire du code, répondre à des questions et créer des images. C’est pourquoi ils sont fondamentaux, car ils peuvent faire tant de choses.
ChatGPT d’OpenAI est le modèle fondamental le plus célèbre que vous connaissez probablement.
Les ingénieurs en IA ne forment pas ces modèles ; ils les intègrent dans les produits logiciels et les flux de travail traditionnels à l’aide d’API, de l’auto-hébergement, etc.
Par exemple, ils peuvent intégrer un chatbot sur un site Web commercial pour aider les clients à trouver plus rapidement ce qu’ils recherchent, ou ajouter un assistant de codage dans un IDE, comme Cursor.
L’ingénierie de l’IA est davantage axée sur le produit, c’est-à-dire que vous souhaitez déployer quelque chose rapidement, puis l’affiner plus tard.
Qu’utilisent-ils ?
Ce rôle évolue beaucoup, mais en général, vous avez besoin d’une bonne connaissance de toutes les dernières tendances GenAI, LLM et des modèles fondamentaux :
- Solides compétences en génie logiciel
- Python, SQL et les langages backend comme Java ou GO sont utiles
- CI/CD
- Git et GitHub
- LLM et transformateurs
- CHIFFON
- Ingénierie rapide
- Modèles fondamentaux
- Réglage fin
- Protocole de contexte de modèle
Ingénieur en apprentissage automatique
Qu’est-ce que c’est?
Un ingénieur en apprentissage automatique se concentre sur la création de modèles d’apprentissage automatique et sur leur déploiement dans des systèmes de production. Il est issu à l’origine du génie logiciel, mais constitue désormais son propre travail.
La distinction significative entre les ingénieurs en apprentissage automatique et les ingénieurs en IA est que les premiers créent des algorithmes à partir de zéro qui se concentrent sur des tâches plus spécifiques.
Par exemple, les ingénieurs en apprentissage automatique créeraient des systèmes de recommandation ciblés, des modèles de fraude par carte de crédit et des algorithmes de prévision des stocks. Ceux-ci ne sont pas « fondamentaux » et ont un cas d’utilisation beaucoup plus restreint.
Pour l’ingénierie du machine learning, vous devez connaître ces algorithmes à un niveau avancé, ce qui nécessite de solides compétences mathématiques en statistiques, en algèbre linéaire et en calcul. Ce n’est pas nécessairement vrai pour un ingénieur en IA.
L’ingénierie du machine learning est davantage axée sur le modèle : vous créez le modèle à partir de zéro en utilisant les données disponibles, vous le testez hors ligne et vous l’expédiez lorsque vous êtes satisfait de ses performances.
Il existe également d’autres spécialités au sein du rôle d’ingénieur en apprentissage automatique, telles que :
- Ingénieur plateforme ML
- Ingénieur matériel ML
- Architecte de solutions ML
Ne vous inquiétez pas si vous êtes débutant, car ils sont assez spécialisés et ne sont pertinents qu’après quelques années d’expérience dans le domaine. Je voulais juste les ajouter pour que vous connaissiez les différentes options disponibles.
Qu’utilisent-ils ?
La pile technologique des ingénieurs en apprentissage automatique est similaire à celle des ingénieurs en IA, l’accent étant davantage mis sur les capacités mathématiques.
- Python et SQL, cependant, certaines entreprises peuvent exiger d’autres langages. Par exemple, dans mon rôle actuel, Rouiller est nécessaire.
- Git et GitHub
- Bash et Zsh
- AWS, Azure ou GCP
- Fondamentaux du génie logiciel tels que CI/CDMLOps et Docker.
- Excellente connaissance de l’apprentissage automatique, idéalement avec une spécialisation dans un domaine tel que la prévision, les systèmes de recommandation ou la vision par ordinateur.
- Solide compréhension mathématique des statistiques, de l’algèbre linéaire et du calcul.
Lequel?
Comme vous pouvez le constater, le chevauchement entre les compétences et le travail est assez similaire, en particulier les compétences fondamentales en génie logiciel.
La principale différence réside dans les connaissances GenAI spécifiques au domaine des ingénieurs en IA et dans les connaissances plus approfondies en mathématiques et en apprentissage automatique traditionnel des ingénieurs en apprentissage automatique.
La question se pose donc.
Lequel devriez-vous choisir ?
Décomposons quelques fonctionnalités logistiques supplémentaires pour vous aider dans votre décision.
Arrière-plan
Le parcours des deux emplois est similaire, nécessitant généralement une maîtrise dans un domaine STEM et quelques années d’expérience en tant qu’ingénieur logiciel ou scientifique des données.
L’ingénierie de l’IA est légèrement plus facile à aborder, car apprendre à travailler avec des modèles fondamentaux est une courbe d’apprentissage plus rapide que de comprendre toutes les mathématiques derrière l’apprentissage automatique.
Demande
L’ingénierie de l’apprentissage automatique est le rôle le plus établi, mais c’est principalement parce que les modèles fondamentaux n’existent pas depuis longtemps, le rôle d’ingénieur en IA n’était donc pas requis.
Cependant, comme l’IA est désormais très populaire, la demande d’ingénieurs en IA monte en flèche. Vous devez cependant être prudent, car les titres de poste dans ce secteur sont vagues et vous devez vraiment lire la description de poste pour comprendre le travail que vous allez effectuer.
Par exemple, dans mon entreprise, nous avons techniquement des ingénieurs en IA, mais ils sont toujours appelés ingénieurs en apprentissage automatique. Les titres sont donc un peu erronés.
Payer
Selon Levels.fyi, le salaire médian d’un ingénieur en apprentissage automatique est de 105 000 £ (Royaume-Uni) et pour un Ingénieur IA est de 75 000 £ (Royaume-Uni), mais je pense que cela va augmenter à l’avenir.
De plus, comme je viens de le dire, de nombreux ingénieurs en apprentissage automatique effectuent des travaux d’ingénierie en IA, les salaires sont donc flous.
Choix final ?
À mon avis, optez pour ce que vous pensez préférer !
Si vous aimez les mathématiques et comprenez comment les algorithmes fonctionnent sous le capot, alors l’ingénierie de l’apprentissage automatique est votre meilleur choix.
Si vous n’aimez pas beaucoup la recherche et souhaitez expédier rapidement des produits en utilisant les derniers outils d’IA, alors l’ingénierie IA est faite pour vous !
Quoi qu’il en soit, les deux postes sont bien rémunérés et offrent d’excellentes perspectives de carrière à long terme.
Cependant, supposons que vous ressentiez une plus forte attirance pour une carrière d’ingénieur en apprentissage automatique.
Dans ce cas, je vous recommande de consulter mon dernier article, dans lequel je explique étape par étape comment je redeviendrais un ingénieur en apprentissage automatique à succès.
Rendez-vous là-bas!
Une autre chose !
Rejoignez ma newsletter gratuite où je partage chaque semaine des astuces, des idées et des conseils issus de mon expérience en tant que data scientist et ingénieur en apprentissage automatique. De plus, en tant qu’abonné, vous recevrez mon Modèle de CV GRATUIT !
Diffuser les données
page principalenewsletter.egorhowell.com
Connectez-vous avec moi
