CHACUN SON PARCOURS · Data Science Institute Pour la participation aux groupes de discussion sur...

CHACUN SON PARCOURS

Guide sur les parcours d’accès aux professions technologiques dans le secteur de la finance et des assurances

FIN

AN

CES

&

TECH

NO

LOG

IES

COORDINATIONBenoit Desgroseillers Directeur principal Développement des talents Finance Montréal

Florian Roulle Directeur, Études stratégiques Finance Montréal

RECHERCHE ET RÉDACTIONCatherine Ellyson Consultante, chercheuse / Bem&co Merci à Alexis Roy, Marie-Christine Boulianne et Mathilde Forest-Rivière pour leur contribution

PERSONNES CONSULTÉESPour les discussions préliminaires, merci à :

Jan Christopher Arp, Évangéliste Fintech, Accélérateur Holt, FormFinTech

Michael Albo, Fondateur, Data Science Institute

Pour la participation aux groupes de discussion sur les besoins en formation hybride, merci à :

Valérie Bergeron, Première directrice – Livraison des services TI, Investissements PSP

Stéphane Chevalier, Directeur service conseils, CGI

Hélène Rosin, Directrice Services-Conseils, CGI

Mirela Pirlea, Relations fintech, Desjardins

Jean-François Bérubé, VP Analyse quantitative et TI, Hexavest

Christian Faubert, Vice Président, Banque Nationale du Canada

Simon Deguire, Chef d’équipe principal, Croesus

Guillaume Gfeller, Vice-président, Stratégies d’Investissements Systématiques, Fiera Capital

Sarah Legendre Bilodeau, Conseillère Principale – Intelligence d’affaires, Desjardins

Pour les relectures, merci à :

Michael Albo, Fondateur, Data Science Institute

CONCEPTION GRAPHIQUEÉTOFFE – Stefani Paquin

Crédits photos : Banques d’images Pixabay et Unsplash

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

3

Benoît Desgroseillers Benoit Desgroseillers Directeur principal, développement des talents

L’industrie des services financiers, comme plusieurs autres industries est en transformation. Mue par le développement rapide de nouvelles technologiques au potentiel perturbateur, par des changements sociaux, démographiques et par de nouveaux paradigmes d’affaires. C’est une période riche en opportunités et en découvertes.

Ainsi, de nouveaux métiers apparaissent, d’anciens se renouvellent. La technologie qui n’était il y a quelques années encore qu’un élément parmi d’autres au sein des organisations est maintenant partie prenante des métiers et des lignes d’affaires typiquement non technologiques.

Nous vivons les changements en temps réel.

Nous sommes heureux de vous présenter ce guide, à saveur résolument techno. Nous n’avons pas la prétention de répondre à toutes vos questions. Nous avons plutôt l’ambition de piquer votre curiosité et votre intérêt, afin d’initier une réflexion et, qui sait, un choix de carrière.

Nous tenons, finalement, à remercier toutes les personnes et les organisations qui ont contribué, chacune à leur façon, à la création de ce guide.

MOT DE PRÉSENTATION

TABLE DES MATIÈRES

À PROPOS 5

1. INTRODUCTION : MISE EN CONTEXTE ET PRÉSENTATION DU GUIDE 7

2. PARCOURS D’ACCÈS AUX PROFESSIONS DE LA PROGRAMMATION LOGICIELLE ET WEB 9

Analyste fonctionnel 10 Architecte de solutions 12 Programmeur 14 Spécialiste DevOps 16 Gestionnaire de projet ou produit TI 18

3. PARCOURS D’ACCÈS AUX PROFESSIONS DE LA DONNÉE 20 Architecte de données 22 Ingénieur de données 24 Analyste en intelligence d’affaires (BI) 26 Scientifiquededonnées 28

4. PROFESSION DE LA CYBERSÉCURITÉ* 30 Spécialiste en cybersécurité 32

5. PROFESSIONS DE L’INTELLIGENCE ARTIFICIELLE 34 Professionnelenintelligenceartificielle 36

BIBLIOGRAPHIE 38

ANNEXES

ANNEXE 1 • Méthodologie 41

ANNEXE 2 • Tableau des employeurs de professionnels enTIdanslesecteurdelafinanceetdesassurances 42

ANNEXE 3 • Glossaire 43

ANNEXE 4 • Comparaison des grandes compétences et dispositions selon la profession 45

NOTES 48

* L’étoile indique que la technologie, le mot ou le concept qui la précède est défini dans le glossaire disponible à l’annexe 3.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

5

À PROPOSFinance Montréal, la grappe financière du Québec, a été créée en 2010 par les acteurs du milieu financier à l’invita-tion du gouvernement du Québec. Organisme regroupant des membres gouverneurs, partenaires, associés, et près de 300 professionnels bénévoles, Finance Montréal a pour mission de développer et promouvoir l’industrie des services financiers du Québec. L’organisation travaille à améliorer la réputation de Montréal comme place financière de calibre mondial et effectue des activités de démarchage interna-tional afin d’y attirer des sociétés financières étrangères en faisant la promotion de différentes mesures fiscales, dont le crédit d’impôt CFI. Finance Montréal mise sur une concer-tation d’un grand nombre d’institutions pour stimuler la croissance de l’industrie tout en augmentant le rayonnement des spécialisations financières que l’on retrouve à Montréal.

Finance Montréal s’est donnée une double mission : conso lider le secteur financier du Québec en stimulant les activités finan cières à forte valeur ajoutée qui sont stratégiques pour son développement et faire reconnaître Montréal comme une place financière dynamique qui contribue au développement de tout le secteur financier au Québec.

Finance Montréal mise sur une concertation de tous les acteurs du milieu de la finance pour assurer :

• Un environnement propice aux affaires : l’accessibilité au capital pour favoriser des initiatives novatrices et la disponibilité d’outils performants ;

• Un afflux constant de jeunes diplômés issus d’établissements de haut savoir ;

• La stimulation de l’entrepreneuriat financier ;

• L’implantation et la croissance de sociétés financières internationales au Québec par la promotion de mesures fiscales incitatives dont le crédit d’impôt CFI ;

• Un environnement compétitif dans le secteur des technologies de l’information spécialisées en finance ;

• Le rayonnement du secteur financier sur les scènes locale, nationale et internationale.

Pour plus d’informations sur les professions et les programmes de formation dans le secteur, consultez la section « Développement des talents » du site web de Finance Montréal : finance-montreal.com

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

7

1. INTRODUCTION MISE EN CONTEXTE ET PRÉSENTATION DU GUIDE

Il y a peu de temps encore un secteur prévisible, normé et relativement peu diversifié dans la composition de sa main-d’œuvre, le secteur de la finance et des assurances se transforme aujourd’hui à un rythme effréné. Nourri dans ce mouvement par de multiples transformations technologiques, le secteur s’engage depuis quelques années dans un virage technologique d’envergure. Ce virage s’effectue en réponse tant aux attentes rehaussées d’une clientèle exigeante et avisée qu’aux défis que lui lance une panoplie de nouveaux compétiteurs qui mobilisent des innovations technologiques prometteuses1. En effet, si le secteur se compose traditionnellement de banques, de compagnies d’assurance et de firmes de gestion d’actifs, on note aujourd’hui l’apparition d’une série d’acteurs moins conventionnels : fournisseurs de services TI, jeunes pousses et PME issues de la transformation FinTech* et grandes entreprises technologiques (ex. Facebook, Alibaba, Google, Amazon, etc.).

Opéré sous cette double pression des attentes de la clientèle et des nouvelles possibilités technologiques, le virage technologique du secteur de la finance et des assurances a des impacts durables sur la composition de sa main-d’œuvre. D’une part, les organisations se dotent d’outils technologiques dans toutes les sphères de leurs activités (back, middle, front office*), nécessitant l’embauche, en mode salarié ou en impartition, de professionnels de la programmation logicielle et web. Pour saisir les opportunités découlant de la défer-lante des données massives et de l’intelligence artificielle, les entreprises doivent d’autre part construire des équipes de plus en plus importantes de professionnels de la donnée. Afin que les standards très élevés du secteur de la finance et des assurances en matière de sécurité soient maintenus, ces nouvelles pratiques nécessitent enfin l’embauche de professionnels de la cybersécurité*. Ainsi, la part de professionnels à prévalence techno-logique est en hausse dans le secteur de la finance et des assurances2 et les salaires y sont comparativement avantageux3.

ATTENTES DE LA CLIENTÈLE

• Disponibilité et instantanéité des services (temps, géographie)

• Interfaces intuitives et conviviales

• Coûts réduits des services de base

• Les environnements et outils « open source »

• L’intelligenceartificielle*, l’apprentissage-machine* et l’automatisation

• La collecte et le traitement des données massives* (big data)

• L’internet des objets* (internet of things)

• L’infonuagique* (cloud)

• L’augmentation constante de la puissance de calcul et de stockage

• Les technologies des registres distribués* (ex. Blockchain)

• Les interfaces utilisateur intuitives (Intuitive User Interface)

• La biométrie*• Les API ouvertes*

INNOVATIONS TECHNOLOGIQUES PROMETTEUSES

8

Le guide sur les parcours d’accès aux professions technologiques dans le secteur de la finance et des assurances décrit les professions techno logiques en demande dans le secteur. Il énumère les compétences recherchées pour chaque profession par les employeurs et présente enfin les parcours d’accès les plus typiques pour accéder à ces profes-sions. Si le cheminement académique se ressemble beaucoup d’une profession TI à une autre (souvent un baccalauréat en informatique, en génie logiciel ou informatique), les parcours d’accès vers celles-ci se distinguent de plusieurs façons : années d’expérience et certifications demandées, intérêts, dispositions et compétences techniques à dévelop-per. Les informations présentées dans le guide s’avéreront utiles pour les étudiants, les personnes en transition de carrière et les nouveaux arrivants intéressés par les professions technologiques dans un secteur où les défis, les conditions de travail et les salaires sont particulièrement intéressants.

LE SECTEUR DE LA FINANCE ET DES ASSURANCES SE TRANSFORME AUJOURD’HUI À UN RYTHME EFFRÉNÉ.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

9

2. PARCOURS D’ACCÈS AUX PROFESSIONS DE LA PROGRAMMATION LOGICIELLE ET WEB

Tant pour répondre à une clientèle qui s’attend à des services abordables, conviviaux et adaptés à ses besoins, que pour rehausser la productivité et l’efficacité de ses diffé-rents processus, les organisations du secteur de la finance et des assurances se dotent d’outils technologiques dans toutes les sphères de leurs activités (back, middle, front office) : détection des fraudes, connections des différents systèmes de gestion et des applications entre elles, interfaces client, chatbots, etc. L’implantation d’une solution numérique ne requiert en principe qu’un programmeur qui analyse le besoin, conçoit et implante une solution sur un ou plusieurs réseaux. Or, le nombre et la complexité des solutions souhaitées entraînent désormais une division progressive des tâches entre plusieurs professionnels de la programmation logicielle et web.

Ainsi, le travail d’analyse de besoins, de conception d’une solution, de programmation et de mise en œuvre de celle-ci sur un ou plusieurs réseaux se partage dans le secteur de la finance et des assurances entre plusieurs professionnels. L’analyste fonctionnel produit, à partir d’une compréhension de l’environnement et des besoins des clients et utilisateurs éventuels de la solution numérique, une liste de fonctions à assurer par cette dernière qu’il schématise sous forme de cahier ou d’arborescence fonctionnel ; l’architecte de solutions identifie les ressources logicielles, matérielles, humaines et informationnelles requises pour le bon fonctionnement de la solution numérique et prévoit les relations entre elles ; le programmeur utilise les différents langages de pro-grammation et outils pour concevoir une solution numérique automatisée ; le spécialiste DevOps4 maîtrise l’ensemble du processus de développement logiciel et, faisant le pont entre l’équipe de développement et celle des opérations et de l’infrastructure, s’assure de l’intégration fluide et de l’amélioration continue de la solution sur le ou les réseaux ; enfin le gestionnaire de projet ou produit TI chapeaute l’ensemble du processus et voit à ce que les différentes ressources s’arriment pour produire la solution telle que prévue, dans les temps et suivant le budget alloué.

10

QUE FAIT L’ANALYSTE FONCTIONNEL ? Intervenant en amont du projet de développement d’une solution numérique, l’analyste fonctionnel doit bien comprendre ce qui motive le développement et le déploiement de celle-ci. Partant des besoins des utili-sateurs et des clients et tenant compte des différentes contraintes avec lesquelles les équipes devront compo-ser, il élabore le dossier ou l’arborescence fonctionnel, c’est-à-dire qu’il identifie les fonctions principales de la solution numérique, puis les détaille de plus en plus précisément. Pour chaque fonction, l’analyste fonction-nel détermine notamment les cas d’utilisations, les objectifs d’affaires, la portée et les limitations ainsi que la terminologie utilisée6. Le processus est alors décrit pour chaque combinaison de choix (users stories) que l’utilisateur peut faire dans le cadre de la solution numé-rique. En somme, l’analyste fonctionnel propose une solution globale aux besoins spécifiés par le client et les utilisateurs, et pose les grandes balises et subdivi-sions qui formeront la solution numérique. Ce squelette servira de guide pour la programmation elle-même.

OÙ TRAVAILLE L’ANALYSTE FONCTIONNEL ?Dans le secteur de la finance et des assurances, les analystes fonctionnels sont embauchés tant par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs) que par les acteurs établis – soit les banques, compagnies d’assurances et firmes de gestion d’actifs. Une liste non-exhaustive des employeurs d’analystes fonctionnels dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DE L’ANALYSTE FONCTIONNEL ?La plupart des analystes fonctionnels détiennent un diplôme universitaire, plus fréquemment un baccalau-réat en informatique ou en génie logiciel, mais parfois également en administration des affaires. Ils ont dans la majorité des cas occupé pendant plus de cinq ans des fonctions de programmeur ou d’analyste en intelli-gence d’affaires avant de se spécialiser dans l’analyse fonction nelle. Un historique de travail dans le secteur de la finance et des assurances constitue un atout consi-dérable, permettant à l’analyste fonctionnel de mieux saisir les besoins des clients et des utilisateurs ainsi que les contraintes à prendre en considération. Même si aucun titre ou certification n’est obligatoire pour prati-quer cette profession, quelques analyses fonctionnelles se dotent de certifications, par exemple en gestion de projet (PSM 1 – Professional Scrum Master).

ANALYSTE FONCTIONNEL

À PARTIR D’UNE COMPRÉHENSION DES OPPORTUNITÉS ET CONTRAINTES LIÉES À L’ENVIRONNEMENT DE MISE EN ŒUVRE DE LA SOLUTION NUMÉRIQUE ET DES BESOINS DES DIFFÉRENTS UTILISATEURS ET CLIENTS, L’ANALYSE FONCTIONNELLE CONSISTE À IDENTIFIER ET À CARACTÉRISER LES FONCTIONS DEVANT ÊTRE OFFERTES PAR LA SOLUTION NUMÉRIQUE POUR RÉPONDRE À CES BESOINS5.

PROFESSIONS DE LA PROGRAMMATION LOGICIELLE ET WEB

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

11

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ L’ANALYSTE FONCTIONNEL ?

GRANDES COMPÉTENCES ET DISPOSITIONS 7

Connaissance/expérience secteur

Informatique et programmation

Mathématique, statistique et analytique 1/2

Algorithme, modélisation et apprentissage-machine 1/2

Communication 1/2

Leadership

Infrastructure informatique

Les compétences techniques menant aux postes d’analyste fonctionnel dépendent de la spécialité et des besoins particuliers de l’employeur. Cependant, on note qu’il importe pour les analystes fonctionnels de :

• posséder de l’expérience, de l’intérêt et une connaissance du domaine de la finance et des assurances ;

• démontrer une bonne expérience de la prise de besoins clients ;

• savoir traduire les besoins des clients et utilisateurs en fonctionnalités utiles aux équipes techniques ;

• détenir certaines connaissances en programmation ;• démontrer une connaissance des environnements

infonuagiques* (Cloud) ; • savoir utiliser les concepts et outils principaux

en intelligence d’affaires ;• être familier et détenir de l’expérience

de travail avec la méthodologie Agile*.

A BBACCALAURÉAT EN INFORMATIQUE OU GÉNIE LOGICIEL

BACCALAURÉAT EN ADMINISTRATION

EXPÉRIENCE EN TI, par exemple comme programmeur (2-5 ANS)

EXPÉRIENCE EN FINANCE, par exemple comme analyste en intelligence d’affaire (2-5 ANS)

INTÉRÊT POUR L’ANALYSE FONCTIONNELLE

POSTE D’ANALYSTE FONCTIONNEL

PARCOURS D’ACCÈS À LA PROFESSION

12

QUE FAIT L’ARCHITECTE DE SOLUTIONS ? L’architecte de solutions a pour responsabilité de définir et de concevoir l’architecture technique permettant de soutenir l’ensemble des fonctionnalités prévues de la solution numérique, tant dans la programmation que dans la mise en œuvre sur un ou des réseaux. Élaborer l’architecture technique consiste à sélectionner les res-sources (logicielles, matérielles, humaines, information-nelles), à les organiser et à prévoir les relations entre celles-ci. L’architecte de solutions prend en somme des décisions importantes quant à la conception et à la mise en œuvre de la solution : langage de programmation, serveurs, logiciels, bibliothèque (framework), patron d’architecture, etc. Cette information est organisée de manière à orienter les différents acteurs technologiques travaillant sur le projet dont il est question. Collaborant parfois à définir les grandes orientations technologiques de l’entreprise, l’architecte de solutions s’assure que ces orientations se reflètent dans l’architecture et le déploiement de chacun des projets auquel il participe. Il fait donc le pont entre les gestionnaires et l’équipe de développement, s’assurant que les projets sont bien conçus et répondent aux besoins de manière adéquate.

OÙ TRAVAILLE L’ARCHITECTE DE SOLUTIONS ? Dans le secteur de la finance et des assurances, les architectes de solutions sont plus souvent embauchés par les acteurs établis – soit les banques, compagnies d’assurances et firmes de gestion d’actifs – que par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs). En effet, puisque les archi-tectures sont durables et n’ont pas à être constamment révisées, les architectes de solutions ne sont présents que dans les grandes organisations ou pour les grands projets. Pour être efficaces, les architectes doivent bien connaître le secteur et les activités de l’organisation.

Ils constituent enfin une ressource stratégique que les acteurs préfèrent, si possible, maintenir à l’interne. Une liste non-exhaustive des employeurs d’architectes de solutions dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DE L’ARCHITECTE DE SOLUTIONS ? Pour les postes d’architectes de solutions, les employeurs exigent en général une formation de niveau universitaire, soit un baccalauréat en informatique, en génie logiciel ou en génie informatique. Il est important de noter qu’on ne devient pas architecte de solutions sur les bancs d’université, mais plutôt après plusieurs années d’expérience dans des fonctions touchant l’architecture de solutions et après avoir cheminé pendant plusieurs années dans plusieurs départements et en compagnie d’une diversité d’acteurs d’un secteur, voire d’une même organisation. Par exemple, un architecte de solutions aura préalablement travaillé pendant plus de 5 ans comme programmeur, quelques années comme ana-lyste fonctionnel, puis 2-3 ans comme conseiller TI à la direction. Si aucun titre ou certification n’est requis pour exercer la profession d’architecte de solutions, on note que certains architectes de solutions se dotent de certifi-cations en tout genre selon leurs intérêts et les exigences spécifiques à leur poste, que ce soit en gestion de projet (Project Management Professionnal, CRIM - Scrum master), par rapport à l’environnement infonuagique (AWS Solution Architect, Cloudera Developer Training for Apache Hadoop) ou autre. En plus des programmes diplômants, des certifications disponibles et de l’expé-rience, les architectes de solutions doivent impérative-ment demeurer au fait des tendances et nouveautés dans le secteur et par rapport à leur domaine.

ARCHITECTE DE SOLUTIONS

L’ARCHITECTURE DE SOLUTIONS, ET PLUS PRÉCISÉMENT L’ARCHITECTURE LOGICIELLE « DÉCRIT D’UNE MANIÈRE SYMBOLIQUE ET SCHÉMATIQUE LES DIFFÉRENTS ÉLÉMENTS D’UN OU DE PLUSIEURS SYSTÈMES INFORMATIQUES, LEURS INTERRELATIONS ET LEURS INTERACTIONS »8. ALORS QUE L’ANALYSE FONCTIONNELLE DÉTAILLAIT LES FONCTIONS QUE LA SOLUTION DEVAIT REMPLIR POUR SATISFAIRE AUX BESOINS, L’ARCHITECTURE DE SOLU-TIONS DÉCRIT DE QUELLE MANIÈRE LA SOLUTION COMPTE S’Y PRENDRE POUR Y PARVENIR.


PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

13

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ L’ARCHITECTE DE SOLUTIONS ?

GRANDES COMPÉTENCES ET DISPOSITIONS 7 Connaissance/expérience secteur

1/2Informatique et programmation

1/2Mathématique, statistique et analytique

Algorithme, modélisation et apprentissage-machine

1/2Communication

Leadership


Les compétences techniques menant aux postes d’architecte de solutions dépendent de la spécialité et des besoins spécifiques de l’employeur. Cependant, on note l’importance cruciale pour les candidats de : • avoir un parcours professionnel s’ancrant

surtout dans les technologies de l’information ;• détenir une expérience substantielle dans

le domaine, par exemple en programmation, gestion de projet TI, analyse fonctionnelle, etc ;

• démontrer un intérêt, une connaissance et une expé rience du secteur des finances et de l’assurance (monde financier, assurance, notation, langage d’affaires, etc.) ;

• savoir faire le pont entre les professionnels techniques (notamment les programmeurs), les gestionnaires et la haute direction ;

• connaître et savoir utiliser quelques langages de programmation (Java, SQL, Pyton, C++) ;

• savoir opérer sur plusieurs systèmes d’exploitation (Linux, Window, MacOS, IOS) ;

• connaître et démontrer une expérience notable des patrons d’architecture applicative (TOGAF, ITIL, COBIT) et des tendances dans le domaine, par exemple les Micro-services, les approches SOA, SaaA, etc. ;

• être familier et détenir de l’expérience de travail avec la méthodologie Agile*, préférablement dans sa version SCRUM ;

• connaître et démontrer de l’expérience avec les modèles de sécurité ;

• connaître les rudiments de l’infrastructure TI ;• être familier et détenir une expérience en matière

d’automatisation et d’apprentissage-machine.

AINTÉRÊT POUR LA PROGRAMMATION ET LA TECHNOLOGIE

Rester à jour quant aux tendances, meilleures pra-tiques et outils en architecture de solutions

BACCALAURÉAT EN INFORMATIQUE OU GÉNIE LOGICIEL OU INFORMATIQUE

EXPÉRIENCE DIVERSIFIÉE EN TI, FINANCE (5 ANS ET +)

INTÉRÊT POUR L’ARCHITECTURE DE SOLUTIONS

CERTIFICATION EN ARCHITECTURE DE SOLUTION (OPTIONNELLE)

POSTE D’ARCHITECTE DE SOLUTIONS


14

QUE FAIT LE PROGRAMMEUR ? Suivant les décisions préalables prises par l’analyste fonctionnel (ce que la solution doit permettre) et par l’architecte de solutions (comment la solution y parvien-dra), le programmeur écrit, modifie, intègre et met à l’essai du code informatique. Pour ce faire, le program-meur doit maîtriser une grande quantité d’outils divers, en commençant par l’ordinateur lui-même, le système d’exploitation et un ou plusieurs langages de program-mation. Une connaissance de logiciels de contrôle des versions*, de plateformes de développement logiciel, de bibliothèques et d’outils permettant de gérer les données massives*, d’opérer en mode infonuagique* et d’automatiser les processus peut également être utiles selon les besoins de l’employeur. Certains intervenants sont d’avis que les professions de programmeur et de spécialiste Dev-Ops sont appelés à se confondre dans l’avenir.

OÙ TRAVAILLE LE PROGRAMMEUR ? Dans le secteur de la finance et des assurances, les programmeurs sont embauchés tant par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs) que par les acteurs établis – soit les banques, compagnies d’assurances et firmes de gestion d’actifs. Une liste non-exhaustive des employeurs de programmeurs dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DU PROGRAMMEUR ? Plusieurs options académiques s’offrent aux personnes qui souhaitent devenir programmeurs, cela tant relati-vement au niveau d’étude qu’à celui du programme

spécifique. Les attestations d’étude collégiale (AEC, par exemple Conception et programmation de sites Web) et diplômes d’étude collégiale (DEC – technique de l’informatique) sont offerts au niveau collégial, alors que les baccalauréats en informatique et génie logi-ciel ou informatique sont les plus reliés au domaine d’emploi au niveau universitaire. Bien que la majorité des employeurs demandent une formation de niveau universitaire, un diplôme autre, dans une discipline différente ou même l’absence de diplôme peut s’avérer acceptable si combiné avec un grand nombre d’années d’expérience et des compétences correspondent aux besoins spécifiques de l’employeur. Selon leurs intérêts et l’emploi qu’ils occupent ou souhaitent occuper, certains programmeurs peuvent bonifier leur profil de certifications diverses, par exemple des certifications en programmation (OCMJD – Oracle Certified Master Java Developer, etc.), par rapport à l’environnement infonuagique (AWS Certified Cloud Practitioner, etc.) ou en lien avec la gestion et le traitement des don-nées massives (IBM Certified Developer, SAS Global Certification, etc.). Celles-ci permettent d’accélérer le processus d’acquisition d’une compétence et de confirmer celle-ci auprès des employeurs, mais elles sont en revanche peu exigées par ces derniers. Pour les postes de programmeur, les employeurs demandent en général quelques années d’expérience, mais certains emplois sont accessibles dès la graduation. En plus des programmes diplômants et des certifications possibles, les professionnels en programmation doivent impérati-vement demeurer au fait des tendances et nouveautés en matière de programmation et d’outils. Ils doivent souvent apprendre de manière autodidacte, c’est-à-dire par les communautés de pratique, la lecture de docu-mentation et l’expérimentation en général. Les certifi-cats offerts sur les plateformes de Massive Open Online Courses (MOOCs) comme Coursera et EdX, jouent un rôle croissant dans la formation continue des program-meurs. Pour la majorité d’entre eux, la programmation est à la fois une avenue professionnelle et un hobby auquel ils s’adonnent dans leur temps libre.

PROGRAMMEUR

PAR PROGRAMMATION, ON ENTEND LA SÉQUENCE D’INSTRUCTIONS QUI SPÉCIFIENT ÉTAPE PAR ÉTAPE À UN ORDINATEUR LES OPÉRATIONS À EFFECTUER POUR OBTENIR UN RÉSULTAT. UN PROGRAMME REGROUPE L’ENSEMBLE DE CES INSTRUCTIONS POUR L’ENSEMBLE DES CAS D’UTILISATION POSSIBLE, CELA DANS UN LANGAGE DE PROGRAMMATION COMPRIS PAR L’ORDINATEUR 9.


PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

15





Mathématique, statistique et analytique 1/2


Communication

Leadership

Infrastructure informatique 1/2

Les compétences techniques menant aux postes de programmeurs dans le secteur de la finance et des assurances sont nombreuses, variées et dépendent des techno logies préconisées par les employeurs et leurs objectifs. Pour travailler dans le secteur, il importe de :

• connaître et de savoir utiliser plusieurs langages de programmation (SQL, Java, Javascript, C#, Python) ;

• savoir utiliser les logiciels de gestion des versions* (GIT, subversion, Perforce, etc) ;


• connaitre différentes bases de données (ex. Oracle, DB2, Sybase), langages (SQL) et autres outils liés à la conception, l’analyse et l’utilisation des données massives* ;

• démontrer une compréhension et une capacité à travailler avec les algorithmes* ;

• démontrer une compréhension et une capacité avec l’infonuagique* (cloud) ;

• démontrer un intérêt pour le secteur de la finance et des assurances, tant les enjeux que les tendances et nouvelles possibilités technologiques (ex. intelligence artificielle*, automatisation, internet des objets*, technologies des registres distribués*) ;

• pour faire évoluer sa carrière vers les postes plus importants, se familiariser avec les outils du secteur de la finance et des assurances, par exemple les différentes technologies de paiements (ex. EMV, PayPass, PayWave, Credit, Banking), les protocoles et les normes en vigueur (ISO8583, les protocoles FIX et SWIFT) et les outils d’intelligence d’affaires (ex. SQL server) ;

• bonifier son profil en acquérant une connaissance des outils et approches en matière de design (ex. OO design, UML Design, UI dev. in JQUERY) ;

• être familier et détenir de l’expérience de travail avec la méthodologie Agile*, préférablement dans sa version SCRUM.

A B

Demeurer à jour quant aux meilleures pratiques et aux outils les plus utiles en programmation

INTÉRÊT POUR LA PROGRAMMATION ET LA TECHNOLOGIE

BACCALAURÉAT EN INFORMATIQUE OU GÉNIE LOGICIEL

APPRENTISSAGE AUTODIDACTE OU AEC OU DEC

EXPÉRIENCE DE TRAVAIL (0-5 ANS) EXPÉRIENCE DE TRAVAIL (5-10 ANS)

CERTIFICATIONS DIVERSES (OPTIONNELLES)

POSTE DE PROGRAMMEUR


16

QUE FAIT LE SPÉCIALISTE DEVOPS ? Le spécialiste DevOps est un professionnel maîtrisant les concepts, outils et objectifs du développement logiciel, mais également ceux de l’infrastructure et de la mise en œuvre technique des programmes et logi-ciels sur les réseaux. Il touche autant à la programma-tion qu’au testing, à l’automatisation, à la sécurité et au déploiement dans les réseaux. En effet, à l’ère de la livraison continue et de l’infonuagique, DevOps est une approche qui consiste à instaurer une collaboration très étroite et constante entre les équipes de dévelop-pement logiciel et de gestion des opérations TI. Cette approche favorise l’accélération du cycle de production et de livraison logicielle, l’automatisation ainsi que le testage et l’amélioration continue des produits et processus. Une connaissance d’une très grande variété d’outils et de logiciels – pour le contrôle des versions, l’automatisation de bases de données, l’intégration continue, le testage, la configuration, le déploiement, la conteneurisation et l’orchestration, d’infonuagiques, d’analytique, de sécurité et de collaboration notam-ment – est essentielle au travail du spécialiste DevOps11.

OÙ TRAVAILLE LE SPÉCIALISTE DEVOPS ? Dans le secteur de la finance et des assurances, les spécialistes DevOps sont en demande surtout chez les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs), mais de manière croissante également chez les acteurs établis, soit les banques, compagnies d’assurances et firmes de gestion d’actifs. Une liste non-exhaustive des employeurs de spécialistes DevOps dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DU SPÉCIALISTE DEVOPS ? Pour les postes de spécialistes DevOps, la majorité des employeurs exigent une formation de niveau universitaire, soit un baccalauréat en informatique, en génie logiciel ou informatique. Aucun titre ou certification n’est requis pour exercer le poste de spécialiste DevOps, mais plusieurs certifications existent et constituent un atout pour les employeurs. Elles sont offertes principalement par Amazon web services (AWS), Red Hat, Microsoft Academy et le DevOps Institute. Elles permettent d’accélérer le processus d’acquisition d’une compétence et de confirmer celle-ci auprès des employeurs. En général, les employeurs demandent environ 5 ans d’expérience diversifiée en programmation et en opérations infor-matiques pour accéder aux postes de spécialistes DevOps. En plus des programmes diplômants et des certifications possibles, les spécialistes DevOps doivent impérativement demeurer au fait des tendances, bonnes pratiques, nouveautés et outils divers qu’ils sont suscep tibles de devoir utiliser pour l’automatisation, l’intégration, le testing, la configuration, l’orchestration, les suivis en continu et la sécurité. Ils doivent souvent apprendre de manière autodidacte, c’est-à-dire par les communautés de pratique, la lecture de documentation et l’expérimentation en général.

SPÉCIALISTE DEVOPS

« L’APPROCHE DEVOPS EST UNE MÉTHODOLOGIE DE DÉVELOPPEMENT LOGICIEL AYANT POUR OBJECTIF DE COMBLER L’ÉCART ENTRE L’ÉQUIPE DE DÉVELOPPEMENT ET L’ÉQUIPE D’ADMINISTRATION DES INFRASTRUCTURES INFORMATIQUES, CELA EN MISANT SUR LA COMMUNICATION, LA COLLABORATION, L’INTÉGRATION CONTINUE, L’ASSURANCE-QUALITÉ ET LA LIVRAISON RAPIDE ».10


PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

17

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ LE GESTIONNAIRE DE PROJET OU PRODUIT TI ?





1/2Communication

1/2Leadership


Les spécialistes DevOps étant plus des généralistes que les experts d’un domaine spécifique, les compétences demandées sont extrêmement diversifiées. En matière de compétences techniques, les spécialistes DevOps souhaitant travailler dans le secteur de la finance et des assurances doivent :

• être à l’aise avec les différentes composantes de l’infrastructure TI (matériel informatique, serveurs, réseaux internes et externes, différents logiciels utilisés) et savoir contribuer au dépannage ;

• connaître et de savoir utiliser plusieurs langages de programmation (SQL, C++, Python et Java, mais aussi potentiellement Bash et Scala) ;

• savoir opérer sur plusieurs systèmes d’exploitation (Linux, UNIX, Window, MacOS, IOS) ;

• savoir opérer des bases de données (ex. mongodb, mysql) ;

• démontrer une compréhension et une capacité avec l’infonuagique* (cloud) ;

• connaître des outils de gestion de la configuration (ex. Chef, Puppet, Ansible) ;

• connaître des logiciels de gestion des versions (ex. GIT, subversion, Perforce) ;

• connaître des outils d’intégration continue (ex. Jenkins) ;

• connaître des outils de conteneurisation et d’orchestration (ex. Dockers, Kubernetes) ;

• être à l’aise avec les outils et méthodes de test en continu ;

• avoir de l’expérience en automatisation de processus ;

• être familier et détenir de l’expérience de travail avec la méthodologie Agile*.



BACCALAURÉAT EN INFORMATIQUE OU GÉNIE LOGICIEL OU INFORMATIQUE

Rester à jour sur les tendan ces, bonnes pratiques et outils utilisés en programma-tion et en gestion de l’infrastruc-ture TI

EXPÉRIENCE DIVERSIFIÉE EN PROGRAMMATION ET ADMINISTRATION DES INFRASTRUCTURES INFORMATIQUES (5 ANS ET +)

INTÉRÊT POUR L’APPROCHE DEVOPS

CERTIFICATIONS DEVOPS (OPTIONNELLES, MAIS RECOMMANDÉES)

POSTE DE SPÉCIALISTE DEVOPS

18

QUE FAIT LE GESTIONNAIRE DE PROJET OU PRODUIT TI ? Le gestionnaire de projet ou produit TI a pour respon-sabilité de chapeauter l’ensemble du processus de livraison d’un projet ou d’un produit TI. Il voit à ce que les différentes ressources s’arriment pour produire la solution telle que prévue, dans les temps et suivant le budget alloué. Avec la complexification des demandes, la diminution des délais de livraison logicielle et les besoins d’amélioration continue des produits, les équipes TI s’agrandissent et recherchent des moda-lités de gestion de projet permettant plus de flexibilité, d’efficacité, d’imputabilité et de collaboration. Le ges-tionnaire de projets et de produits TI contribue au bon fonctionnement de l’équipe TI et favorise une flexibilité de transmission de la vision entre le client ou l’entre-prise d’une part, et l’équipe TI d’autre part. En somme, le gestionnaire de projets et produits TI est responsable de la mise en œuvre d’un projet du début jusqu’à la toute fin de ce dernier. Il doit s’approprier le projet, ses objectifs, sa vision et le mener à bien en coordonnant sa planification et sa réalisation, cela en tenant compte des contraintes, en établissant un échéancier détaillé, en gérant les ressources limitées en termes de temps, des ressources humaines et matérielles.

OÙ TRAVAILLE LE GESTIONNAIRE DE PROJET OU PRODUIT TI ? Dans le secteur de la finance et des assurances, les gestionnaires de projet ou produit TI sont embauchés tant par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs) que par les acteurs établis - soit les banques, compagnies d’assurances et firmes de gestion d’actifs. Une liste non-exhaustive des employeurs de gestionnaires de projet ou produit TI dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DU GESTIONNAIRE DE PROJET OU PRODUIT TI ? La plupart des employeurs exigent des gestionnaires de projet ou produit TI qu’ils combinent une formation initiale de niveau universitaire dans le domaine de l’informatique ou des technologies de l’information, et une formation d’appoint en gestion de projet ou en administration. Le chemin inverse est également envisageable, c’est-à-dire que plusieurs gestionnaires de projet ou produit TI ont étudié l’administration des affaires ou une autre discipline connexe avant de se spécialiser à la maîtrise en technologie de l’informa-tion ou encore en gestion de projet. Une expérience préalable dans le développement logiciel ainsi que dans la gestion d’équipes est hautement valorisée. Plusieurs professionnels ont acquis une expérience en intelligence d’affaire ou en administration de systèmes et de réseaux. Le nombre d’années d’expérience demandée varie grandement selon l’ampleur du projet et de l’équipe sous la responsabilité du gestionnaire de projets ou produits TI, mais en général un mini-mum de 4 années d’expérience de travail est requise. Bien qu’aucun titre ou certification ne soit requis pour exercer la profession de gestionnaire de projets et de produits TI, certaines certifications constituent un atout de taille dans le domaine. Mentionnons notamment les certifications en gestion de projet (PMP, CAPM, PMI-ACP) et en lien avec la méthodologie Agile* (SAFe SA, Disciplined Agile CDA, Certified Scrum product Owner (CSPO), Certified Scrum Master (CSM avancé) ou Professional Scrum Master (PSM II/III)).


GESTIONNAIRE DE PROJET OU PRODUIT TI

« LA GESTION DE PROJET EST UNE [ENTREPRISE TEMPORAIRE ET UNE] PRATIQUE CONSISTANT À DÉMARRER, PLANIFIER, EXÉCUTER, CONTRÔLER ET CLORE LES TRAVAUX D’UNE ÉQUIPE CHERCHANT À ATTEINDRE DES CRITÈRES DE SUCCÈS SPÉCIFIQUES DANS UN ÉCHÉANCIER PRÉVU »12.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

19






Communication

1/2Leadership

1/2Infrastructure informatique

1/2

Les compétences techniques menant aux postes de gestionnaire de projet ou produit TI dépendent de la spécialité et des besoins spécifiques de l’employeur. Cependant, on note l’importance pour les candidats de :

• détenir une expérience de travail à la fois dans les technologies et le développement logiciel d’une part, et la gestion de projet et d’équipe de travail d’autre part ;

• démontrer un intérêt, une connaissance et une expérience du secteur des finances et de l’assurance (monde financier, assurance, notation, langage d’affaires, etc.) ;

• connaître et démontrer une expérience notable des patrons d’architecture applicative, par exemple les Micro-services, les approches SOA, SaaA, etc. ;

• être très familier et détenir une bonne expérience de travail avec la méthodologie Agile, préférable-ment dans sa version SCRUM.

A BINTÉRÊT POUR LA PROGRAMMATION ET LA TECHNOLOGIE

BACCALAURÉAT EN INFORMATIQUE OU GÉNIE LOGICIEL OU DOMAINE CONNEXE

BACCALAURÉAT EN ADMINISTRATION OU DOMAINE CONNEXE

EXPÉRIENCE EN TI ET EN GESTION D’ÉQUIPES (0-5 ANS)

DIPLÔME OU SPÉCIALISATION EN GESTION DE PROJET OU EN TECHNOLOGIES DE L’INFORMATION

INTÉRÊT POUR LA GESTION DE PROJET EXPÉRIENCE EN GESTION D’ÉQUIPES, IDÉALEMENT EN LIEN AVEC LES TECHNOLOGIES (0-5 ANS)

CERTIFICATIONS EN GESTION DE PROJET ET MÉTHODOLOGIE AGILE (OPTIONNELLE, MAIS RECOMMANDÉE)

POSTE DE SPÉCIALISTE DE GESTIONNAIRE DE PROJET OU PRODUIT TI


20

3. PARCOURS D’ACCÈS AUX PROFESSIONS DE LA DONNÉE

L’utilisation de données pour comprendre la clientèle, les processus et les tendances n’est évidemment pas nouvelle dans le secteur de la finance et des assurances, mais la déferlante des données massives correspond à quelque chose de différent, tant en termes de quantité que de complexité. La nouveauté de ce qu’on appelle les données massives* tient à cinq éléments (5V) : volume, vitesse, variété, valeur et véracité13. Le volume des données produites double tous les trois ans ; ces données s’actualisent et se traitent à très grande vitesse (notamment grâce à l’infonuagique, aux technolo-gies de fichiers distribués et à l’automatisation) ; ces données viennent désormais dans une grande variété de formats qui ne sont pas directement compatibles ; elles sont porteuses d’une valeur supposée immense pour les organisations (notamment grâce aux algorithmes qui dégagent des tendances autrement invisibles) ; mais dans leur volume et leur variété, ces données posent des problèmes de qualité et de véracité qu’il importe d’adresser en continu. L’utilisation croissante des technologies liées à l’intelligence artificielle* et des autres technologies évoquées en introduction (l’internet des objets, les API ouvertes, l’infonuagique et la biométrie) a également pour effet complexifier encore davantage le travail à effectuer en lien avec les données. L’analyse de données ne nécessite en principe qu’un analyste qui sélectionne, traite et interprète les données pertinentes. La complexification du domaine entraîne dorénavant une division progressive des tâches entre plusieurs professionnels de la donnée.

Ainsi, le travail d’identification, de traitement, d’analyse et d’interprétation des données se partage dorénavant entre plusieurs professionnels. L’architecte de données établit les grandes lignes quant à la gestion des données (nature, collecte, stockage, modalité de tri, intégration, utilisation) ; l’ingénieur de données met en œuvre l’archi-tecture de données, conçoit et construit des modèles de données, collecte, traite et s’assure de la qualité des données multiples nécessaires aux différents professionnels des données ; l’analyste en intelligence d’affaires (BI) traite l’information et, grâce à des indicateurs spécifiques, fournit des portraits détaillés de la situation d’affaires passée et présente aux preneurs de décisions ; le scientifique de données navigue dans le volume et la diversité des données, utilise les algorithmes* et recherche des tendances et des corrélations autrement invisibles afin de produire des analyses prédictives et de positionner son organisation avantageusement pour l’avenir.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

21

LA COMPLEXIFICATION DU DOMAINE ENTRAÎNE DORÉNAVANT UNE DIVISION PROGRESSIVE DES TÂCHES ENTRE PLUSIEURS PROFESSIONNELS DE LA DONNÉE.

22

QUE FAIT L’ARCHITECTE DE DONNÉES ? Un architecte de données a pour fonction « d’assurer la conformité et le respect de standards relatifs à la nature des données, leur collecte et leur mode de stockage, et s’assurer des modalités de leur tri, leurs intégrations »15. Il définit, conçoit et déploie l’archi-tecture de données, c’est-à-dire qu’il détermine quels types de données sont recueillis et comment, de quelle manière elles sont triées, traitées, intégrées et entre-posées, puis utilisées par les différents intervenants et clients. Ses tâches consistent à créer et mettre à jour de registres de métadonnées, à gérer les données, à modéliser les données et à gérer les flux de données (ETL)16. Il met en place des processus permettant d’assurer la fiabilité, l’efficacité et la qualité des don-nées. Il choisit les ressources et outils mobilisés à cette fin, il les organise et prévoit les relations entre eux. Collaborant parfois avec l’équipe d’architecture d’affaires et les hauts dirigeants, l’architecte de don-nées s’assure que les grandes orientations d’affaires sont reflétées dans l’architecture et le déploiement des données de l’organisation.

OÙ TRAVAILLE L’ARCHITECTE DE DONNÉES ? Dans le secteur de la finance et des assurances, les architectes de données sont plus souvent embauchés par les acteurs établis – soit les banques, compagnies d’assurances et firmes de gestion d’actifs – que par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs). En effet, puisque les archi-tectures sont durables et n’ont pas à être constamment révisées, les architectes de données sont surtout pré-sents dans les grandes organisations ou pour les grands projets. Pour être efficaces, les architectes de données

doivent bien connaître le secteur et les activités de l’organisation. Ils constituent enfin une ressource stratégique que les organisations préfèrent, si possible, maintenir à l’interne. Une liste non-exhaustive des employeurs d’architectes de données dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DE L’ARCHITECTE DE DONNÉES ? Pour les postes d’architectes de données, les employeurs exigent en général une formation de niveau universitaire, soit un baccalauréat en informatique, en génie logiciel ou en informatique de gestion. Il est important de noter qu’on ne devient pas architecte de données sur les bancs d’université, mais qu’on le devient après plusieurs années d’expérience dans des fonctions touchant l’architecture de données et après avoir cheminé dans plusieurs départements, en compa-gnie d’une diversité d’acteurs d’un même secteur, voire d’une même organisation. Par exemple, un architecte de données aura préalablement travaillé comme programmeur quelques années, puis comme conseiller à la direction ou analyste en intelligence d’affaires. Si aucun titre ou certification n’est requis pour exercer la profession d’architecte de données, on note que certains se dotent de certifications en tout genre selon leurs intérêts et les exigences de leur poste spécifique, que ce soit en gestion de projet (Project Management Professional (PMP), par rapport à la programmation ou la gestion des données. En plus des programmes diplômants, des certifications disponibles et de l’expé-rience, les architectes de données doivent impérative-ment demeurer au fait des tendances et nouveautés dans le secteur et par rapport à leur domaine.

PROFESSIONS DE LA DONNÉE

ARCHITECTE DE DONNÉES

« L’ARCHITECTURE DE DONNÉE EST UN ENSEMBLE DE RÈGLES, POLITIQUES, STANDARDS ET MODÈLES QUI DÉTERMINE LE TYPE DE DONNÉES RÉCOLTÉES ET LA MANIÈRE DONT CELLES-CI SONT UTILISÉES, ENTREPOSÉES, GÉRÉES ET INTÉGRÉES AU SEIN D’UNE ORGANISATION ET DE SON SYSTÈME DE BASE DE DONNÉES. »14.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

23

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ L’ARCHITECTE DE DONNÉES ?




Mathématique, statistique et analytique

Algorithme, modélisation et apprentissage-machine 1/2

Communication

Leadership

Infrastructure informatique 1/2

Les compétences techniques menant aux postes d’architecte de données dépendent de la spécialité et des besoins spécifiques de l’employeur. Cependant, on note l’importance pour les candidats de :

• connaître et savoir piloter le processus d’élaboration et de maintien de l’architecture de données ;

• savoir utiliser plusieurs outils de bases de données (db2, sybase, informatica, Cassandra, Redis, PostgreSQL, MongoDB) ;

• connaître les outils, objectifs et approches en intelligence d’affaires ;

• connaître quelques langages de programmation (surtout SQL, Java, R, python, C+) ;

• connaître des outils de gestion de données massives (Hadoop, Spark, Storm) ;


• être familier et intéressé par l’apprentissage- machine* et l’intelligence artificielle* ;




Rester à jour quant aux meil-leures pratiques, tendance et outils en architecture de données

BACCALAURÉAT EN INFORMATIQUE OU INFORMATIQUE DE GESTION OU GÉNIE LOGICIEL INFORMATIQUE

EXPÉRIENCE DIVERSIFIÉE EN PROGRAMMATION, CONSEIL, ANALYSE D’INTELLIGENCE D’AFFAIRES (8 ANS ET +)

INTÉRÊT POUR LES DONNÉES MASSIVES

CERTIFICATIONS (OPTIONNELLES)

POSTE D’ARCHITECTE DE DONNÉES

24

INGÉNIEUR DE DONNÉES


QUE FAIT L’INGÉNIEUR DE DONNÉES ? L’ingénieur de données effectue un travail semblable à celui de l’architecte de données, à la différence qu’il travaille moins à la planification à long terme et plus dans la mise en œuvre l’architecture de données. Il travaille directement avec les données et les pipe-line de données qui permettent aux différents utilisa-teurs d’effectuer leur travail efficacement. Suivant les grandes lignes de l ‘architecture de données, il définit il détermine quels types de données sont recueillis et comment, de quelle manière elles sont triées, traitées, intégrées et entreposées pour être utiles aux différents intervenants et clients. Il met en place des processus permettant d’assurer la fiabilité, l’efficacité et la qualité des données. Ses tâches consistent à créer et mettre à jour des registres de métadonnées, à gérer les don-nées, à modéliser les données et à gérer les flux de données (ETL)19. Il établit et améliore continuellement des pipeline de données et, éventuellement, il contri-bue à l’automatisation de ces processus. Par rapport au scientifique de données, l’ingénieur de données est plus préoccupé d’infrastructure et d’architecture de données que d’analyse de celles-ci.

OÙ TRAVAILLE L’INGÉNIEUR DE DONNÉES ? Les ingénieurs de données sont de plus en plus en demande dans le secteur de la finance et des assu-rances. Ils le sont tant par les acteurs établis – soit les banques, compagnies d’assurances et firmes de gestion d’actifs – que par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs).

Une liste non-exhaustive des employeurs d’architectes de données dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DE L’INGÉNIEUR DE DONNÉES ? Pour les postes d’ingénieur de données, les employeurs exigent en général une formation de niveau universi-taire, soit un baccalauréat en informatique, en génie logiciel, en statistiques ou en informatique de gestion. Comme la main-d’œuvre dans ce domaine demeure relativement rare, il est fréquent que les employeurs ne spécifient pas leurs attentes en matière de niveau d’éducation. Plusieurs employeurs exigent ou consi-dèrent comme des atouts majeurs les diplômes de maîtrise et de doctorat. Une expérience moyenne entre 3 et 5 ans est généralement préférée, que ce soit comme analyste quantitatif, chercheur, conseiller TI ou programmeur. Aucun titre ou certification n’est exigé pour exercer cette profession, mais certaines certifications sont envisageables pour bonifier le profil des ingénieurs de données, que ce soit par rapport aux architectures de données (ITIL, TOGAF), la gestion de projet (PMP – Project Management Professionnal), les données massives (Lean Six Segma Certification, Hadoop Fundamentals) et les environnements info-nuagiques (AWS) ou l’apprentissage-machine et l’intel-ligence artificielle. Il est enfin à noter que les certificats offerts sur les plateformes de Massive Open Online Courses (MOOCs) comme Coursera, DataCamp et EdX, jouent un rôle croissant dans la formation continue des ingénieurs de données.

« LE RÔLE DE L’INFRASTRUCTURE DE DONNÉES EST DE PROTÉGER, PRÉSERVER, TRAITER, DÉPLACER, SÉCURISER ET DÉPLOYER LES DONNÉES, DE FAÇON À POUVOIR ÊTRE UTILISÉES PAR LES ANALYSTES D’INFORMATIONS. LES TECHNOLOGIES QUI FORMENT L’INFRASTRUCTURE DE DONNÉES INCLUENT LE MATÉRIEL INFORMATIQUE, LES LOGICIELS, L’INFONUAGIQUE, LES SERVEURS, LA CAPACITÉ DE STOCKAGE »17.

« L’ARCHITECTURE DE DONNÉE EST UN ENSEMBLE DE RÈGLES, POLITIQUES, STANDARDS ET MODÈLES QUI DÉTERMINE LE TYPE DE DONNÉES RÉCOLTÉES ET LA MANIÈRE DONT CELLES-CI SONT UTILISÉES, ENTREPOSÉES, GÉRÉES ET INTÉGRÉES AU SEIN D’UNE ORGANISATION ET DE SON SYSTÈME DE BASE DE DONNÉES. »18.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

25

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ L’INGÉNIEUR DE DONNÉES ?




1/2Algorithme, modélisation et apprentissage-machine

Communication

1/2Leadership


Les compétences techniques menant aux postes d’ingénieur de données dépendent de la spécialité et des besoins spécifiques de l’employeur. Cependant, on note l’importance pour les candidats de :

• connaître quelques langages de programmation (surtout SQL, Java, Javascript, R, python, C+, Scala) ;

• savoir utiliser plusieurs outils de bases de données (db2, sybase, informatica, Cassandra, Redis, PostgreSQL, MongoDB) ;

• connaître les outils, objectifs et approches en intelligence d’affaires ;

• connaître des outils de gestion et d’analyse de données massives (Hadoop, Spark, Storm) ;


• être familier et intéressé par l’apprentissage- machine* et l’intelligence artificielle* et les outils d’intérêt dans ce domaine (Scikit-learn, TensorFlow) ;




Rester à jour quant aux meil-leures pratiques, tendance et outils en infra structure et en architecture de données

BACCALAURÉAT EN INFORMATIQUE OU INFORMATIQUE DE GESTION OU GÉNIE LOGICIEL INFORMATIQUE

EXPÉRIENCE EN GESTION DE DONNÉES, COMME ANALYSTE, CHERCHEUR, PROGRAMMEUR (3 À 5 ANS)



POSTE D’INGÉNIEUR DE DONNÉES

26

ANALYSTE EN INTELLIGENCE D’AFFAIRES (BI)


L’INTELLIGENCE D’AFFAIRES (BI) « DÉSIGNE LES APPLICATIONS, LES INFRASTRUCTURES, LES OUTILS ET LES PRATIQUES OFFRANT L’ACCÈS À L’INFORMATION, ET PERMETTANT D’ANALYSER L’INFORMATION POUR AMÉLIORER ET OPTIMISER LES DÉCISIONS ET LES PERFORMANCES D’UNE ENTREPRISE. EN D’AUTRES TERMES, [L’INTELLIGENCE D’AFFAIRES] EST LE PROCESSUS D’ANALYSE DE DONNÉES DIRIGÉ PAR LA TECHNOLOGIE DANS LE BUT DE DÉCELER DES INFORMATIONS UTILISABLES POUR AIDER LES DIRIGEANTS D’ENTREPRISES ET AUTRES UTILISATEURS FINAUX À PRENDRE DES DÉCISIONS PLUS INFORMÉES » 20.

QUE FAIT L’ANALYSTE EN INTELLIGENCE D’AFFAIRES ? L’analyste en intelligence d’affaires (BI) traite l’infor-mation et, grâce à des indicateurs spécifiques, fournit des portraits détaillés de la situation d’affaires passée et présente aux preneurs de décisions. L’analyste en intelligence d’affaires (BI) organise les données internes et externes afin de rendre compte aux utilisateurs d’affaires du niveau de performance atteint en com-paraison avec les niveaux antérieurs. Ses principales tâches consistent à intégrer et à entreposer les données ainsi qu’à planifier, concevoir et déployer des rapports de gestion et des tableaux de bord pouvant servir à une meilleure prise de décision par les gestionnaires des différentes unités d’affaires. Il utilise à cette fin divers outils spécialisés en intelligence d’affaires, notamment les tableaux de bord et le reporting. Traditionnellement, ses champs de compétences sont le marketing et la connaissance du secteur des finances et de l’assurance d’une part, et les mathématiques et les statistiques d’autre part21. On remarque néanmoins que les compé-tences en programmation sont de plus en plus prisées pour les postes d’analyste en intelligence d’affaires (BI). Ces professionnels élaborent des indicateurs de gestion qui rendent compte des performances du passé et ils doivent être en mesure de bien communiquer et vulgariser les résultats (storytelling) aux gestionnaires. En réponse aux tendances du secteur (intelligence artificielle* et automatisation, convivialité croissante des outils d’intelligence d’affaires, données massives*), l’analyste en intelligence d’affaires (BI) est de plus en plus appelé à intégrer des outils issus de la programma-tion et de la science des données. Des indices laissent croire que cette profession et celle de scientifique de données pourraient continuer à se rapprocher dans l’avenir.

OÙ TRAVAILLE L’ANALYSTE EN INTELLIGENCE D’AFFAIRES ? Dans le secteur de la finance et des assurances, les analystes en intelligence d’affaires (BI) sont surtout embauchés par les acteurs établis, soit les banques, compagnies d’assurances et firmes de gestion d’actifs. Une liste non-exhaustive des employeurs d’analystes en intelligence d’affaires (BI) dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DE L’ANALYSTE EN INTELLIGENCE D’AFFAIRES ? Pour les postes de spécialistes en intelligence d’affaires, la majorité des employeurs exigent une formation de niveau universitaire, soit le plus souvent un baccalauréat en informatique, en informatique de gestion, actuariat ou en mathématique/statistiques. Certaines personnes peuvent également avoir pris le chemin d’études en administration. On note que plusieurs analystes d’affaires se dotent d’un diplôme de 2ème cycle en administration ou en intelligence d’affaires. Une maîtrise ou même un doctorat constituent un atout pour plusieurs employeurs. Une expérience d’environ 5 ans est généralement préfé-rée, que ce soit comme programmeur, comme analyste de données, statisticien ou comme analyste de données actuarielles. Aucun titre ou certification n’est exigé pour exercer cette profession, mais certaines certifications sont envisageables pour bonifier le profil des analystes en intelligence d’affaires (BI), que ce soit en lien avec la gestion de projet (CSPO – Certified Scrum Product Owner, PMP – Project Management Professionnal), la gestion et l’analyse des données (BI MCP, MCSA de Microsoft et certifications Tableau), les données massives (Lean Six Segma Certification, Hadoop Fundamentals) et les environnements infonuagiques (Cloud Computing

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

27

Career Paths and Certifications: First Steps). Il est enfin à noter que les certificats offerts sur les plateformes de Massive Open Online Courses (MOOCs) comme Coursera, DataCamp et EdX, jouent un rôle croissant dans la formation continue des analystes en intelligence d’affaires.

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ L’ANALYSTE EN INTELLIGENCE D’AFFAIRES ?




1/2Algorithme, modélisation et apprentissage-machine

1/2Communication

1/2Leadership


Les spécialistes en intelligence d’affaires fournissent des informations et analyses clés à la prise de décision. Ils doivent ainsi :

• posséder de l’expérience, de l’intérêt et une connaissance du domaine de la finance et des assu-rances (par exemple, selon la nature du poste et de l’employeur, les marchés financiers, les systèmes de paiements internationaux, la thématique de lutte au blanchiment d’argent et à l’évasion fiscale, le traitement des paiements, le développement de produits et services financiers) ;

• savoir utiliser les outils principaux en intelligence d’affaires et en visualisation de données, que ce soit les concepts et approches (Lacs et entrepôts de données, modélisation, extraction et manipula-tion, flux de données (ETL), tableaux de bord) que les logiciels (Powerbi, Tableau, datastage, Microsoft SQL Server, sas) ;

• comprendre les besoins et savoir vulgariser des réalités complexes (storytelling) aux clients comme aux gestionnaires des différentes unités d’affaires ;

• demeurer au fait des tendances et des meilleures pratiques en Intelligence d’affaires dans le secteur de la finance et des assurances ;

• connaître quelques langages de programmation (surtout SQL, python) ;

• connaître des outils de gestion et d’analyse de données massives* (Hadoop, Spark, Storm) ;

• être familier et détenir de l’expérience de travail avec la méthodologie Agile*;

• être familier et intéressé par l’apprentissage-machine* et l’intelligence artificielle*;

• démontrer une connaissance des outils/langages utiles en science de la donnée (matlab, R) et des modèles mathématiques et statistiques à mobiliser au besoin statistiques (par exemple les régressions, méthodes bayésiennes, classifications).


ABACCALAURÉAT EN INFORMATIQUE, ACTUARIAT, INFORMATIQUE DE GESTION,

MATHÉMATIQUE/STATISTIQUES OU ADMINISTRATION

Se garder à jour quant aux bonnes pratiques, inno-vations et outils utilisés en intelli-gence d’affaires et en science des données

CERTIFICAT, MAÎTRISE ET/OU DOCTORAT EN INTELLIGENCE D’AFFAIRES

EXPÉRIENCE D’ANALYSTE (5 À 9 ANS)



POSTE D’ANALYSTE EN INTELLIGENCE D’AFFAIRES

28

SCIENTIFIQUE DE DONNÉES


QUE FAIT LE SCIENTIFIQUE DE DONNÉES ? Le scientifique de données navigue dans le volume et la diversité des données, utilise les algorithmes et recherche des corrélations et des tendances autrement invisibles afin de produire des analyses prédictives et positionner son organisation avantageusement pour l’avenir. Il exerce un métier relativement nouveau et pour lequel la demande est croissante, notamment en raison de son rôle face aux tendances que sont les don-nées massives* et l’intelligence artificielle*. Il recherche, interprète et exploite les données massives* brutes issues de sources multiples, dégage des tendances et effectue des analyses prédictives, cela non seulement afin de favoriser la prise de décisions, mais également pour recommander une meilleure collecte et une meilleure utilisation des données. Il met pour ce faire à contribution trois grands champs de compétences, soit les mathématiques et les statistiques, l’informatique et la programmation et une connaissance du secteur de la finance et des assurances. Ses tâches principales consistent 1) à définir la ou les problématiques d’inté-rêt, 2) à explorer et visualiser les données de manière à déceler des tendances (data mining), 3) à dévelop-per des modèles d’analyse des données (algorithme, apprentissage-machine), 4) à visualiser, interpréter et présenter les résultats d’analyse des données.

OÙ TRAVAILLE LE SCIENTIFIQUE DE DONNÉES ? Dans le secteur de la finance et des assurances, les scientifiques de données sont surtout embauchés par les acteurs établis, soit les banques, compagnies d’assurances et firmes de gestion d’actifs et, dans une moindre mesure par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs).

Une liste non-exhaustive des employeurs de scienti-fiques de données dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DU SCIENTIFIQUE DE DONNÉES ? Pour les postes de scientifique de données, la majo-rité des employeurs exigent une formation de niveau universitaire, par exemple un baccalauréat en informa-tique, en mathématique/statistiques ou une discipline connexe. Il faut noter que les parcours vers les postes de scientifiques de données sont très variés, ce qui explique pourquoi beaucoup d’employeurs ne précisent pas de formation spécifique souhaitable dans les offres d’emploi. Il n’est ainsi pas rare de voir des physiciens, généticiens et autres scientifiques exercer la profession de scientifiques de données. Une maîtrise ou même un doctorat constitue un atout majeur pour ces postes. Plusieurs scientifiques de données se dotent d’un diplôme de deuxième cycle en intelligence d’affaires, en science de la donnée ou en administration pour adapter leur profil aux demandes des employeurs. Une expérience d’environ 5 années de travail est le plus souvent demandée pour les postes, souvent comme programmeur ou comme analyste (de données, de données actuarielles, de statistiques, etc.). Aucun titre ou certification n’est exigé pour exercer cette profes-sion, mais certaines certifications sont envisageables pour bonifier le profil des analystes en intelligence d’affaires (BI), que ce soit en lien avec la gestion de projet (CSPO – Certified Scrum Product Owner, PMP – Project Management Professionnal), la gestion et l’analyse des données (BI MCP, MCSA de Microsoft et certifications Tableau), les données massives (Lean Six Segma Certification, Hadoop Fundamentals) et les environnements infonuagiques (Cloud Computing

LA SCIENCE DES DONNÉES EST UNE DISCIPLINE EMPRUNTANT DES TECHNIQUES ET OUTILS DES MATHÉMATIQUES, DES STATISTIQUES, DE LA SCIENCE DE L’INFORMATION, DE L’INTELLIGENCE D’AFFAIRES ET DE L’INFORMATIQUE. ELLE S’APPUIE SUR L’INTELLIGENCE ARTIFICIELLE*, LES ALGORITHMES* ET L’APPRENTISSAGE MACHINE* POUR TRAITER DES DONNÉES DE FORMATS VARIÉS DE MANIÈRE À DÉCOUVRIR DES TENDANCES AUTREMENT IMPERCEPTIBLES ET AINSI FORMULER DES ANALYSES PROSPECTIVES FAVORISANT LE POSITIONNEMENT DES ORGANISATIONS DANS L’AVENIR 22.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

29

Career Paths and Certifications: First Steps). Il est enfin à noter que les certificats offerts sur les plateformes de Massive Open Online Courses (MOOCs) comme Coursera, DataCamp et EdX, jouent un rôle croissant dans la formation continue des scientifiques de données. En effet, il est primordial pour le scientifique de données de demeurer au fait des tendances, meilleures pratiques, innovations et outils nouveaux dans son domaine. Cet apprentissage devra au moins en partie se faire de manière autodidacte, faisant en sorte que la curiosité et la participation à des communautés de pratique sont essentielles à cette profession en évolution rapide.

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ LE SCIENTIFIQUE DE DONNÉES ?





Communication

Leadership


Le scientifique de données explore les données massives à la recherche de corrélations et de tendances permettant à une organisation de bien se positionner dans l’avenir. Il doit donc :

• avoir un intérêt pour le secteur des finances et de l’assurance ;

• être familier avec les différentes étapes de traitement des données et des outils utiles pour chacune d’elles ;

• savoir utiliser plusieurs bases de données (Microsoft SQL Server, Oracle, mongoDB, Redis, PostgreSQL, Cassandra) ;

• démontrer une compréhension du phénomène des données massives* et une expérience d’utilisation des outils de gestion et d’analyse des données massives (Hadoops, Spark, Storm) ;

• maîtriser plusieurs langages de programmation (python, sql, C++, java, scala, javascript, bash, R) ;


• savoir utiliser les outils principaux en intelligence d’affaires et en visualisation de données, que ce soit les concepts et approches (Lacs et entrepôts de données, modélisation, extraction et manipulation, flux de données (ETL), tableaux de bord) que les logiciels (SAS, Powerbi, Cognos, Tableau, datastage, Microsoft Reporting Services (SSRS), D3.js, Highcharts, Echarts) ;

• démontrer une compréhension de l’intelligence artificielle*, de l’apprentissage-machine*, de l’appren-tissage profond* et savoir utiliser des outils spécialisés (par exemple, une librairie d’apprentissage machine comme tensorflow) ;

• démontrer une connaissance des outils/langages utiles en science de la donnée (matlab, R) et des modèles mathématiques et statistiques à mobiliser au besoin statistiques (par exemple les régressions, méthodes bayésiennes, classifications) ;


A BBACCALAURÉAT EN INFORMATIQUE, MATHÉMATIQUE / STATISTIQUES OU ACTUARIAT

MAÎTRISE OU DOCTORAT DANS UN DOMAINE SCIENTIFIQUE (EX. PHYSIQUE, CHIMIE, GÉNÉTIQUE, ETC.)

Se garder à jour quant aux bonnes pratiques, inno-vations et outils utilisés en science des données

CERTIFICAT, MAÎTRISE ET/OU DOCTORAT EN SCIENCE DES DONNÉES, STATISTIQUES OU AUTRES

INTÉRÊT POUR LES DONNÉES MASSIVES, LA PROGRAMMATION ET L’INTELLIGENCE ARTIFICIELLE

EXPÉRIENCE DE TRAVAIL (2-5 ANS)APPRENTISSAGE AUTODIDACTE OU AUTRE DES NOTIONS ET COMPÉTENCES IMPORTANTES

INTÉRÊT POUR LE SECTEUR DE LA FINANCE ET DES ASSURANCES

POSTE D’ANALYSTE EN SCIENCE DES DONNÉES


30

4. PROFESSION DE LA CYBERSÉCURITÉ*

En raison de son importance stratégique pour la stabilité économique, le secteur de la finance et des assurances demeure aujourd’hui très strictement réglementé et normé, notamment en matière de sécurité des données et de conformité transactionnelle. Le virage numérique effectué dans le secteur – données massives*, infonuagique*, internet des objets*, multiplication des solutions numériques dans le back, middle et front offices* – pose évidemment un défi de taille en matière de cybersécurité. Si, comme pour les deux autres grandes familles de professions discutées (programmation et données), les tâches du spécialiste en cybersécurité tendent à se spécialiser et à se répartir entre plusieurs professions (l’architecture, la programmation, la science des données et la gestion d’infrastructures informatiques), l’emphase de la présente section ira principalement à la gestion des infrastructures de sécurité. Dans tous les cas, une connaissance des spécificités du secteur de la finance et des assurances en matière de sécurité est utile : réglementation, risques spécifiques, protocoles, normes et standards en vigueur, meilleures pratiques, etc.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

31

LES TÂCHES DU SPÉCIALISTE EN CYBERSÉCURITÉ TENDENT À SE SPÉCIALISER ET À SE RÉPARTIR ENTRE PLUSIEURS PROFESSIONS.

32

SPÉCIALISTE EN CYBERSÉCURITÉ

PROFESSION DE LA CYBERSÉCURITÉ

QUE FAIT LE SPÉCIALISTE EN CYBERSÉCURITÉ ? Le spécialiste en cybersécurité cherche à garantir le plus possible l’inviolabilité à la fois des données recueillies dans les différents systèmes d’une organisation et des systèmes et solutions numériques eux-mêmes. Il s’agit pour lui de s’assurer que seuls les intervenants autorisés ont accès aux informations, systèmes et solutions et qu’ils ne s’en servent que dans les limites et fonctions prévues. Ce travail s’effectue tant dans la conception, que dans l’administration et le contrôle des systèmes de sécurité numérique. En somme, les tâches principales sont : 1) l’analyse des besoins en matière de cybersécu-rité de manière à assurer la conformité des produits et services quant aux normes, standards et procédures en vigueur; 2) la mise en place de politiques, stratégies et procédures en matière de sécurité informatique; 3) la conception, l’administration et le contrôle de systèmes de sécurité informatique, 4) le test des systèmes et l’évaluation des vulnérabilités ; 5) le conseil et le dépan-nage des différentes unités d’affaires; 6) la mise à jour continue quant aux tendances, bonnes pratiques et risques nouveaux dans le secteur25.

OÙ TRAVAILLE LE SPÉCIALISTE EN CYBERSÉCURITÉ ? Dans le secteur de la finance et des assurances, les spécialistes en cybersécurité sont surtout embauchés par les acteurs établis, soit les banques, compagnies d’assurances et firmes de gestion d’actifs et, dans une moindre mesure par les acteurs non-conventionnels (fournisseurs TI, jeunes pousses et PME FinTechs).

Une liste non-exhaustive des employeurs de spécialistes en cybersécurité dans le secteur est présentée à l’annexe 2.

QUEL EST LE CHEMINEMENT TYPIQUE DU SPÉCIALISTE EN CYBERSÉCURITÉ ? Pour les postes de spécialistes en cybersécurité, la majorité des employeurs préfèrent une formation de niveau universitaire, soit un baccalauréat en informatique, en génie informatique ou dans un domaine connexe. Plusieurs spécialistes en cybersécurité plus expérimentés ont cependant fait leur chemin à partir d’un diplôme d’étude collégiale (DEC) en informatique. Une expé-rience de travail de plus de cinq ans est essentielle pour les postes en cybersécurité. Les spécialistes acquièrent leur expérience comme administrateur de réseau et de système ou bien comme conseillers TI. Si en principe aucun titre ou certification n’est obligatoire pour exercer la profession de spécialiste en cybersécurité, l’obtention de certification est très valorisée – voire exigée – par les employeurs, notamment CISA (Certified Information System Auditor), CISSP (Certified Information System Security Professionnal), CCSE (CheckPoint Certified Security Expert) et ISO 270001 Lead Implementer. Outre la formation académique, les certifications et l’expérience, il est primordial pour le spécialiste en cybersécurité de demeurer au fait des tendances, meilleures pratiques, innovations, outils et risques nouveaux dans son domaine.

« ON ENTEND PAR CYBERSÉCURITÉ L’ENSEMBLE DES OUTILS, POLITIQUES, CONCEPTS DE SÉCURITÉ, MÉCANISMES DE SÉCURITÉ, LIGNES DIRECTRICES, MÉTHODES DE GESTION DES RISQUES, ACTIONS, FORMATIONS, BONNES PRATIQUES, GARANTIES ET TECHNOLOGIES QUI PEUVENT ÊTRE UTILISÉS POUR PROTÉGER LE CYBERENVIRONNEMENT ET LES ACTIFS DES ORGANISATIONS ET DES UTILISATEURS23. LA CYBERSÉCURITÉ CHERCHE À GARANTIR QUE LES PROPRIÉTÉS DE SÉCURITÉ DES ORGANISATIONS ET DES UTILISATEURS SONT ASSURÉES ET MAINTENUES PAR RAPPORT AUX RISQUES AFFECTANT LA SÉCURITÉ DANS LE CYBERENVIRONNEMENT » 24.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

33

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ LE SPÉCIALISTE EN CYBERSÉCURITÉ ?





Communication

1/2Leadership


1/2

Les compétences techniques menant aux postes de spécialiste en cybersécurité dépendent des besoins spécifiques de l’employeur. Cependant, on note l’importance pour les candidats de :

• connaître les normes de sécurité (ISO 270001, NIST) et les cadres de conformité (PCI-DSS) en vigueur ;

• avoir une bonne connaissance des notions et outils en matière d’architecture de réseau et de sécurité ;

• maîtriser les procédures (audit de sécurité) et les outils favorisant la sécurité de l’information, des réseaux et des ordinateurs (ex. firewalls, VPN) ;


• comprendre et savoir utiliser quelques langages de programmation (SQL, javascript, java, Python) ;

• démontrer une compréhension de l’infonuagique, de l’architecture infonuagique* (SAAS, microservices, web services/SOA) et des enjeux y étant reliés dans le secteur des banques et des assurances ;

• connaître le secteur de la finance et des assurances et des risques de sécurité particuliers associés à ce secteur ;

• démontrer une compréhension de l’internet des objets* et des enjeux y étant reliés dans le secteur de la finance et des assurances ;

• savoir expliquer les procédures de sécurité essentielles aux gestionnaires des différentes unités d’affaires ;

• avoir de l’expérience dans l’automatisation des vérifications de sécurité ;



ABACCALAURÉAT EN INFORMATIQUE OU GÉNIE INFORMATIQUE

OU DOMAINE CONNEXE

Se garder à jour quant aux bonnes pratiques, outils et tendances dans le domaine de la sécurité informatique ainsi qu’aux nouveaux risques qui apparaissent

EXPÉRIENCE DE TRAVAIL EN GESTION D’INFRASTRUCTURES EN LIEN AVEC LA CYBERSÉCURITÉ (5 À 10 ANS)

CERTIFICATIONS (HAUTEMENT RECOMMANDÉES)

POSTE DE SPÉCIALISTE EN CYBERSÉCURITÉ

34

5. PROFESSIONS DE L’INTELLIGENCE ARTIFICIELLE

Des applications technologiques de l’intelligence artificielle se mettent progressivement en place dans le secteur de la finance et des assurances27. Par exemple, les banques s’en servent pour mieux évaluer la qualité du crédit de ses clients et pour l’automatisation de certaines interactions avec la clientèle28 ; les compagnies d’assurances commencent à implanter ce type de solution pour mieux suivre la performance des clients 29; et les firmes de gestion d’actifs en font usage pour repérer les tendances lourdes parmi les milliards de données dont elles disposent30. On prévoit que l’implantation progressive de l’intelligence artificielle dans le secteur de la finance et des assurances entraînera un accroissement de la demande pour les professions de la donnée et celles de la programmation logicielle et web. Les promesses de l’intelligence artificielle quant à la détection des fraudes et le testage automatique des systèmes font aussi qu’elle aura des impacts pour les professions de la cybersécurité. L’expertise en intelligence artificielle est ainsi partagée entre plusieurs professionnels TI discutés précédemment dans le Guide sur les parcours d’accès aux professions technologiques dans le secteur de la finance et des assurances.

Dans le secteur de la finance et des assurances, il demeure rare à l’heure actuelle pour les employeurs de demander aux professionnels de la programmation web et logicielle de connaître et de maîtriser les concepts, outils et technologies liés à l’intelligence artificielle. Les programmeurs devant démontrer ces compétences sont embauchés spécifiquement pour travailler en intelligence artificielle et sont par exemple nommés Programmeurs en apprentissage-machine. Les professionnels de la donnée – surtout les scientifiques de données – utilisent pour leur part d’emblée les concepts, outils et technologiques liées à l’intelligence artificielle, notamment les algorithmes en apprentissage-machine.

AUTRES MÉTIERS TECHNOLOGIQUES

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

35

LES PROGRAMMEURS DEVANT DÉMONTRER CES COMPÉTENCES SONT EMBAUCHÉS SPÉCIFIQUEMENT POUR TRAVAILLER EN INTELLIGENCE ARTIFICIELLE.

PAR INTELLIGENCE ARTIFICIELLE, NOUS ENTENDONS UNE TECHNOLOGIE

IMITANT « L’ACTIVITÉ HUMAINE, TYPIQUEMENT PAR L’APPRENTISSAGE, LA FORMULATION

DE CONCLUSIONS, LA COMPRÉHENSION DE CONTENUS COMPLEXES ET LA PARTICIPATION À DES DIALOGUES AVEC DES HUMAINS. ELLE PERMET DANS CERTAINS CAS DE REHAUSSER

LES PERFORMANCES COGNITIVES DES HUM AINS OU DE LES REMPLACER

DANS L’EXÉCUTION DE TÂCHES NON-ROUTINIÈRES » 26.

36

PROFESSIONNEL EN INTELLIGENCE ARTIFICIELLE

PROFESSIONS DE L’INTELLIGENCE ARTIFICIELLE

QUE FAIT LE PROFESSIONNEL EN INTELLIGENCE ARTIFICIELLE ? Les tâches du professionnel en intelligence artificielle dépendent évidemment de son domaine d’expertise, que ce soit programmeur, professionnels de la donnée, ingénieur en robotique, chercheur, gestionnaire de pro-jet ou produit TI ou autre. Malgré cela, les différentes activités reliées à la mise en place d’une solution en intelligence artificielle (solution IA) sont les suivantes :

• Effectuer une analyse d’affaire concernant les objectifs de la solution IA ;

• Effectuer une analyse fonctionnelle de la solution IA, de manière à déterminer ses objectifs spécifiques ;

• Élaborer l’architecture de la solution IA, de manière à déterminer les ressources à utiliser et de quelle manière (notamment identifier les données à être utilisées, le type d’apprentissage-machine préconisé, etc.) ;

• Programmer les algorithmes de l’apprentissage-machine ;

• Lancer l’apprentissage-machine et effectuer des tests ;

• Utiliser la solution IA, vérifier ses résultats et l’améliorer ;

• Évaluer le niveau d’atteinte des objectifs d’affaires.

QUEL EST LE CHEMINEMENT TYPIQUE DU PROFESSIONNEL EN INTELLIGENCE ARTIFICIELLE ? Pour obtenir un poste de professionnel en intelligence artificielle, détenir un diplôme universitaire avancé – une maîtrise, voire préférablement un doctorat – semble être la norme. Ces professionnels présentent cependant des profils extrêmement diversifiés en matière de domaine d’étude : génie, informatique, actuariat, mathématique et statistique, génétique, physique, etc. Comme il s’agit

d’une spécialité relativement récente et en mutation continuelle, les professionnels en intelligence artificielle ne sont pas attendus de détenir une très longue expé-rience de travail. Quelques années d’expérience dans des postes de chercheurs, de programmeur, d’analyste de données semblent être le cheminement profession-nel le plus typique. Le niveau de connaissance du sec-teur de la finance et des assurances n’est souvent pas très important, mais il prend rapidement de l’ampleur une fois en poste. Dans le secteur de la finance et des assurances, beaucoup de professionnels en intelligence artificielle sont d’anciens analystes quantitatifs qui savent bâtir des modèles financiers avancés avec des langages comme Matlab ou C++. Aucun titre ou certifi-cation n’est exigé pour les postes de professionnels en intelligence artificielle. Selon leur domaine spécifique, leurs intérêts et l’emploi qu’ils occupent ou souhaitent occuper, certains professionnels choisissent cependant de bonifier leur profil de certifications diverses, par exemple en programmation, en analyse de données, en apprentissage-machine ou en gestion de projet. En plus des programmes diplômants et des certifications possibles, les professionnels en intelligence artificielle doivent impérativement demeurer au fait des ten-dances, bonnes pratiques et nouveautés tant dans leur domaine spécifique (science de la donnée, programma-tion, cybersécurité, robotique ou autre) qu’en matière d’intelligence artificielle. Ils doivent souvent apprendre de manière autodidacte, c’est-à-dire par les communau-tés de pratique, la formation continue, la lecture de documentation et l’expérimentation en général. Il est enfin à noter que les plateformes de Massive Open Online Courses (MOOCs) comme Coursera, DataCamp et EdX offrent des certificats parmi les plus à jour et utiles pour les professionnels en intelligence artificielle.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

37

QUELLES SONT LES COMPÉTENCES ET DISPOSITIONS SOUHAITÉES CHEZ LE PROFESSIONNEL EN INTELLIGENCE ARTIFICIELLE ?





Communication

Leadership


Pour faire évoluer leur profil vers l’intelligence artificielle, les programmeurs doivent impérativement démontrer des compétences avancées en mathématique et en statistiques ; ils doivent développer une compréhension et un intérêt accrus pour la science des données; et ils sont encouragés à en apprendre le plus possible au sujet de l’apprentissage- machine et des chatbots notamment31. Les professionnels des données – surtout les scientifiques de données – sont souvent déjà enracinés dans l’intelligence artificielle, les algorithmes et l’apprentissage-machine. Ils doivent poursuivre leur chemi-


AMAÎTRISE OU DOCTORAT DANS UNE DISCIPLINE LIÉE AUX MATHÉMATIQUES

ET À LA STATISTIQUE OU AU GÉNIE OU À L’INFORMATIQUE

Se garder à jour quant aux bonnes pratiques, outils et tendances dans le domaine de la sécurité informa-tique ainsi qu’aux nouveaux risques qui apparaissent

INTÉRÊT MARQUÉ POUR L’INTELLIGENCE ARTIFICIELLE

EXPÉRIENCE DE TRAVAIL EN RECHERCHE, ENSEIGNEMENT, ANALYSE DE DONNÉES OU PROGRAMMATION OU AUTRE (3 À 8 ANS)

CERTIFICATIONS OU FORMATION COMPLÉMENTAIRE EN INTELLIGENCE ARTIFICIELLE OU APPRENTISSAGE-MACHINE, ETC.

POSTE DE PROFESSIONNEL EN INTELLIGENCE ARTIFICIELLE

nement dans cette voie et demeurer à jour malgré la vitesse des avancées technologiques dans le domaine.

Bien que les compétences spécifiques les plus importantes varient selon le domaine spécifique du professionnel 32 en intelligence artificielle et soient en constante évolution, on note l’importance pour eux de :

• avoir un intérêt pour le secteur des finances et de l’assurance ;

• maîtriser plusieurs langages de programmation (python, sql, java, C++, scala, javascript, R) ;

• connaître et savoir utiliser plusieurs outils d’analyse de données (matlab, STATA, SPSS, Tableau) ;

• avoir des compétences poussées en mathématiques et en statistique ;

• comprendre l’apprentissage-machine* (réseaux de neurones, apprentissage profond*, apprentissage supervisé et non-supervisé, apprentissage par renforcement) ;

• savoir utiliser plusieurs outils d’apprentissage- machine (Keras, tensorflow, scikit-learn, Caffe, Torch) ;


• connaître les principaux algorithmes* utilisés en apprentissage-machine (Linear Regression, Logistic Regression, Decision Tree, SVM, Naive Bayes, kNN, K-Means, Random Forest, Dimensionality Reduction Algorithms, Gradient Boosting algorithms33) ;


BIBLIO GRAPHIE

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

39

365 Data Science (2018). Defining Data Science: The What, Where and How of Data Science, https://365datascience.com/ defining-data-science/

Analytics Vidhya (2017). Essentials of Machine Learning Algorithms (with Python and R Codes), https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/

Andlil (2013). Définition du Middle Office, https://www.andlil.com/definition-du-middle-office-130214.html

Association pour l’emploi des cadres (APEC, 2018). Les métiers et compétences recherchés dans le Cloud, le Big Data, la Cybersécurité. Analyse des offres d’emploi APEC de 2017, https://cadres.apec.fr/files/live/mounts/media/medias_delia/documents_a_telecharger/etudes_apec/cybersecurite.pdf

Baillarguet, G. Analyse Fonctionnelle - Cours. Université d’Orléans, IUT d’Orléans, Département Génie Mécanique et Productique. http://public.iutenligne.net/conception-mecanique/baillarguet/ analyse_fonctionnelle/AF-prof.pdf

Berges, A., Guillén, M.F., Moreno, J.P., & Ontiveros, E. (2014). A new Era in Banking. The landscape after the battle. Bibliomotion.

Cap informatique (2018). Cloud Computing – Définition, avantages et exemples d’utilisation, https://www.capinformatique.ch/nouveautes/cloud-computing-definition-avantages-exemples-dutilisation

DevOps, la maîtrise du Cloud (2016). Tableau périodique DevOps par Xebialabs (2016), https://www.devops-cloud.fr/ tableau-periodique-devops-tools-par-xebialabs/

Dhar, V. (2013). Data science and prediction. Communications of the ACM. 56 (12): 64, https://archive.nyu.edu/bitstream/ 2451/31553/2/Dhar-DataScience.pdf

DZone (2018). AI Zone: What Skills Do Developers Need for AI?, https://dzone.com/articles/what-skills-do-developers-need-for-ai

Entrepreneur (2018). Artificial Intelligence: Five Ways Artificial Intel-ligence Is Disrupting Asset Management, https://www.entrepreneur.com/article/312672

Erl, T., Khattak, W. & Buhler, P. (2016). Big data fundamentals. Concepts, Drivers & Techniques, Prentice Hall, pp. 13-16.

FinanceMontréaletKPMG(2016),Impactdel’intelligenceartificiellesurlesecteurdesservicesfinanciers.https://www.finance-montreal.com/.../Finance-Montreal_Rapport-de-létude_vFINAL.pdf

Financial Stability Board (2017). Financial Stability Implications from FinTech: Supervisory and Regulatory Issues that Merit Authorities’ Attention, http://www.fsb.org/wp-content/uploads/R270617.pdf

Financial Stability Board (2017). FSB considers financial stability implications of artificial intelligence and matching learning, http://www.fsb.org/2017/11/fsb-considers-financial-stability- implications-of-artificial-intelligence-and-machine-learning/

Fonctionnel.net (2018). L’analyse fonctionnelle expliquée, http://www.fonctionnel.net/

Fonctionnel.net (2018). Devenir analyste fonctionnel, http://www.fonctionnel.net/profession/devenir-analyste-fonctionnel

Futura Tech (2018). Définitions: Big Data, https://www.futura- sciences.com/tech/definitions/informatique-big-data-15028

Gartner (2018). IT Glossary: Artificial Intelligence, https://www.gartner.com/it-glossary/artificial-intelligence/

Gouvernement du Canada, Emploi et développement social Canada (2017). Système de projection des professions au Canada (SPPC) - Tableau demande de main-d’oeuvre (2013-2022), http://occupations.esdc.gc.ca/sppc-cops/[email protected]?cid=49&preview=1

Gouvernement du Québec, Ministère du Travail, de l’Emploi et de la Solidarité Sociale (2017). Emploi Québec : Information sur le marché du travail : Guide des salaires selon les professions au Québec - Édition 2017, http://www.emploiquebec.gouv.qc.ca/uploads/tx_ fceqpubform/00_imt_guide-salaires-professions_2017.pdf

GouvernementduQuébec,OfficeQuébécoisdelalangue française (2018). Fiche terminologique : registre distribué, http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26544126

Guide métiers : Expert en cybersécurité, https://www.guide-metiers.ma/metier/expert-en-cybersecurite/

Hayashi, C. (1998). "What is Data Science? Fundamental Concepts and a Heuristic Example". In Hayashi, Chikio; Yajima, Keiji; Bock, Hans-Hermann; Ohsumi, Noboru; Tanaka, Yutaka; Baba, Yasumasa. Data Science, Classification, and Related Methods. Studies in Classifi-cation, Data Analysis, and Knowledge Organization. Springer Japan. pp. 40–51 dans https://en.wikipedia.org/wiki/Data_science

HEC Montréal (2017). Big data, intelligence artificielle et science des données, http://www.hec.ca/nouvelles/2017/big-data- intelligence-artificielle-et-science-des-donnees.html

Institut Africain du Numérique (2018). Transformation digitale : Internet des objets, https://www.digitalacademy.africa/ transformation-digitale/transformation-digitale/

Investopedia (2018). Deep Learning. https://www.investopedia.com/terms/d/deep-learning.asp

Jabbari, R. & Binish, T. (2016), “What is DevOps? A Systematic MappingStudyonDefinitionsandPractices”,consultéenligne le 26 juillet 2018 à : https://www.researchgate.net/profile/Ramtin_ Jabbari/publication/308857081_What-is-DevOps-A-Systematic- Mapping-Study-on-Definitions-and-Practices.pdf

Journal du Net (2018). Dictionnaire économique et financier. Front Office : définition, traduction, https://www.journaldunet.fr/business/dictionnaire-economique-et-financier/1199183-front- office-definition-traduction/

Journal du Net (2018). Interface de programmation : API ou Application Programming Interface, https://www.journaldunet.fr/ web-tech/dictionnaire-du-webmastering/1203559-api-application- programming-interface-definition-traduction/

Larochelle Groupe Conseil (2017). Le movement DevOps, qu’est-ce que c’est ? https://www.larochellegc.com/ le-mouvement-devops-quest-ce-que-cest

Larousse (2018). Définitions : algorithme, https://www.larousse.fr/dictionnaires/francais/algorithme/2238

BIBLIOGRAPHIE

40

Le Big Data: Le Magazine Cloud & Big Data (2018). Business Intelligence: définition, fonctionnement et secteurs d’application, https://www.lebigdata.fr/business-intelligence-definition

Le Gouvernement du Grand-Duché de Luxembourg (2016). Définition de la cybersécurité, https://www.infocrise.lu/fr/ cyber-definition-cybersecurite

Leek, J. (2013). The key word in "Data Science" is not Data, it is Science. Simply Statistics, https://simplystatistics.org/2013/ 12/12/the-key-word-in-data-science-is-not-data-it-is-science/

Le Mag IT (2017). Définition : ETL (et ELT), https://www.lemagit.fr/definition/ETL-et-ELT

Ma carrière Techno (2018). Spécialiste en sécurité informatique, http://www.macarrieretechno.com/fr/carri%C3%A8res/professions/sp%C3%A9cialiste-en-s%C3%A9curit%C3%A9-informatique

McKinsey Global Institute (2017). Artificial intelligence: The next digital frontier?, https://www.mckinsey.com/~/media/McKinsey/ Industries/MGI-Artificial-Intelligence-Discussion-paper.ashx

Montréal International (2017). Le Grand Montréal : plaque tournante de l’intelligence artificielle, http://www.montrealinternational.com/publications/le-grand-montreal-plaque-tournante-de-lintelligence- artificielle/

Open Classrooms (2017). En profondeur avec l’assembleur. Programmer ? C’est quoi ?, https://openclassrooms.com/fr/courses/1464031-en-profondeur-avec-lassembleur/1464136- programmer-cest-quoi

Open Classrooms (2008). Débutez l’analyse logicielle avec UML : Les différents types de diagrammes, https://openclassrooms.com/fr/courses/2035826-debutez-lanalyse-logicielle-avec-uml/2048781- les-differents-types-de-diagrammes

OPIIEC. « Responsable sécurité de l'information », Référentiels métiers de la branche du numérique, de l’ingénierie, des études et du conseil et de l’événement. http://referentiels-metiers.opiiec.fr/fiche-metier/84-responsable-securite-de-l-information

Paysa (2017). Artificial Intelligence is The New Black, https://www.paysa.com/blog/artificial-intelligence-is-the-new-black/

Programme informatique (2014). Wikitionnaire, le dictionnaire libre, https://fr.wiktionary.org/wiki/programme_informatique

Randstad (2017). Qu’est-ce que la méthode agile, et pourquoi est-elle si répandue dans le monde des TI ? https://www.randstad.ca/fr/workforce360-tendances/archives/quest-ce-que-la-methode-agile_556/

Reekie, H. J. & McAdam, R. J. (2006). A Software Architecture Primer. Angophora Press, Australia.

RépertoireNationaldesCertificationsprofessionnelles(RNCP). Résumé descriptif de la certification, Code RNCP 29571, CQP : Certificat de qualification professionnelle Manager de la sécurité et des risques de l’information, http://www.rncp.cncp.gouv.fr/grand-public/visualisationFiche?format=fr&fiche=29571

Seroussi, Y. (2018). Defining data science in 2018, Data science and beyond, https://yanirseroussi.com/2018/07/22/defining-data-science-in-2018/?utm_campaign=News&utm_medium=Commu-nity&utm_source=DataCamp.com

Tech Emergence (2018). How America’s Top 4 Insurance Companies are Using Machines Learning, https://www.techemergence.com/machine-learning-at-insurance-companies/

Tech Emergence (2018). What is Machine Learning? https://www.techemergence.com/what-is-machine-learning

TechnoMontréal, TECHNOCompétences, Conseil Emploi Métropole, Finance Montréal, Alia Conseil (2016), Analyse des besoins de compétences en TIC dans le secteur financier.

Technopedia (2018). What is Data architecture?, https://www.techopedia.com/definition/6730/data-architecture

TechTarget (2018). Definition: Artificial Intelligence (AI), https://searchenterpriseai.techtarget.com/definition/AI-Artificial-Intelligence

Union Internationale des télécommunications (UIT, 2010). Les décisions phares de Guadalajara : Cybersécurité - Définitions et termes relatifs à l’instauration de la confiance et de la sécurité dans l’utilisation des technologies de l’information et de la commu nication, http://www.itu.int/net/itunews/issues/2010/09/20-fr.aspx

Vokes, Robert (2017). The AI challenge for Canada’s financial industry, Accenture, Financial Services Blog, https://financialservicesblog.accenture.com/the-ai-challenge-for-canadas-financial-industry

Wikipedia, l’Encyclopédie libre (2018). Back office, https://fr.wikipedia.org/wiki/Back_office

Wikipédia, l’Encyclopédie libre (2018). Architecture logicielle, https://fr.wikipedia.org/wiki/Architecture_logicielle

Willems, Karlijn (2015) The Data Science Industry: Who Does What (Infographic). https://www.datacamp.com/community/tutorials/ data-science-industry-infographic

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

41

PROFILS RECHERCHÉS (INDEED) ET RÉELS (LINKEDIN) ANALYSÉS POUR CHACUNE DES CATÉGORIES ET DES PROFESSIONS CIBLÉES

CATÉGORIE D’EMPLOI / PROFESSION TI

PROFILS RECHERCHÉS (offres d’emploi sur Indeed)

PROFILS RÉELS (profils professionnels sur LinkedIn)

TOTAL (profils recherchés et réels)

PROFESSIONNELS DE LA PROGRAMMATION LOGICIELLE ET WEB

83 76 159

Analystes fonctionnels 12 15 27

Architectes de solutions 15 14 29Programmeurs 31 21 52Spécialistes DevOps 12 15 27Gestionnaires de projet et produit TI 13 11 24

PROFESSIONNELS DE LA DONNÉE 50 42 92

Architectes de données 6 11 17Ingénieurs de données 17 9 26Analystes en intelligence d’affaires (BI) 12 10 22

Scientifiques de données 15 12 27

SPÉCIALISTES EN CYBERSÉCURITÉ 16 15 31

PROFESSIONNELS DE L’INTELLIGENCE ARTIFICIELLE 18 20 38

TOTAL 150 144 294

ANNEXE 1 : MÉTHODOLOGIEPlusieurs méthodologies ont été déployées pour la réalisation du Guide sur les parcours d’accès aux professions technologi-ques dans le secteur de la finance et des assurances. Mis à part quelques entrevues informelles et la participation à deux groupes de discussion sur les besoins en formations hybrides (finance et technologies), une revue de littérature a été effectuée et pour-suivie tout au long de la réalisation du guide. Enfin, des analyses d’offres d’emploi sur Indeed et de profils professionnels sur LinkedIn ont permis d’étoffer la compréhension.

La collecte des offres emploi s’est effectuée sur l’agrégateur d’offre d’emploi Indeed entre le 21 février et le 18 juillet 2018 (10 octobre 2018 pour les postes d’ingénieurs de données) pour les emplois dans la grande région de Montréal pour un total, après filtrage des résultats hors champs, de 167 offres d’emploi utilisés pour l’analyse. Les mots-clés « FinTechs », « technologies finan-cières », « TI » et « Finance » ont été effectués ponctuellement.

Offres ont été classées par profession et par type d’employeur (acteur conventionnel ou non conventionnel (fournisseur TI, PME ou Start-Up FinTechs)). Des recherches par employeurs potentiels (les principales institutions financières présentes dans la grande région de Montréal) se sont ajoutées afin de bonifier et de diversifier notre collecte. Enfin, une fois la liste des professions TI à l’étude complétée (suivant la revue de littérature, une pre-mière analyse des offres, des discussions avec Finance Montréal et la participation aux groupes de discussions), des recherches ciblées par profession sont venues compléter la démarche.

L’analyse des profils professionnels s’est effectuée grâce à l’outil Recruter du réseau social professionnel LinkedIn en juillet 2018 (et en octobre 2018 pour les postes d’ingénieurs de données), pour un total, après filtrage des résultats hors champs, de 153 profils pro-fessionnels utilisés pour l’analyse. La recherche visait à cibler, dans la région montréalaise, un minimum de dix professionnels du secteur de la finance et des assurances par profession TI ciblée. L’objectif était de valider la compréhension des professions, des parcours réels d’accès et de cheminement dans les professions et finalement des compétences principales à acquérir.

Le tableau suivant répertorie les profils recherchés et réels analysés pour chacune des catégories d’emploi et des professions ciblées.

42

ANNEXE 2 : TABLEAU DES EMPLOYEURS DE PROFESSIONNELS EN TI DANS LE SECTEUR DE LA FINANCE ET DES ASSURANCESActeurs conventionnels qui embauchent des professionnels TI dans le secteur de la finance et des assurances

• Banque Nationale

• BDC

• BMO

• BNP Paribas

• CIBC

• Desjardins

• Equifax

• Financière Sun Life

• Fond Action CSN

• Fonds de solidarité FTQ

• IA Groupe financier

• Intact Assurance

• La Capitale

• Manuvie

• PSP

• RBC

• Société générale

• TD Canada Trust

• Aviva

• Croix Bleue du Québec

• Impak Finance

• Morgan Stanley

• SSQ Assurance

• SSQ Financial Group

• The Economical Insurance Group

• Thinking Capital

• Belair Direct

• CDPQ

Acteurs non-conventionnels qui embauchent des profes-sionnels TI dans le secteur de la finance et des assurances

• CGI

• Expertus Technologies inc.

• Fina Banx

• Hexavest

• Huxley FinTech

• Marsh

• Mylo

• NestReady

• Optimum général Inc.

• Payment Rails

• Paysafe Group

• Planaxis

• Pointus

• Procom

• RENAPS

• Resolution Compliance Consulting

• SG CIB

• Sia Partner

• Solog

• Techbanx

• Triasima inc.

• Upgrade

• Valtech Canada

• Alithya Services-Conseil

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

43

ANNEXE 3 : GLOSSAIREAGILE (APPOCHE, MÉTHODE)Une approche/méthode Agile est une approche itérative et collaborative, capable de prendre en compte les besoins initiaux du client et ceux liés aux évolutions. Cette approche/méthode se base sur un cycle de développement qui porte le client au centre. Le client est impliqué dans la réalisation du début à la fin du projet.34

ALGORITHMEEnsemble de règles opératoires dont l'application permet de résoudre un problème énoncé au moyen d'un nombre fini d'opérations. Un algorithme peut être traduit, grâce à un langage de programmation, en un programme exécutable par un ordinateur.35

APIUne solution informatique qui permet à des applica-tions de communiquer entre elles et de s'échanger mutuellement des services ou des données. Il s'agit d'un ensemble de fonctions qui facilitent, via un langage de programmation, l'accès aux services d'une application.36

APPRENTISSAGE-MACHINEL'apprentissage-machine est la science qui permet aux ordinateurs d'apprendre et d'agir comme les humains et d'améliorer leur apprentissage au fil du temps de manière autonome, en leur fournissant des données et des informations sous forme d'observations et d'interactions réelles.37

APPRENTISSAGE PROFONDL’apprentissage profond est une fonction d'intelligence artificielle qui imite le fonctionnement du cerveau humain dans le traitement des données et la création de modèles à utiliser dans la prise de décision. L'appren tissage en profondeur est un sous-ensemble de l'apprentissage automatique en intelligence artificielle (IA) qui comprend des réseaux capables d'apprendre sans surveillance à partir de données non structurées ou sans étiquette.38

BIOMÉTRIELa biométrie consiste à effectuer une analyse mathéma-tique des caractéristiques biologiques d'une personne (empreintes digitales, iris, rétine, main, empreintes vocales, ADN) cela afin de déterminer son identité de manière irréfutable.

CYBERSÉCURITÉLa cybersécurité désigne l’ensemble des outils, poli-tiques, concepts de sécurité, mécanismes de sécurité, lignes directrices, méthodes de gestion des risques, actions, formations, bonnes pratiques, garanties et technologies qui peuvent être utilisés pour protéger le cyberenvironnement et les actifs des organisations et des utilisateurs.39

DEVOPS (APPROCHE)L’approche DevOps privilégie l’étroite collaboration entre les équipes de développement (dev) et d’exploi-tation (ops) pour toute solution TI. Par ce rapproche-ment, le but visé est d’améliorer la qualité du travail et la relation entre ces deux équipes qui ont chacun leur vision pour atteindre la satisfaction du client – livrer du nouveau code sur demande et maintenir la disponibilité des services.40

DONNÉES MASSIVESLes données massives désignent l'ensemble des données numériques produites par l'utilisation des nouvelles technologies à des fins personnelles ou professionnelles. Cela recoupe les données d'entreprise (courriels, documents, bases de données, historiques de processeurs métiers...) aussi bien que des données issues de capteurs, des contenus publiés sur le web (images, vidéos, sons, textes), des transactions de commerce électronique, des échanges sur les réseaux sociaux, des données transmises par les objets connec-tés (étiquettes électroniques, compteurs intelligents, smartphones...), des données géolocalisées, etc.41

44

FINTECHSLes FinTechs sont un ensemble d’innovations techno-logiques dans les services financiers, qui pourrait déboucher sur de nouveaux modèles commerciaux, applications, processus ou produits ayant un effet important sur les marchés et les institutions financières.42

FRONT, MIDDLE AND BACK OFFICELe front office correspond à l'ensemble des services commerciaux qu'une entreprise est en mesure de proposer à ses clients. Dans le monde de la finance, le front office correspond à l'activité exercée par les opérateurs de marché.43 Le middle office fait le lien entre le back office et le front office. Il sert donc d'intermédiaire entre ces deux services tout en contrôlant et apportant son soutien au front office. En soutient, le middle office informe les traders sur les perspectives du marché, les volumes, les résistances et les risques. Mais en tant qu'organe régulateur le middle office est également en charge du contrôle et de la vérification de l'activité des traders.44 Le back office désigne quant à lui l'ensemble des activités de supports, de contrôle, d'administration d'une organisa-tion. Elles sont facilement reconnaissables et peuvent être fonctionnellement et spatialement séparées du reste des opérations45.

INFONUAGIQUEL’infonuagique (Cloud Computing) est un terme général employé pour désigner la livraison de ressources et de services sur demande par internet. Il désigne le stockage et l’accès aux données par l’intermédiaire d’internet plutôt que via le disque dur d’un ordinateur. Il s’oppose ainsi à la notion de stockage local, consistant à entrepo-ser des données ou à lancer des programmes depuis le disque dur.46

INTELLIGENCE ARTIFICIELLEL'intelligence artificielle est la simulation des processus de l'intelligence humaine par des machines, en particu-lier des systèmes informatiques. Ces processus incluent l'apprentissage (l'acquisition d'informations et les règles d'utilisation des informations), le raisonnement (utilisa-tion des règles pour parvenir à des conclusions approxi-matives ou définies) et l'autocorrection. Les applications particulières de l'IA comprennent les systèmes experts, la reconnaissance vocale et la vision artificielle.47

INTERNET DES OBJETSL’Internet des objets (IoT) est un système de dispositifs informatiques, de machines mécaniques et numériques, d’objets, d’animaux ou de personnes interconnectés capables de transférer des données sur un réseau sans interaction humaine.48

PROCESSUS ETLProcessus d'intégration des données qui permet de transférer des données brutes d'un système source, de les préparer pour une utilisation en aval et de les envoyer vers une base de données, un entrepôt de données ou un serveur cible.49

TECHNOLOGIES DES REGISTRES DISTRIBUÉSLa technologie des registres distribués – que mobilise notamment les cryptomonnaies comme bitcoin – s’appuie sur des registres simultanément enregistrés et synchronisés sur un réseau d'ordinateurs, qui évolue par l'addition de nouvelles informations préalablement validées par l'entièreté du réseau et destinées à ne jamais être modifiées ou supprimées50.

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

45

ANNEXE 4 : COMPARAISON DES GRANDES COMPÉTENCES ET DISPOSITIONS SELON LA PROFESSIONPrésentés tout au long du guide, les tableaux portant sur les grandes compétences et dispositions souhaitées pour les différentes professions doivent être reçus comme un outil comparatif. Ainsi, l’attribution des étoiles s’est faite suivant une analyse des offres d’emploi (INDEED) et des profils professionnels (LinkedIn), mais elle cherchait tout d’abord à comparer l’importance relative de ces compétences et dispositions pour les professions respectives.

11

2,52,5

33,5

444

4,55

SpécialisteDevOpsProgrammeur

GestionnairedeprojetouproduitTIIngénieurdedonnées

ProfessionnelenintelligenceartificielleSpécialisteencybersécurité

AnalystefonctionnelArchitectededonnées

ScientifiquededonnéesArchitectedesolutions

Analysteenintelligenced'affaires

Connaissance/expériencesecteur

46

11

1,522

2,53

3,54

4,5

GestionnairedeprojetouproduitTISpécialisteencybersécurité

AnalystefonctionnelArchitectededonnéesArchitectedesolutionsIngénieurdedonnées

SpécialisteDevOpsProgrammeur

ProfessionnelenintelligenceartificielleAnalysteenintelligenced'affaires

Mathématique,statistiqueetanalytique

ANNEXE 4 (SUITE)

11,5

2,52,5

33

3,53,5

455

GestionnairedeprojetouproduitTIAnalystefonctionnel

ArchitectedesolutionsSpécialisteDevOps

SpécialisteencybersécuritéProgrammeur

ArchitectededonnéesAnalysteenintelligenced'affaires

IngénieurdedonnéesProfessionnelenintelligenceartificielle

Scientifiquededonnées

Algorithme,modélisationetapprentissagemachine

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

47

11,5

222

2,53

3,544

4,5

Analysteenintelligenced'affaires

Scientifiquededonnées

Analystefonctionnel

Ingénieurdedonnées

Architectedesolutions

Spécialisteencybersécurité

Infrastructureinformatique

12,52,5

33

3,53,5

44

4,54,5

ProgrammeurSpécialisteDevOps


ScientifiquededonnéesSpécialisteencybersécurité

AnalystefonctionnelArchitectededonnéesArchitectedesolutions

GestionnairedeprojetouproduitTIAnalysteenintelligenced'affaires

Communication

122

2,52,5

33,5

444

4,5

ProgrammeurAnalystefonctionnel


ScientifiquededonnéesSpécialisteDevOps

Analysteenintelligenced'affairesSpécialisteencybersécurité

ArchitectededonnéesArchitectedesolutions

GestionnairedeprojetouproduitTI

Leadership

48

NOTES

1 Pour un bon résumé des transformations en cours, voir : Berges, A., Guillén, M.F., Moreno, J.P., & Ontiveros, E. (2014). A new Era in Banking. The landscape after the battle. Bibliomotion.

2 Gouvernement du Canada, Emploi et développement social Canada (2017). Système de projection des professions au Canada (SPPC) - Tableau demande de main-d’œuvre (2013-2022), http://occupations.esdc.gc.ca/sppc-cops/[email protected]?cid=49&preview=1

3 Gouvernement du Québec, Ministère du Travail, de l’Emploi et de la Solidarité Sociale (2017). Emploi Québec : Information sur le marché

du travail: Guide des salaires selon les professions au Québec - Édition 2017, http://www.emploiquebec.gouv.qc.ca/uploads/tx_fceqpu-bform/00_imt_guide-salaires-professions_2017.pdf

4 Certains intervenants sont d’avis que les professions de programmeur et de spécialiste dev-ops sont appelés à se confondre dans l’avenir.

5 Gérard Baillarguet. Analyse Fonctionnelle - Cours. Université d’Orléans, IUT d’Orléans, Département Génie Mécanique et Productique,

http://public.iutenligne.net/conception-mecanique/baillarguet/analyse_fonctionnelle/AF-prof.pdf ; L’analyse fonctionnelle expliquée (2018). Fonctionnel.net, http://www.fonctionnel.net/; Débutez l’analyse logicielle avec UML : Les différents types de diagrammes (2018). Open Classrooms, https://openclassrooms.com/fr/courses/2035826-debutez-lanalyse-logicielle-avec-uml/2048781-les-differents- types-de-diagrammes

6 Devenir analyste fonctionnel (2018). Fonctionnel.net, http://www.fonctionnel.net/profession/devenir-analyste-fonctionnel

7 Pour plus de détails sur la méthodologie utilisée pour les tableaux de grandes compétences et dispositions, et pour comparer l’importance relative de celles-ci d’une profession à une autre, voir l’annexe 4.

8 Architecture logicielle (2018). Wikipédia, l’Encyclopédie libre, https://fr.wikipedia.org/wiki/Architecture_logicielle; Reekie, H. J. & McAdam, R. J. (2006). A Software Architecture Primer. Angophora Press, Australia.

9 Programme informatique (2014). Wikitionnaire, le dictionnaire libre, https://fr.wiktionary.org/wiki/programme_informatique; En profondeur

avec l’assembleur. Programmer ? C’est quoi ? (2017). Open Classrooms, https://openclassrooms.com/fr/courses/1464031-en-profondeur-avec-lassembleur/1464136-programmer-cest-quoi ;

10 Notre traduction de : “DevOps is a development methodology aimed at bridging the gap between Development (Dev) and Operations,

emphasizing communication and collaboration, continuous integration, quality assurance and delivery with automated deployment utilizing asetofdevelopmentpractices.Jabbari,Ramtin&TanveerBinish(2016),“WhatisDevOps?ASystematicMappingStudyonDefinitions andPractices”,consultéenlignele26juillet2018à:https://www.researchgate.net/profile/Ramtin_Jabbari/publication/308857081_What-is-DevOps-A-Systematic-Mapping-Study-on-Definitions-and-Practices.pdf

11 LatablepériodiqueDevOpsestutileafindeconcevoirlavariétédesoutilsàconnaîtreetpoursituerladiversitédesoutilsdisponibles.

Voir DevOps, la maîtrise du Cloud - Tableau périodique DevOps par Xebialabs (2016), https://www.devops-cloud.fr/tableau-periodique- devops-tools-par-xebialabs/

12

Notre traduction et résumé de : “Project management is the practice of initiating, planning, executing, controlling, and closing the work ofateamtoachievespecificgoalsandmeetspecificsuccesscriteriaatthespecifiedtime.Aprojectisatemporaryendeavordesignedtoproduceauniqueproduct,serviceorresultwithadefinedbeginningandend(usuallytime-constrained,andoftenconstrainedbyfundingorstaffing)undertakentomeetuniquegoalsandobjectives,typicallytobringaboutbeneficialchangeoraddedvalue”.Projectmanagement(2018). Wikipedia, The Free Encyclopedia, https://en.wikipedia.org/wiki/Project_management;Nokes,Sebastian(2007).TheDefinitiveGuideto Project Management, 2nd Ed.; "What is Project Management?". Project Management Institute (Financial Times / Prentice Hall), London.

13 Erl, T., Khattak, W. & Buhler, P. (2016). Big data fundamentals. Concepts, Drivers & Techniques, Prentice Hall, pp. 13-16.

14 Notretraductionde:“Dataarchitectureisasetofrules,policies,standardsandmodelsthatgovernanddefinethetypeofdatacollected

and how it is used, stored, managed and integrated within an organization and its database systems. It provides a formal approach to creatingandmanagingtheflowofdataandhowitisprocessedacrossanorganization’sITsystemsandapplications”.Technopedia(2018),What is Data architecture?, https://www.techopedia.com/definition/6730/data-architecture

15 TechnoMontréal, TECHNOCompétences, Conseil Emploi Métropole, Finance Montréal, Alia Conseil (2016), Analyse des besoins de compétences en TIC dans le secteur financier.

16 ETL est le diminutif utilisé pour désigner un processus de gestion des données, souvent automatisé : Extract, Transform, Load.

17 Notre traduction de : « The role of data infrastructures is to protect, preserve, process, move, secure and serve data as well as their appli-

cations for information services delivery. Technologies that make up data infrastructures include hardware, software, and cloud or managed services, servers, storage, I/O and networking ».Network world. (2018). What’s data infrastructure?, https://www.networkworld.com/ article/3171257/data-center/whats-a-data-infrastructure.html

PA

RC

OU

RS

D’A

CC

ÈS

AU

X P

RO

FE

SS

ION

S T

EC

HN

OLO

GIQ

UE

S

DA

NS

LE

SE

CT

EU

R D

E L

A F

INA

NC

E E

T D

ES

AS

SU

RA

NC

ES

49

18 Notretraductionde:“Dataarchitectureisasetofrules,policies,standardsandmodelsthatgovernanddefinethetypeofdata

collected and how it is used, stored, managed and integrated within an organization and its database systems. It provides a formal approachtocreatingandmanagingtheflowofdataandhowitisprocessedacrossanorganization’sITsystemsandapplications”. Technopedia (2018), What is Data architecture?, https://www.techopedia.com/definition/6730/data-architecture

19 ETL est le diminutif utilisé pour désigner un processus de gestion des données, souvent automatisé : Extract, Transform, Load.

20 Le Big Data : Le Magazine Cloud & Big Data (2018). Business Intelligence: définition, fonctionnement et secteurs d’application, https://www.lebigdata.fr/business-intelligence-definition

21 TechnoMontréal, TECHNOCompétences, Conseil Emploi Métropole, Finance Montréal, Alia Conseil (2016), Analyse des besoins de

compétences en TIC dans le secteur financier. Voir aussi : Willems, Karlijn (2015) The Data Science Industry: Who Does What (Infographic). https://www.datacamp.com/community/tutorials/data-science-industry-infographic

22

HEC Montréal (2017). Big data, intelligence artificielle et science des données, http://www.hec.ca/nouvelles/2017/big-data-intelligenceartificielle-et-science-des-donnees.html; Dhar, V. (2013). Data science and prediction. Communications of the ACM. 56 (12): 64, https://archive.nyu.edu/bitstream/2451/31553/2/Dhar-DataScience.pdf; Leek, J. (2013). The key word in "Data Science" is not Data, it is Science. Simply Statistics, https://simplystatistics.org/2013/12/12/the-key-word-in-data-science-is-not-data-it-is-science/; Hayashi, C. (1998). "What is Data Science? Fundamental Concepts and a Heuristic Example". In Hayashi, Chikio; Yajima, Keiji; Bock, Hans-Hermann; Ohsumi, Noboru; Tanaka, Yutaka; Baba, Yasumasa. Data Science, Classification, and Related Methods. Studies in Classification, Data Analysis, and Knowledge Organization. Springer Japan. pp. 40–51 dans https://en.wikipedia.org/wiki/Data_science; Seroussi, Y. (2018). Defining data science in 2018, Data science and beyond, https://yanirseroussi.com/2018/07/22/defining-data-science-in-2018/?utm_ campaign=News&utm_medium=Community&utm_source=DataCamp.com; 365 Data Science (2018). Defining Data Science: The What, Where and How of Data Science, https://365datascience.com/defining-data-science/

23 Les actifs des organisations et des utilisateurs comprennent les dispositifs informatiques connectés, le personnel, l'infrastructure,

les applications, les services, les systèmes de télécommunication, et la totalité des informations transmises et/ou stockées dans le cyberenvironnement.

24 Union Internationale des télécommunications (UIT, 2010). Les décisions phares de Guadalajara : Cybersécurité – Définitions et termes

relatifs à l’instauration de la confiance et de la sécurité dans l’utilisation des technologies de l’information et de la communication, http://www.itu.int/net/itunews/issues/2010/09/20-fr.aspx

25

Guide métiers : Expert en cybersécurité, https://www.guide-metiers.ma/metier/expert-en-cybersecurite/ ; Association pour l’emploi des cadres (APEC, 2018). Les métiers et compétences recherchés dans le Cloud, le Big Data, la Cybersécurité. Analyse des offres d’emploi APEC de 2017, https://cadres.apec.fr/files/live/mounts/media/medias_delia/documents_a_telecharger/etudes_apec/cybersecurite.pdf ; Ma carrière Techno (2018). Spécialiste en sécurité informatique, http://www.macarrieretechno.com/fr/carri%C3%A8res/professions/sp%C3%A9cialiste-en-s%C3%A9curit%C3%A9-informatique ; OPIIEC. « Responsable sécurité de l'information », Référentiels métiers de la branche du numérique, de l’ingénierie, des études et du conseil et de l’événement. http://referentiels-metiers.opiiec.fr/fiche- metier/84-responsable-securite-de-l-information

26 Notre traduction. Gartner (2018). IT Glossary: Artificial Intelligence, https://www.gartner.com/it-glossary/artificial-intelligence/

27

Voirnotamment:FinanceMontréaletKPMG(2016),Impactdel’intelligenceartificiellesurlesecteurdesservicesfinanciers. https://www.finance-montreal.com/.../Finance-Montreal_Rapport-de-létude_vFINAL.pdf

Paysa (2017). Artificial Intelligence is The New Black, https://www.paysa.com/blog/artificial-intelligence-is-the-new-black/ ; McKinsey Global Institute (2017). Artificial intelligence: The next digital frontier?, https://www.mckinsey.com/~/media/McKinsey/Industries/MGI-Artificial-Intelligence-Discussion-paper.ashx ; Montréal International (2017). Le Grand Montréal : plaque tournante de l’intelligence artificielle, http://www.montrealinternational.com/publications/le-grand-montreal-plaque-tournante-de-lintelligence-artificielle/ ; Vokes, Robert (2017). The AI challenge for Canada’s financial industry, Accenture, Financial Services Blog, https://financialservicesblog.accenture.com/the-ai-challenge-for-canadas-financial-industry

28 Financial Stability Board (2017). FSB considers financial stability implications of artificial intelligence and matching learning, http://www.fsb.org/2017/11/fsb-considers-financial-stability-implications-of-artificial-intelligence-and-machine-learning/

29 Tech Emergence (2018). How America’s Top 4 Insurance Companies are Using Machines Learning, https://www.techemergence.com/machine-learning-at-insurance-companies/

30 Entrepreneur (2018). Artificial Intelligence: Five Ways Artificial Intelligence Is Disrupting Asset Management, https://www.entrepreneur.com/article/312672

31 DZone (2018). AI Zone: What Skills Do Developers Need for AI?, https://dzone.com/articles/what-skills-do-developers-need-for-ai

50

NOTES (SUITE)

32 Lescompétencesmentionnéessontcellessouhaitéesengénéralpourlesprofessionnelsenintelligenceartificielle, nonobstantleurdomainespécifique.Celles-civiennentdonccompléterunensembledecompétencessupposéesdéjà présentespourlesdifférentsprofessionnels.Voirlessectionsprécédentessurlesprofessionsspécifiquespourplusdedétails.

33 Analytics Vidhya (2017). Essentials of Machine Learning Algorithms (with Python and R Codes), https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/

34 Randstad (2017). Qu’est-ce que la méthode agile, et pourquoi est-elle si répandue dans le monde des TI ? https://www.randstad.ca/fr/workforce360-tendances/archives/quest-ce-que-la-methode-agile_556/

35 Larousse (2018). Définitions : algorithme, https://www.larousse.fr/dictionnaires/francais/algorithme/2238

36 Journal du Net (2018). Interface de programmation : API ou Application Programming Interface, https://www.journaldunet.fr/ web-tech/dictionnaire-du-webmastering/1203559-api-application-programming-interface-definition-traduction/

37 Tech Emergence (2018). What is Machine Learning? https://www.techemergence.com/what-is-machine-learning

38 Investopedia (2018). Deep Learning. https://www.investopedia.com/terms/d/deep-learning.asp

39 Le Gouvernement du Grand-Duché de Luxembourg (2016). Définition de la cybersécurité, https://www.infocrise.lu/fr/cyber-definition-cybersecurite

40 Larochelle Groupe Conseil (2017). Le movement DevOps, qu’est-ce que c’est ? https://www.larochellegc.com/le-mouvement-devops-quest-ce-que-cest

41 Futura Tech (2018). Définitions: Big Data, https://www.futura-sciences.com/tech/definitions/informatique-big-data-15028

42 Financial Stability Board (2017). Financial Stability Implications from FinTech: Supervisory and Regulatory Issues that Merit Authorities’ Attention, http://www.fsb.org/wp-content/uploads/R270617.pdf

43 Journal du Net (2018). Dictionnaire économique et financier. Front Office : définition, traduction, https://www.journaldunet.fr/business/ dictionnaire-economique-et-financier/1199183-front-office-definition-traduction/

44 Andlil (2013). Définition du Middle Office, https://www.andlil.com/definition-du-middle-office-130214.html

45 Wikipedia, l’Encyclopédie libre (2018). Back office, https://fr.wikipedia.org/wiki/Back_office

46 Cap informatique (2018). Cloud Computing – Définition, avantages et exemples d’utilisation, https://www.capinformatique.ch/nouveautes/cloud-computing-definition-avantages-exemples-dutilisation

47 TechTarget (2018). Definition: Artificial Intelligence (AI), https://searchenterpriseai.techtarget.com/definition/AI-Artificial-Intelligence

48 Institut Africain du Numérique (2018). Transformation digitale : Internet des objets, https://www.digitalacademy.africa/transformation-digitale/transformation-digitale/

49 Le Mag IT (2017). Définition : ETL (et ELT), https://www.lemagit.fr/definition/ETL-et-ELT

50 GouvernementduQuébec,OfficeQuébécoisdelalanguefrançaise(2018).Fiche terminologique : registre distribué, http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26544126

NOUS JOINDRE

FINANCE MONTRÉAL [email protected]

CHACUN SON PARCOURS · Data Science Institute Pour la participation aux groupes de discussion sur...

Documents

Transcript of CHACUN SON PARCOURS · Data Science Institute Pour la participation aux groupes de discussion sur...