Formation Cybersécurité appliquée à la Data Science
Durée : 21 heures (3 jours)
Format : Présentiel ou à distance (visioconférence)
Prix : Sur devis – Éligible aux financements OPCO ou entreprise
Certification Qualiopi : Formation éligible Qualiopi (Actions de formation)
Modalité d’entrée/sortie : Entrée/sortie permanente (sessions mensuelles)
Objectifs pédagogiques :
- Comprendre les enjeux de la cybersécurité dans les projets de data science.
- Maîtriser les bonnes pratiques de sécurité des données, du machine learning et des flux
d’information. - Appliquer les normes, standards et protocoles de sécurité aux projets d’analyse de données.
- Intégrer la cybersécurité dès la phase de conception d’un projet de data science (approche
« security by design »). - Identifier et prévenir les risques de cyberattaques sur les systèmes d’IA et de traitement des
données
Compétences visées :
- Data Scientists, Data Analysts, Data Engineers
- Développeurs IA, Responsables SI, RSSI
- Étudiants en informatique ou en intelligence artificielle
- Toute personne impliquée dans des projets de traitement de données sensibles
Programme détaillé
Jour 1
Fondamentaux de la cybersécurité
- Concepts clés : CIA (Confidentialité, Intégrité, Disponibilité) – – –
- Menaces et attaques courantes (ransomware, phishing, injection…)
- Panorama des normes : ISO 27001, RGPD, NIS2, OWASP
- Typologies de données à risque en data scien
Protection des données et conformité
- Sécurisation des données sensibles (PII, données médicales, financières…)
- Chiffrement symétrique/asymétrique, Hachage, TLS
- Anonymisation, pseudonymisation et minimisation
- Conformité RGPD et documentation de la sécurité
Jour 2
Sécurité des architectures de données
- Sécurité des bases de données (SQL, NoSQL)
- Sécurisation des environnements cloud (AWS, Azure, GCP)
- Gestion des accès, IAM, MFA, journaux d’accès
- Audit et logging dans un projet data
Sécurité des algorithmes et modèles ML
- Attaques sur modèles : Poisoning, Evasion, Inference
- Défense : robustesse, adversarial training
- Méthodes d’explicabilité et de contrôle (XAI)
- Sécurité des modèles déployés (via API, containers…)
Jour 3
Atelier pratique : mise en sécurité d’un projet data
- Étude de cas : Analyse de risques sur un pipeline ML
- Implémentation de contrôles de sécurité
- Création d’un plan de sécurité data science (PSD)
- Évaluation des apprentissages et certification finale
Public visé
- Demandeurs d’emploi
- Étudiants
- Personnes en reconversion
- Salariés
Prérequis
- Connaissances de base en data science ou développement informatique
- Connaissances générales des systèmes d’information
- Aucune compétence en cybersécurité n’est requise
Méthodes pédagogiques
- Apports théoriques en classe virtuelle ou présentielle
- Démonstrations techniques en temps réel
- Études de cas réels
- Travaux pratiques en binôme ou en individuel
- Plateforme LMS (supports téléchargeables, QCM, replays)
Modalités d’évaluation
- QCM à chaque fin de module
- Étude de cas final à soutenir
- Attestation de réussite et certification IARIM
Accessibilité
Formation accessible aux personnes en situation de handicap (adaptation possible sur
demande).
Inscription & financement
- Sessions régulières toute l’année
- Financement CPF, OPCO, Pôle Emploi
- Délai d’accès : 2 à 4 semaines après validation