Chef(fe) de Projet Senior

Craft AI accompagne ses clients sur des projets IA de bout en bout : diagnostic de faisabilité en amont, développement et intégration des cas d'usage, mise en production, puis exploitation et développement de la relation dans la durée.

Ce poste est le point de bascule entre le commercial, le produit, la technique et le client. C'est un rôle hybride, à la croisée du delivery de projet, du product ops et du conseil : on y attend autant la rigueur d'un chef de projet que le recul critique d'un consultant capable de challenger un besoin avant de s'engager dessus.

Rattachement hiérarchique

Directement rattaché au CEO.

Travaille en étroite collaboration avec les équipes Sales, Produit, Tech et R&D.

Garantir la réussite des projets clients de bout en bout — du diagnostic de faisabilité jusqu'au renouvellement — en conciliant rigueur méthodologique (cadrage, build, run) et posture de conseil (comprendre un enjeu métier, challenger, recommander).

un(e) consultant·e capable de mener un diagnostic IA (faisabilité, données, ROI) et de le restituer à un COMEX ou un sponsor métier ;

un(e) chef·fe de projet qui structure le cadrage, pilote le build et sécurise le run des projets ;

un(e) CSM qui porte la satisfaction, l'adoption et le renouvellement des comptes

un relais produit qui fait remonter les besoins clients et challenge la roadmap produit.

Responsabilités clés

Réaliser des diagnostics de faisabilité IA chez les clients et prospects : cadrage du besoin métier, évaluation de la donnée disponible (qualité, volume, accessibilité), faisabilité technique en lien avec les Data Scientists, estimation de la valeur et du ROI attendu.

Traduire un besoin métier flou en spécifications actionnables (user stories, critères d'acceptation) pour les équipes techniques.

Contribuer aux propositions commerciales avec les Sales : cadrage de l'offre, chiffrage, plan projet.

Savoir challenger un cas d'usage jugé non pertinent ou non mature, et proposer une alternative argumentée plutôt que d'exécuter la demande telle quelle.

2. Build — Delivery des projets IA

Piloter les projets IA de bout en bout : planning, ressources, risques, budget, qualité.

Coordonner les Data Scientists et les équipes Tech/Produit pour livrer les cas d'usage dans les délais et au niveau de qualité attendu.

Arbitrer les compromis scope / délai / qualité, avec le client et en interne.

Assurer la documentation, la traçabilité et le transfert de connaissance — vers le client comme vers les équipes Care/Support.

3. Run — Exploitation & Support

Garantir la performance et la stabilité des cas d'usage en production (suivi, alerting, SLA).

Assurer la formation des utilisateurs et la communication autour du projet.

Coordonner le support, la résolution des incidents et la gestion des escalades.

Mettre en place les rituels de suivi et des ressources self-service pour les utilisateurs (documentation, FAQ, onboarding).

Être l'interlocuteur privilégié des sponsors client, techniques et métier, jusqu'au C-level.

Définir et suivre les KPIs de succès : adoption, valeur créée, NPS, taux de renouvellement.

Identifier et construire des opportunités d'upsell / cross-sell en coordination avec les Sales, pour maximiser l’Annual Revenue Retention (ARR).

Anticiper les signaux de risque de churn et engager les plans d'action correctifs.

5. Contribution au produit

Faire remonter vers la roadmap produit les retours clients et les patterns identifiés en diagnostic.

Participer à l'industrialisation et à la réutilisabilité des cas d'usage développés (accélérateurs, gabarits de diagnostic, bibliothèque de specs).

Expérience

5 à 8 ans d'expérience, dont une part significative en delivery de projets data / IA et/ou en conseil (cabinet de conseil, practice data/IA, ou rôle équivalent en environnement SaaS B2B).

Expérience de missions de cadrage ou de diagnostic en amont de projet (étude de faisabilité, audit, cadrage de cas d'usage) — un vrai plus si acquise en cabinet de conseil.

Connaissance du monde de la data / IA (cycle de vie d'un modèle, MLOps / LLMOps) suffisante pour dialoguer en profondeur avec des Data Scientists, sans être soi-même Data Scientist.

Expérience de la gestion de comptes clients stratégiques (sponsors techniques et métier, C-level).

Compétences :

• Méthodes agiles
• Rédaction de spécifications / user stories
• Priorisation & arbitrages scope/délai/qualité
• Cadrage de besoin métier
• Évaluation de faisabilité data/IA
• Construction d'un argumentaire ROI
• Structuration de recommandations pour un COMEX
• Gestion de comptes stratégiques (C-level)
• Détection de signaux de churn
• Construction d