Senior Product Engineer IA

Le rôle en une phrase

Réduire le temps entre une hypothèse métier et un apprentissage fiable, en construisant des produits numériques à forte valeur et techniquement fiables et évolutifs.

Pourquoi ce rôle

Nous créons un rôle de Senior Product Engineer IA, à la croisée de l’ingénierie logicielle, du produit et de l’IA appliquée.

Vous êtes avant tout un·e ingénieur·e logiciel senior. Vous êtes également capable de parler directement aux utilisateurs, de contribuer au cadrage d’un problème, de construire une solution de bout en bout et d’en mesurer les résultats. Vous intervenez avant la spécification détaillée et restez directement impliqué·e dans la conception, le développement, le déploiement et l’amélioration du produit.

Le développement, la mise en production et la responsabilité du code occupent la majorité de votre activité. Votre culture produit vous permet de prendre de meilleures décisions d’ingénierie, pas de remplacer à vous seul·e toutes les expertises Produit, UX, Data, ML, Cloud ou Sécurité.

Votre mission

Partir d’un problème métier parfois ambigu et le transformer en une expérience testable, puis en un produit utile lorsque les résultats le justifient.

Vous utiliserez l’IA à deux niveaux :

• comme composant des produits que nous réalisons, lorsqu’elle apporte une valeur démontrable ;

• comme accélérateur du cycle de conception, de développement, de test et de validation.

Vous saurez aussi réduire le périmètre, supprimer une fonctionnalité ou recommander une approche sans IA lorsque celle-ci est plus simple, plus fiable ou plus pertinente.

Vos responsabilités

1. Comprendre et cadrer les problèmes

Vous intervenez directement auprès des utilisateurs, des experts métier et des sponsors clients afin de :

• comprendre leurs activités, leurs irritants, leurs processus et leurs contraintes ;

• distinguer les besoins exprimés des problèmes réellement rencontrés ;

• identifier les hypothèses de valeur, d’usage, de faisabilité et de viabilité à tester ;

• définir les critères de succès et les métriques nécessaires à la prise de décision ;

• prioriser les expérimentations selon leur valeur potentielle, leur niveau d’incertitude, leur coût et leurs risques ;

• déterminer le plus petit produit ou prototype permettant d’obtenir un apprentissage crédible.

Selon le contexte, vous pourrez mobiliser des interviews utilisateurs, Jobs to Be Done, Opportunity Solution Tree, Lean Canvas, story mapping, experiment backlog ou des frameworks de priorisation. Ces outils restent des moyens : nous attendons avant tout votre capacité à raisonner et à choisir le niveau de formalisme adapté.

2. Concevoir, développer et mettre en production

Vous prenez en charge la construction des solutions de bout en bout :

• concevoir les parcours et les principales interactions, avec l’appui des équipes UX lorsque nécessaire ;

• choisir l’approche la plus simple adaptée au problème : workflow déterministe, Data, Machine Learning, IA générative ou combinaison de plusieurs approches ;

• développer les interfaces, API, modèles de données et intégrations nécessaires ;

• produire un code lisible, testé et maintenable, y compris lorsqu’il a été généré ou modifié avec un assistant de développement ;

• déployer rapidement une première version auprès de vrais utilisateurs ;

• instrumenter le produit afin d’observer les usages, les erreurs et les résultats ;

• faire évoluer le niveau de robustesse en fonction de la maturité réelle du produit.

3. Intégrer et évaluer l’IA

Lorsque le cas d’usage le justifie, vous concevez et intégrez des capacités d’IA appliquée :

• modèles de langage et APIs de modèles ;

• sorties structurées, recherche sémantique et systèmes RAG ;

• appels d’outils, workflows agentiques et capacités multimodales ;

• mécanismes de mémoire, de validation humaine et de reprise ;

• jeux de cas représentatifs et jeux de référence ;

• évaluations automatiques et humaines adaptées au cas d’usage ;

• suivi de la qualité, du coût, de la latence et des comportements indésirables.

Vous savez qu’un système génératif ne se valide pas uniquement par une démonstration convaincante. Vous construisez les moyens d’en mesurer les performances, de comprendre ses échecs et de maîtriser ses limites.

4. Déployer, mesurer et décider

Vous organisez des boucles d’apprentissage courtes et exploitables :

• conduire des tests utilisateurs et analyser les retours qualitatifs ;

• mesurer l’adoption, le taux de réussite, la qualité, le coût, la latence et l’impact