Delivery Lead H/F

Descriptif du poste Mission principale
- 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). Le AI Delivery Lead est :
- 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 1. Cadrage & Diagnostic IA
- 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). 4. Customer Success & Upsell
- 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).

Profil recherché
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 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). Delivery :
- Pilotage projet (planning, risques, budget)
- Méthodes agiles
- Rédaction de spécifications / user stories
- Priorisation & arbitrages scope/délai/qualité Consulting :
- Cadrage de besoin métier
- Évaluation de faisabilité data/IA
- Construction d'un argumentaire ROI
- Structuration de recommandations pour un COMEX CSM:
- Gestion de comptes stratégiques (C-level)
- Suivi de KPIs de succès (adoption, NPS)
- Détection de signaux de churn
- Construction de plans d'upsell/cross-sell Ce qui fera la différence : L'aisance à challenger un client sur la pertinence d'un cas d'usage IA, plutôt que d'exécuter une demande telle quelle.
- La capacité à passer, dans la même journée, d'un comité de pilotage client à un point technique avec des Data Scientists.
- Le goût de structurer et documenter une méthodologie réutilisable plutôt que de repartir de zéro à chaque projet. Langues :
- Français et anglais courants.
- La maîtrise d'une troisième langue (technique ou humaine) est un plus. Indicateurs de succès à 12 mois :
- Formaliser et out