1. Récolter et qualifier les besoins métier
Avant toute réalisation technique, le travail commence par la compréhension du terrain. Vous échangez régulièrement avec les équipes pédagogiques, le support, les commerciaux et les ops pour identifier ce qui peut être amélioré ou automatisé.
• Recueillir les besoins auprès des équipes métier : écouter, reformuler, transformer un
irritant en cas d’usage exploitable.
• Qualifier et formaliser les demandes : documenter le besoin, le contexte, les contraintes et
la valeur attendue.
• Prioriser en collaboration avec le Lead IA : les demandes sont évaluées selon une grille
RICE (Reach, Impact, Confidence, Effort) pour déterminer ce qui entre dans la roadmap.
• Présenter les cas d’usage de manière claire à des interlocuteurs techniques et non
techniques.
2. Automatiser avec le bon niveau de complexité
Tous les problèmes ne demandent pas la même réponse. En accord avec le Lead IA, vous choisissez l’outillage adapté au contexte :
• No/Low-code (n8n, Make, Zapier) : construire des workflows d’automatisation pour
connecter les outils SaaS, déclencher des actions et synchroniser les données — quand la
rapidité de mise en œuvre prime.
• Python & APIs : lorsque le besoin dépasse le no-code, développer des scripts, des APIs
(FastAPI) et des intégrations sur mesure avec une exigence de qualité (tests, CI/CD,
Docker, linting, versioning).
• Développement assisté par IA : utiliser des outils comme Claude Code, Gemini CLI ou
Cursor au quotidien, tout en gardant un regard critique sur ce qu’ils produisent.
3. Contribuer aux briques IA
Vous n’avez pas besoin de tout maîtriser dès le départ, mais vous devez comprendre les fondamentaux et être prêt·e à monter en compétence rapidement :
• Fondamentaux LLM : inférence, fine-tuning, tokens, prompt engineering. Savoir orienter le
choix entre un modèle open source et une API propriétaire.
• Pipelines RAG : vectorisation, embedding, chunking, clustering. Comprendre pourquoi on
utilise Qdrant et dans quel contexte.
• Workflows multi-agents (LangGraph, CrewAI…) : déployer lorsque le cas d’usage le justifie,
avec des guardrails adaptés.
4. Intégrer, déployer, monitorer
Une solution n’a de valeur que si elle est connectée aux bons outils et suivie en production :
• Intégrations : relier les solutions à Salesforce (CRM), Jira (suivi projet), Twilio
(communications), Slack (notifications) et aux autres systèmes internes.
• Mise en production : déployer sur une infrastructure cloud scalable (GCP, Kubernetes,
• Monitoring : mettre en place le suivi de qualité avec Langfuse et Ragas (dérive, coûts,
performance) en conditions réelles.