Missions principales
Le quotidien et les responsabilités.
- Concevoir le système autour du modèle : découpage des documents, indexation, récupération, assemblage du contexte
- Construire l'évaluation avant la mise en production : jeu de tests, critères de réussite, détection des régressions
- Tenir le coût par appel et la latence, qui décident seuls de la viabilité économique du service
- Poser les garde-fous : filtrage des entrées et des sorties, refus explicites, traçabilité de chaque réponse
- Spécialiser un modèle quand l'invite ne suffit plus : ajustement fin, distillation, choix d'un modèle ouvert
- Industrialiser l'exécution : hébergement, mise à l'échelle, surveillance de la dérive des réponses
- Instruire l'arbitrage entre modèle propriétaire et modèle ouvert, sous contrainte de confidentialité et de coût
- Documenter les limites du système pour ceux qui l'utilisent, et les cas où il ne doit pas être utilisé
Compétences
Ce qu'il faut maîtriser.
- Python de niveau ingénieur logiciel : tests, structuration, mise en production, pas seulement des carnets de notes
- Maîtrise d'au moins une chaîne de récupération augmentée, de l'indexation à la citation des sources
- Évaluation : savoir construire un jeu de tests représentatif et mesurer une régression sans se raconter d'histoires
- Compréhension du coût : jetons, mise en cache, choix de modèle selon la tâche, ordre de grandeur de la facture mensuelle
- Bases de données vectorielles et recherche hybride, y compris leurs limites
- Ajustement fin et quantification de modèles ouverts, pour les périmètres qui le justifient
- Sécurité applicative de l'IA : injections d'invite, fuite de données, cloisonnement des droits
- Culture du droit applicable : règlement européen sur l'intelligence artificielle, données personnelles, propriété des sorties
Formation
Le parcours type.
Aucun cursus initial ne mène directement à ce poste, qui se rejoint par trois chemins. Le premier part du développement logiciel et apprend les modèles, c'est le plus fréquent et souvent le plus efficace. Le deuxième part de la science des données et apprend l'ingénierie de production, ce qui est le trajet le plus long. Le troisième part de l'ingénierie de production des modèles, qui est le plus proche. Le diplôme compte peu ; ce qui compte, c'est un système en production avec des utilisateurs réels. Les paliers ci-dessous vont de la première prise de poste à plus de huit ans dans la fonction — une ancienneté que peu de candidats atteignent, le métier n'ayant que trois ans.
Évolutions
Et après ?
- Staff ou Principal AI Engineer
- Head of AI ou responsable d'une plateforme d'intelligence artificielle
- Architecte, sur les systèmes qui mêlent plusieurs modèles et plusieurs sources
- Ingénieur MLOps, pour les profils les plus orientés production
- Direction technique dans un éditeur dont le produit repose sur l'IA
Conseils Entourage — Recruter
Recruter un Ingénieur IA générative.
Demandez un système en production, pas une démonstration. La question qui trie le mieux tient en une phrase : combien d'utilisateurs réels, pendant combien de temps, et qu'est-ce qui a cassé. Un candidat qui n'a fait que des preuves de concept ne sait pas ce qu'il ignore, et il l'apprendra chez vous à vos frais. Écrivez le cas d'usage et la contrainte économique dans l'annonce. Assister un service client, chercher dans une base documentaire, produire du code, extraire de l'information de contrats : ces quatre besoins n'appellent ni la même architecture ni le même profil. Et un budget par appel, même approximatif, dit au candidat si le poste est sérieux. Tranchez enfin la question du modèle ouvert et du modèle propriétaire, ou dites qu'elle est ouverte. Héberger un modèle chez soi pour des raisons de confidentialité et consommer une interface de programmation sont deux métiers, avec deux viviers, et la confusion se paie au premier entretien technique.
Conseils Entourage — Candidater
Postuler pour un poste de Ingénieur IA générative.
Apportez un système que des gens ont vraiment utilisé, et racontez ce qui s'est mal passé : la question imprévue, la réponse fausse mais confiante, la facture qui a triplé le mois où le service a marché. C'est ce qui vous distingue d'un candidat qui présente une démonstration. Sachez parler d'évaluation. C'est le sujet sur lequel la plupart des candidatures s'effondrent : comment vous mesurez qu'une nouvelle version est meilleure que l'ancienne, sur quel jeu de tests, et ce que vous faites quand la mesure et l'impression divergent. Enfin, ne surjouez pas la nouveauté. Les employeurs sérieux cherchent des ingénieurs logiciels qui savent manier ces modèles, pas des spécialistes de l'invite. Vos compétences classiques — tests, structuration, mise en production — pèsent plus que vous ne le croyez.
