Recruter un ingénieur IA générative
Un ingénieur IA générative, ou AI Engineer, se recrute pour ce qui entoure le modèle plutôt que pour le modèle lui-même : celui-ci s'achète ou se télécharge, tandis que le passage d'une maquette convaincante à un service dont des utilisateurs dépendent tient à l'ingénierie construite autour. Récupération de la bonne information, évaluation de la réponse, coût par appel, latence, garde-fous. C'est là que se situe le métier, et c'est là que le vivier se rétrécit nettement : beaucoup de candidats ont construit une démonstration, peu ont tenu un système en production pendant six mois avec des utilisateurs réels.
Aussi appelé AI Engineer, LLM Engineer, Ingénieur IA, GenAI Engineer, Applied AI Engineer.
4,9/5 sur 32 avis GoogleCe poste relève de notre cabinet de recrutement Data
Ce que nous observons
Pourquoi un recrutement d'ingénieur IA générative échoue.
On recrute sur une démonstration plutôt que sur une mise en production
Nous conduisons l'entretien technique sur l'exploitation plutôt que sur la conception : ce que le système a rendu, à qui, pendant combien de temps, et ce qui est tombé en route. Une preuve de concept laisse de côté tout ce qui se manifeste seulement en exploitation réelle : la requête imprévue, le document découpé au mauvais endroit, la réponse fausse énoncée avec assurance, la facture qui s'envole le mois où le service trouve son public. Un candidat resté en deçà de cette étape ignore l'étendue de ce qui lui reste à apprendre, et cet apprentissage se fera dans l'entreprise qui le recrute.
Le cas d'usage reste à écrire
Un assistant de service client, une recherche dans une base documentaire, une aide à l'écriture de code, une extraction d'information contractuelle : derrière un même mot, ces besoins reposent sur des architectures différentes, se mesurent différemment et se recrutent chacun sur un profil distinct. Une annonce qui parle d'« intelligence artificielle générative » en restant vague sur son usage attire des candidats qui veulent faire de l'IA plutôt que résoudre un problème donné, et la différence se voit dès les premières semaines. Nous faisons donc écrire le cas d'usage avant l'annonce.
La contrainte économique reste à poser
Un service fondé sur un modèle de langage a un coût par appel, et ce coût décide seul de sa viabilité. Les entreprises qui ont omis de le chiffrer découvrent au bout de quelques mois que la fonctionnalité coûte plus qu'elle rapporte, et l'arrêtent. Nous donnons un ordre de grandeur dans l'annonce, même approximatif : il indique au candidat que le poste est instruit, et il attire ceux qui savent arbitrer entre qualité de réponse et coût.
L'évaluation est oubliée de tous
C'est le sujet sur lequel la plupart des candidatures s'effondrent, et celui que la plupart des entreprises oublient. Un jeu de tests représentatif et un critère de réussite permettent seuls de dire si une nouvelle version est meilleure ; en leur absence, les décisions se prennent à l'impression. Quand l'évaluation est à construire, nous l'inscrivons dans le brief comme le premier chantier du poste : c'est un argument auprès des ingénieurs expérimentés, pour qui la qualité d'un service se juge sur sa mesure.
On confond ingénieur IA et spécialiste de l'invite
Les entreprises qui tiennent un service dans la durée recrutent des ingénieurs logiciels sachant manier ces modèles : tests, structuration du code, mise en production, surveillance. Une annonce qui met en avant l'écriture d'invites attire des profils incapables de tenir un service en production, et écarte ceux qui en sont capables. La compétence rare consiste à garantir ce que le modèle répond hors de toute relecture humaine, et c'est elle que nous faisons démontrer en entretien.
Le choix entre modèle propriétaire et modèle ouvert reste à trancher
Consommer une interface de programmation et héberger un modèle ouvert que l'on spécialise sont deux métiers, avec deux viviers. Le second est nettement plus étroit et se justifie par la confidentialité, le coût à grande échelle ou une contrainte réglementaire. Laisser la question ouverte est acceptable, à condition de le dire : c'est alors un sujet de cadrage confié au titulaire, et cela attire un profil plus senior.
La conformité arrive après la mise en production
Données personnelles envoyées à un fournisseur étranger, propriété des sorties, traçabilité des réponses, classification du système au regard du règlement européen : ces questions se tranchent avant le déploiement. Les entreprises qui les découvrent tard arrêtent des services qui fonctionnaient. Un ingénieur qui sait les anticiper se paie davantage, et nous le disons dans l'annonce.
Avant de chercher
Ce que nous cadrons avec vous.
Le brief conditionne tout le reste. Un cadrage approximatif se paie en candidatures hors sujet et en semaines perdues. Si votre fiche de poste est déjà écrite, le diagnostic de recrutement la relit et la situe face au marché et à nos grilles.
Le cas d'usage et son utilisateur
Qui s'en servira, pour remplacer quoi, et comment on saura que cela marche. Un cas d'usage nommé transforme un poste d'exploration en mission évaluable, et permet d'évaluer les candidats sur un problème réel dès le deuxième entretien.
La contrainte de coût et de latence
Budget mensuel visé, coût acceptable par appel, temps de réponse au-delà duquel le service devient inutilisable. Ces trois chiffres orientent l'architecture plus que toute préférence technologique, et nous les recueillons avant de rédiger le brief.
Modèle propriétaire ou modèle ouvert
Tranché, ou explicitement ouvert. Les contraintes de confidentialité, la volumétrie et l'existence d'une infrastructure d'exécution décident. Nous l'écrivons dans le brief, ce qui évite de faire venir en entretien technique des candidats d'une autre spécialité.
L'état de l'évaluation
Existence d'un jeu de tests, de critères de réussite, d'un processus de revue humaine. Quand tout est à construire, c'est le premier livrable, et cela change le profil recherché vers quelqu'un de plus méthodique que créatif.
L'environnement d'ingénierie en face
Équipe de développement, plateforme de données, capacité d'hébergement, pratiques de mise en production. Un ingénieur IA isolé dans une organisation dépourvue d'ingénierie logicielle construit un prototype qui devient inexploitable après son départ.
Lecture de marché
Ce que dit le marché aujourd'hui.
Fourchettes issues de notre baromètre des salaires, en brut annuel, pour la France.
C'est le marché le plus tendu de la famille data en France, et le plus difficile à lire : le nombre de candidats qui se déclarent sur ce métier a fortement augmenté, le nombre de ceux qui ont tenu un système en production reste faible. L'écart entre les deux populations est la principale difficulté du recrutement, et il reste invisible sur un curriculum vitæ.
Le métier s'est standardisé en trois ans autour de quelques briques : récupération augmentée, évaluation, surveillance de la dérive, maîtrise du coût. Les annonces qui listent des bibliothèques plutôt que ces quatre sujets signalent une entreprise qui commence, ce que les candidats expérimentés repèrent immédiatement.
Notre baromètre situe la fonction entre environ 45 000 € pour un profil junior et 110 000 € à 155 000 € et au-delà pour un profil principal ou une responsabilité de plateforme. Le palier le plus tendu se situe entre cinq et huit ans : c'est là que la demande dépasse le plus nettement l'offre, et c'est là que les contre-propositions sont les plus fréquentes.
Le freelance est très présent sur ce métier, avec des tarifs journaliers élevés sur les missions de cadrage et de mise en production. Beaucoup d'entreprises commencent ainsi, puis recrutent, souvent le consultant lui-même, ce qui suppose de l'avoir prévu contractuellement.
Le cadre réglementaire européen sur l'intelligence artificielle est devenu un critère de sélection à part entière dans les secteurs régulés. Un ingénieur capable de classer un système, de documenter ses limites et de dialoguer avec une direction juridique se distingue nettement, et cette compétence est encore rare.
- Junior (0-2 ans)45-58 k€
- Confirmé (2-5 ans)58-80 k€
- Senior / LLM Engineer (5-8 ans)80-110 k€
- Staff / Principal / Head of AI (8 ans et plus)110-155 k€+
Baromètre Entourage · Édition 2027
Les grilles complètes, dans votre boîte.
L'étude 2027 en PDF : 61 métiers Finance et Tech, 228 échelons de rémunération en brut annuel, et pour chaque domaine ce qui fait varier le package (la taille du bilan, l'actionnariat, le périmètre réel). Établie sur nos mandats, plutôt que sur une enquête déclarative.
Pour intelligence artificielle : 4 métiers documentés, de 47 k€ à 153 k€. Lire la page du domaine
Questions fréquentes
Ce que les dirigeants nous demandent.
- Quelle différence entre un ingénieur IA générative et un Data Scientist ?
- Le data scientist construit des modèles à partir de vos données : il entraîne, valide, mesure. L'ingénieur IA générative construit en général le système autour d'un modèle existant, plutôt que le modèle lui-même : récupération d'information, assemblage du contexte, évaluation, garde-fous, coût. Le premier est un métier de statistique appliquée, le second un métier d'ingénierie logicielle. Les confondre dans une annonce est l'erreur la plus fréquente du domaine.
- Quelle différence avec un ingénieur MLOps ?
- L'ingénieur MLOps industrialise le cycle de vie des modèles : entraînement reproductible, déploiement, surveillance, réentraînement. L'ingénieur IA générative conçoit le produit autour du modèle. Les deux se recouvrent sur la mise en production et la surveillance, et dans une petite équipe la même personne fait les deux. Au-delà, les séparer évite que le produit passe systématiquement après l'infrastructure.
- Faut-il un docteur en apprentissage automatique ?
- Très rarement sur ce poste. La recherche sert à créer des modèles, et ce poste les assemble. Le poste demande un ingénieur logiciel solide, qui comprend les limites des modèles et sait mesurer. Exiger un doctorat réduit fortement le vivier et oriente vers des profils qui préféreraient faire autre chose, ce qui produit des départs rapides.
- Comment évaluer un candidat sur cette fonction ?
- Sur la mesure, d'abord : comment le candidat établissait qu'une version valait mieux que la précédente, sur quel jeu de tests, et ce qu'il faisait quand le résultat mesuré et l'impression des utilisateurs divergeaient. Nous lui demandons ensuite ce qu'il a modifié dans son système après une réponse fausse partie en production. Un candidat qui reste vague sur ce point ignore la tenue d'un service dans la durée, quoi qu'il affirme.
- Faut-il commencer par un freelance ou recruter directement ?
- Le freelance convient au cadrage et à la première mise en production, qui se font en quelques mois et demandent une expérience encore absente en interne. La tenue dans la durée appelle un recrutement : un système fondé sur des modèles se dégrade en silence dès que sa surveillance cesse. La formule la plus efficace consiste à cadrer en mission, puis à recruter pour tenir.
- Combien de temps faut-il pour recruter un ingénieur IA générative ?
- Nous présentons les premiers profils qualifiés sous 10 jours ouvrés en CDI et sous 48 heures en freelance ou en management de transition. Le marché étant tendu et les candidats souvent en processus multiples, la rapidité de décision de l'entreprise pèse autant que la recherche.
- Combien coûte le recrutement d'un ingénieur IA générative ?
- Nous facturons au succès, et au succès seulement : nos honoraires sont dus à l'acceptation de l'offre par le candidat. Si le candidat renonce finalement au poste, les honoraires versés sont intégralement remboursés.
Aller plus loin
Les autres fonctions Tech que nous recrutons.
Sur les fonctions voisines :
- DSI / CTO
- Data Engineer
- Chef de Projet ERP
- Développeur Web et Mobile
- Architecte SI
- Administrateur Système
Voir aussi la fiche métier détaillée, notre expertise Tech, nos outils gratuits ou les 4 mandats Entourage en Tech.
À propos de l'auteur
Consultant Sourcing chez Entourage Recrutement
Sourceur depuis sept ans sur les métiers financiers et technologiques, Bruno approche les profils qui restent loin des annonces. Il intervient sur les mandats en CDI comme sur les missions freelance.
Décrivez le poste, nous cadrons le reste.
Un consultant Tech vous recontacte sous 24 heures ouvrées pour qualifier le mandat et arrêter la stratégie d'approche.