Recruter un ingénieur IA générative
Le modèle s'achète ou se télécharge ; ce qui fait la différence entre une démonstration convaincante et un service utilisable, c'est le système 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 brutalement : 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.
Ce que nous observons
Pourquoi un recrutement d'ingénieur IA générative échoue.
On recrute sur une démonstration, pas sur une mise en production
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. Une preuve de concept ne prouve rien, parce que toute la difficulté apparaît à l'usage — la question qu'on n'avait pas prévue, le document mal découpé, la réponse fausse mais parfaitement assurée, la facture qui triple le mois où le service commence à servir. Un candidat qui n'a jamais franchi cette étape ne sait pas ce qu'il ignore, et il l'apprendra chez vous.
Le cas d'usage n'est pas écrit
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 la même évaluation, ni le même profil. Une annonce qui parle d'« intelligence artificielle générative » sans dire à quoi elle sert attire des candidats qui veulent faire de l'IA, pas résoudre votre problème, et la différence se voit dès le premier mois.
Aucune contrainte économique n'est posée
Un service fondé sur un modèle de langage a un coût par appel, et ce coût décide seul de sa viabilité. Les entreprises qui ne l'ont pas chiffré découvrent au deuxième trimestre que la fonctionnalité coûte plus qu'elle ne rapporte, et l'arrêtent. Donner un ordre de grandeur dans l'annonce, même approximatif, dit au candidat que le poste est sérieux et attire ceux qui savent arbitrer entre qualité de réponse et coût.
L'évaluation n'est prévue par personne
C'est le sujet sur lequel la plupart des candidatures s'effondrent, et celui que la plupart des entreprises oublient. Sans jeu de tests représentatif ni critère de réussite, personne ne peut dire si une nouvelle version est meilleure, et les décisions se prennent à l'impression. Quand l'évaluation est à construire, c'est le premier chantier du poste et cela doit être écrit : c'est même un argument, parce que les bons ingénieurs savent que c'est là que tout se joue.
On confond ingénieur IA et spécialiste de l'invite
Les employeurs sérieux cherchent des ingénieurs logiciels qui savent manier ces modèles : tests, structuration du code, mise en production, surveillance. Une annonce qui met en avant l'écriture d'invites attire des profils qui ne tiendront pas un service en production, et écarte ceux qui le feraient. La compétence rare n'est pas de faire parler un modèle, c'est de garantir ce qu'il répond quand personne ne regarde.
Le choix entre modèle propriétaire et modèle ouvert n'est pas tranché
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 posent avant le déploiement, pas après. Les entreprises qui les découvrent tard arrêtent des services qui fonctionnaient. Un ingénieur qui sait les anticiper vaut plus cher qu'un autre, et cela se dit 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.
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 les donner distingue immédiatement une entreprise qui a réfléchi.
Modèle propriétaire ou modèle ouvert
Tranché, ou explicitement ouvert. Les contraintes de confidentialité, la volumétrie et l'existence d'une infrastructure d'exécution décident. Le dire évite de faire venir en entretien technique des candidats dont la spécialité ne correspond pas.
L'état de l'évaluation
Existence d'un jeu de tests, de critères de réussite, d'un processus de revue humaine. Quand rien n'existe, 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 seul dans une organisation sans ingénierie logicielle construit un prototype que personne ne saura exploiter 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 explosé, 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 ne se voit pas 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 bons candidats 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 : 58 métiers Finance et Tech, 217 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, pas 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 ne construit en général pas le modèle, il construit le système autour d'un modèle existant — 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 ?
- Presque jamais sur ce poste. La recherche sert à créer des modèles, pas à en assembler. Ce qu'il faut, c'est un bon ingénieur logiciel 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 ?
- En lui faisant raconter un système qu'il a mis en production : les utilisateurs, la durée, les incidents. Puis en creusant l'évaluation — comment il mesurait qu'une version était meilleure, sur quel jeu de tests, et ce qu'il faisait quand la mesure et l'impression divergeaient. Un candidat qui n'a pas de réponse précise sur l'évaluation n'a pas tenu de système, 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 que vous n'avez pas encore en interne. Il ne convient pas à la tenue dans la durée : un système fondé sur des modèles se dégrade en silence quand personne ne le surveille. 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 : rien tant que le candidat n'a pas accepté l'offre, pas d'avance et pas d'exclusivité payante. Si le candidat ne prend finalement pas son 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 ou les 2 offres ouvertes en Tech.
À propos de l'auteur
Co-fondateur d'Entourage Recrutement
Après près de douze ans passés sur les fonctions financières, Warren a co-fondé Entourage Recrutement. Il conduit aujourd'hui les recrutements en CDI sur les postes critiques de la Finance, du contrôle de gestion à la direction financière.
Décrivez le poste, nous cadrons le reste.
Un consultant Finance vous recontacte sous 24 heures ouvrées pour qualifier le mandat et arrêter la stratégie d'approche.