About this role
CONTEXTEL'objectif principal est d'industrialiser l'intégration de l'Intelligence Artificielle (notamment l'IA Générative) à chaque étape du cycle de vie du delivery logiciel (PDLC - Product Development Life Cycle).Le titulaire du poste doit viser une augmentation significative de la vélocité, une amélioration de la qualité du code et une réduction du "time-to-market", tout en garantissant la sécurité, la conformité et la montée en maîtrise IA des équipes métiers et techniques participant au PDLC.MISSIONSAxe A : Optimisation du Cycle de Développement (Conception et Construction)L'objectif est de passer d'un cycle "manuel" à un cycle augmenté IA afin de gagner en efficacité et vélocité.
- Déploiement de framework et d'enablers IA
- Fluidification des processus et des interactions transverses
- Rendre la documentation IA compatible
- Modernisation du Legacy : Utiliser l'IA pour analyser, documenter et migrer des systèmes obsolètes vers des architectures modernes
- Accompagnement à l'Architecture : Intégrer l'IA dans la phase de conception pour générer des diagrammes, des spécifications techniques et valider la cohérence architecturaleAxe B : Automatisation de la Qualité et des Tests (QA & Testing)L'objectif est de réduire le temps de test et d'augmenter la couverture.
- Génération de Tests Automatisés : Mettre en place des outils d'IA pour générer automatiquement des tests unitaires, d'intégration et de non-régression
- Synthèse de Données de Test : Utiliser l'IA pour créer des jeux de données de test synthétiques et réalistes (en respectant le RGPD)
- Analyse Prédictive des Bugs : Implémenter des outils d'analyse statique augmentés par l'IA pour détecter les vulnérabilités et les bugs avant la mise en productionAxe C : Gouvernance, Sécurité et Accompagnement (Change Management)L'objectif est de sécuriser l'usage et de transformer la culture.
- Cadre Éthique et Sécuritaire : Déployer les règles de sécurité (ex : interdiction d'envoyer des secrets/clés API dans les LLM publics) et s'assurer de la propriété intellectuelle du code généré
- Plan de Montée en Compétences : Organiser des workshops, des "AI Dojos" et des formations pour transformer la communauté PDLC en "Équipier augmentés AI"
- Mesure de la Performance (KPIs) : Définir et suivre des indicateurs de succès (ex : réduction du cycle time, taux d'acceptation des suggestions d'IA, diminution du taux de bugs en prod et des coûts)PROFIL RECHERCHÉCompétences techniques (Hard Skills)
- Expertise SDLC : Maîtrise parfaite du cycle de développement (Agile, Scrum, Kanban)
- Culture DevOps : CI/CD, Docker, Kubernetes, Cloud (AWS/Azure/GCP)
- Maîtrise de l'IA Générative : Compréhension du fonctionnement des LLM, Prompt Engineering, connaissance des outils de codage IA
- Architecture Logicielle : Capacité à challenger des choix techniques et architecturauxQualités personnelles (Soft Skills)
- Leadership transformationnel : Capacité à convaincre et à embarquer des équipes techniques parfois réticentes
- Curiosité insatiable : Veille technologique constante sur un domaine qui évolue chaque semaine
- Pragmatisme : Capacité à distinguer le "hype" de la valeur métier réelle
- Pédagogie : Savoir transmettre
- 1. Maîtrise parfaite du cycle de développement (Agile, Scrum, Kanban)
- 2. Culture DevOps : CI/CD, Docker, Kubernetes, Cloud (AWS/Azure/GCP)
- 3. Maîtrise de l'IA Générative : compréhension des LLM, Prompt Engineering, connaissance des outils de codage IA
- 4. Capacité à challenger des choix techniques et architecturaux en architecture logicielle
- 5. Leadership transformationnel : capacité à convaincre et embarquer des équipes techniques réticentes
- 6. Curiosité insatiable et veille technologique constante
- 7. Pragmatisme : capacité à distinguer le "hype" de la valeur métier réelle
- 8. Pédagogie : savoir transmettre