IA Delivery Lead

Contexte

Le IA Delivery Lead est responsable du pilotage et de la livraison des cas d’usages IA (copilots, agents IA, RAG) de bout en bout, de l’idée au déploiement, l’adoption et la création de valeur en production. Il structure le cadrage, le design fonctionnel, la roadmap et le backlog, coordonne l’exécution avec les parties prenantes, sécurise l’avancement (jalons, risques, dépendances, arbitrages) et garantit la qualité fonctionnelle, l’adoption et les résultats.

Missions

• Cadrage & qualification des cas d’usages :
  • Animer les ateliers de cadrage
  • Qualifier faisabilité fonctionnelle et effort de delivery
  • Définir les critères de succès (valeur, adoption, qualité, risques)
  • Prendre en compte les exigences des données, de traçabilité/contrôles

• Pilotage delivery & coordination multi-acteurs :
  • Construire et piloter le plan delivery (jalons, sprints, capacité, risques)
  • Orchestrer les parties prenantes
  • Assurer la qualité des livrables fonctionnels (backlog, specs, CR décisions)

• Recette & go/no-go fonctionnel :
  • Préparer et animer les revues de jalons
  • Organiser la recette fonctionnelle, définir critères d'acceptation et PV
  • Coordonner les validations finales avec les parties prenantes

• Adoption, déploiement & mesure de valeur :
  • Construire le plan de déploiement (pilote, généralisation, support)
  • Avec Performance Lab : formation, communication, support, boucle de feedback
  • Mettre en place les KPI d'usages (adoption, fréquence, satisfaction)
  • Mesurer la valeur (gains temps/qualité, réduction de risques) et piloter l'amélioration continue

• Qualité & fiabilité :
  • Définir les règles fonctionnelles de qualité IA
  • Mettre en place des contrôles fonctionnels et un suivi des écarts

• Industrialisation et réutilisation :
  • Capitaliser sur les retours d’expériences
  • Standardiser les bonnes pratiques copilots/agents/RAG

Compétences techniques

• Connaissances des solutions GenAI : copilots, agents IA, RAG (mécanismes, limites, hallucinations)
• Connaissances des principes MLOps (niveau consommation IA)
• Compréhension fonctionnelle des mécanismes RAG
• Compréhension fonctionnelle de la structuration de données pour l’IA, Golden Data / référentiels

Compétences transversales

• Formation Bac +5 (ingénieur, data science, digital/produit/SI)
• Travail transverse avec les métiers, DSI, Data et IA Delivery
• Product management : roadmap, backlog, priorisation, MVP
• Delivery : Agile/Scrum/Kanban, pilotage multi-projets, gestion des dépendances
• AMOA : expression de besoin, ateliers, parcours, règles métier, specs fonctionnelles
• Culture IA, data et processus métier

Langues

• Français : courant
• Anglais : B1/B2 (environnement international)

Livrables

• Dossier de cadrage (valeur, périmètre, KPI, risques, dépendances)
• Backlog & roadmap (priorisation, MVP, jalons)
• Spécifications fonctionnelles (règles métier, exigences / conformité / UX)
• Plan de recette & PV
• Plan de déploiement & adoption (avec Performance Lab)
• REX & templates de delivery IA

Indicateurs de performance

• % des cas d'usages livrés dans les jalons
• Taux de rework majeur après gate / taux de retours en arrière
• Taux de succès UAT (acceptation sans bloquants)
• Adoption (utilisateurs actifs, fréquence) - en lien avec Performance Lab
• Satisfaction utilisateurs (CSAT/NPS interne)
• Valeur mesurée par cas d'usages (gains temps/qualité, réduction de risques)
• Incidents fonctionnels post go-live / délai de correction