Product Manager / Product Owner IA – Automatisation & Delivery

L'objectif central est de transformer la gestion de projet interne en déployant des solutions d'IA générative pour assister les chefs de projets IT.

• Exploration et Cadrage : Identifier les opportunités d'automatisation sur l'ensemble du cycle de vie projet : rédaction de spécifications fonctionnelles, création de user stories, et production de documents clés (SLA, rapports de cadrage).

• Conception de Solutions IA : Designer et déployer des assistants intelligents basés sur des architectures RAG (Retrieval-Augmented Generation) ou des agents autonomes pour connecter l'IA aux bases de connaissances internes (Confluence, Jira, documentation technique).

• Automatisation du Delivery : Automatiser la génération des cahiers de tests (Gherkin), la mise à jour de la documentation technique et la création de présentations stratégiques pour les comités de pilotage.

• Mise en service et Industrialisation : Piloter le déploiement en production des outils développés, en garantissant leur intégration fluide dans le SI existant et leur adoption par les équipes.

• Évaluation et Amélioration : Mettre en place des protocoles de tests rigoureux pour valider la fiabilité des outputs de l'IA (Evals), limiter les hallucinations et assurer la conformité aux enjeux de sécurité et de confidentialité.

Expérience et Formations :

• Expérience : Minimum 5 ans d'expérience en Product Management ou Direction de projet IT, avec un historique de livraison de produits complexes en production.

• Background IA : Expertise confirmée dans l'implémentation de solutions d'IA (LLM, NLP, RAG) et une excellente compréhension des enjeux techniques associés (Fine-tuning, prompting avancé).

• Éducation : Diplôme d'ingénieur ou Master spécialisé en Data/IA, complété par des certifications reconnues (PMP, PSPO, ou Cloud Architect).

Compétences techniques attendues :

• Outils d'automatisation : Maîtrise des workflows IA via des outils comme n8n, Make ou scripts Python pour automatiser les flux de travail.

• Environnement Tech : Bonne connaissance des environnements Cloud (GCP, AWS ou Azure) et des outils de gestion de cycle de vie produit (Jira, Confluence, Git).

• Delivery & QA : Capacité éprouvée à tester, valider et monitorer une solution IA avant et après son déploiement en production.

Qualités personnelles (Soft Skills) :

• Pragmatisme : Capacité à équilibrer les enjeux business et les réalités techniques pour livrer des outils réellement utiles au quotidien.

• Communication : Excellente faculté à traduire des besoins métiers complexes en spécifications techniques claires pour les équipes Data/Tech.

• Leadership de changement : Capacité à accompagner les équipes dans l'adoption de nouvelles méthodes de travail assistées par l'IA.