🎯 Contexte de mission

Dans le cadre d’un programme de transformation IT centré sur l’industrialisation de l’Intelligence Artificielle appliquée à l’ingénierie logicielle, une organisation souhaite renforcer son équipe avec un Agentic AI Engineer.

La mission consiste à définir, standardiser et déployer des solutions d’IA agentique à l’échelle de l’entreprise afin d’améliorer la productivité des équipes de développement, QA, DevOps et architecture. Le consultant interviendra sur l’ensemble du cycle de vie des plateformes agentiques, de leur conception à leur adoption opérationnelle.

🛠️ Missions principales et rôle

Déploiement de la stratégie « AI for Engineering »

• Mettre en œuvre la stratégie d’adoption de l’IA au sein des équipes d’ingénierie.

• Définir les bonnes pratiques d’utilisation des assistants IA de développement.

• Établir les standards, conventions et règles de gouvernance autour des usages IA.

• Accompagner l’harmonisation des pratiques entre les différentes équipes techniques.

Industrialisation des solutions agentiques

• Concevoir et standardiser les architectures agentiques.

• Définir et maintenir les configurations des agents, skills, mémoires, steerings et connecteurs.

• Établir les guidelines d’implémentation des LLM et frameworks agentiques.

• Garantir la robustesse, la maintenabilité et la scalabilité des solutions déployées.

Développement et exploitation d’agents IA

• Évaluer et intégrer les plateformes d’IA agentique du marché.

• Concevoir des agents spécialisés pour différents cas d’usage :

  • Revue de code.

  • Génération de documentation.

  • Automatisation des tests.

  • Remédiation de vulnérabilités.

  • Gestion d’incidents.

  • Migration et modernisation applicative.

• Assurer le suivi opérationnel et l’amélioration continue des agents déployés.

Intégration aux chaînes d’ingénierie

• Intégrer les agents IA aux pipelines CI/CD.

• Automatiser les processus de développement, de validation et de déploiement.

• Collaborer avec les équipes DevOps, QA et Software Engineering.

• Participer à l’évolution des pratiques DevSecOps.

Accompagnement et conduite du changement

• Former et accompagner les équipes techniques dans l’adoption des solutions IA.

• Produire la documentation fonctionnelle et technique.

• Mettre en place des indicateurs de suivi de l’usage et de la valeur créée.

• Réaliser des actions de coaching et de partage de connaissances.

🎯 Objectifs

• Industrialiser l’usage de l’IA générative dans les processus de développement logiciel.

• Déployer des agents IA fiables et réutilisables à grande échelle.

• Améliorer la productivité des équipes techniques.

• Réduire les délais de développement, de test et de remédiation.

• Favoriser l’adoption durable des technologies d’IA agentique.

• Structurer la gouvernance et les standards autour des usages IA.

💡 Compétences requises

Intelligence Artificielle & Agents IA

• Conception et développement d’agents autonomes.

• Architectures multi-agents.

• LLM Engineering.

• Prompt Engineering avancé.

• Context Engineering.

• Gestion des mémoires, steerings, cache et orchestration d’agents.

Frameworks et Protocoles Agentiques

• MCP (Model Context Protocol).

• A2A (Agent-to-Agent).

• LangGraph.

• CrewAI.

• Strands.

• Frameworks équivalents.

Plateformes IA

• AWS Bedrock AgentCore.

• GitLab Duo Enterprise.

• Solutions agentiques cloud équivalentes.

• Intégration de modèles génératifs dans les environnements de développement.

Assistants IA de Développement

• AWS Kiro.

• Claude Code.

• GitHub Copilot.

• Cursor.

• Outils équivalents.

Software Engineering & DevOps

• Architecture logicielle moderne.

• CI/CD.

• GitLab CI.

• Tests automatisés.

• Revue de code.

• DevSecOps.

• Observabilité et monitoring.

Sécurité Applicative

• Vulnérabilités applicatives.

• SAST.

• DAST.

• SCA.

• Gestion et remédiation des CVE.

Automatisation

• N8N.

• Zapier AI.

• Agents navigateur.

• Workflows automatisés.

👤 Profil

• Formation supérieure en informatique ou ingénierie.

• Minimum 5 ans d’expérience dans l’ingénierie logicielle.

• Expérience significative en tant que Tech Lead, Architecte, Engineering Manager ou Développeur Senior.

• Expérience concrète dans l’utilisation et le déploiement d’assistants IA appliqués au développement logiciel.

• Solide culture Cloud, DevOps et Software Engineering.

• Capacité à concevoir des solutions IA industrielles et à forte valeur ajoutée.

• Expérience dans l’accompagnement du changement et l’adoption de nouvelles pratiques techniques.