Tech Lead H/F

Contexte

La mission de Brain est claire: accélérer le déploiement de la Data & de l'IA dans les pratiques et les produits du Groupe en partenariat avec les Business Units, et ce au travers d'une approche structurée et industrialisée. Brain rassemble, à la fois, les expertises, plateformes, assets et pratiques Data & IA nécessaires pour accélérer la transformation du Groupe.

Au sein de Brain, l'équipe Tech & Methods porte la transformation du SDLC par les outils, la méthode, l'architecture, la formation, la capitalisation et l'adoption transverse.

Le rôle permet la structuration des pratiques d'ingénierie IA et SDLC agentique du Groupe. C'est un rôle transverse d'accélération, de méthode, d'outillage, de capitalisation et de mise en mouvement au service des BU.

Principes d'intervention

• BU souveraines, rôle transverse proactif

Les BU restent propriétaires de leurs produits, de leurs architectures et de leur delivery. Le rôle consiste à aller au contact des BU, comprendre leurs contraintes, identifier les opportunités, monter des POCS avec elles, puis transformer ce qui fonctionne en pratiques réutilisables.

• Mode produit packagé

Les livrables doivent être pensés comme des produits internes : clairs, adoptables, maintenables, documentés, réutilisables et diffusables via les canaux Groupe, notamment le Hub Brain.

• Co-construction avec le Target Operating Model Brain.

Le rôle s'inscrit dans le modèle opérationnel Brain :Le ou la Tech Lead AI s'inscrit dans Tech & Methods. Il ou elle ne porte pas les briques fondamentales IA & Data de Brain, modèles, plateformes RAG, OCR, services IA mutualisés ou plateformes d'évaluation. Sur ces sujets, il ou elle intervient en participation et co-construction dans les pratiques SDLC, retour d'expérience, adoption et packaging d'usage pour les BU.

Missions :

• Définir un cadre clair d'usage de l'IA dans le développement logiciel, partagé et réutilisable par les équipes Engineering et R&D.
  • formaliser les principes d'usage de l'IA dans le SDLC ;
  • définir les critères de qualification des cas d'usage IA côté Engineering ;
  • cadrer les bonnes pratiques de sécurité, qualité, maintenabilité et transfert aux équipes ;
  • clarifier le passage entre expérimentation locale, standard Groupe et industrialisation.

• Créer des outils simples et actionnables pour aider les équipes à cadrer, tester et industrialiser leurs usages IA.

• Faire progresser les équipes Engineering et R&D dans l'usage concret de l'IA appliquée au développement logiciel.
  • construire des parcours de montée en compétence pour développeurs, tech leads et équipes R&D ;
  • animer des ateliers pratiques avec les BU autour de cas d'usage réels.

• Intervenir au contact des BU pour identifier les bons cas d'usage, expérimenter sur le terrain et transformer les apprentissages en pratiques Groupe.
  • identifier avec les BU les terrains d'expérimentation les plus pertinents ;
  • cadrer et accompagner des POCS Engineering / SDLC IA sur des projets réels.

• Produire des assets Groupe prêts à l'emploi, maintenables et diffusables via les canaux Brain.

• Contribuer au suivi de l'adoption, de la valeur et des coûts des usages IA dans les pratiques Engineering et R&D.

• Penser résultat et impact dès la conception des initiatives IA, en définissant des KPI pertinents, en suivant leur évolution et en s'assurant que les usages déployés créent une valeur concrète pour les équipes Engineering, les BU et le Groupe.