AI Tech Lead

About this role

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.