Missions principales
2.1 Vision & stratégie produit IA
- Porter la vision produit des solutions d’IA en lien avec les équipes métier.
- Identifier les opportunités d’usage de l’IA au service du Risque, du Paiement, du Digital et des autres lignes métiers.
- Prioriser les projets en fonction de la valeur business et de la faisabilité (technique, réglementaire, ROI).
2.2 Gestion du backlog & priorisation
- Être garant de la priorisation des initiatives Data Science/IA.
- Traduire les besoins métier en features et user stories.
- Alimenter, structurer et maintenir le backlog produit.
- Arbitrer les priorités selon la valeur ajoutée attendue, le feedback utilisateur et les contraintes (réglementaires, techniques, ROI).
- Maximiser l’impact business de chaque sprint livré.
2.3 Pilotage du delivery agile
- Piloter la delivery des projets IA en méthodologie agile.
- Organiser et animer les cérémonies Scrum/Kanban (planification, revues, démonstrations, rétrospectives).
- Suivre l’avancement des développements et lever les obstacles en coordination avec les autres départements.
- Veiller au respect des engagements de qualité, budget et délais.
- Communiquer de manière proactive sur l’avancement auprès des sponsors et du management.
2.4 Coordination Métiers–Data–IT
- Jouer le rôle d’interface et de facilitateur entre les équipes Data Science, les équipes IT (architectes, MLOps, sécurité…) et les métiers sponsors.
- Co-construire les solutions avec les experts métier et favoriser leur adoption.
- Intégrer les contraintes techniques avec les équipes Data/IT pour une implémentation fluide des solutions IA.
2.5 Crédit & Risque (Scoring) – Use cases Machine Learning
- Piloter les évolutions des modèles de scoring crédit (scoring d’octroi, scores comportementaux).
- En lien avec les équipes Risque et Validation, concevoir et suivre les projets d’optimisation des scores existants et le développement de nouveaux modèles.
- Explorer des approches innovantes (nouvelles données, algorithmes avancés).
- S’assurer que les modèles contribuent à la maîtrise/stabilité du coût du risque (suivi des KPIs de performance) et respectent les exigences réglementaires.
- Veiller à la mise en production et au monitoring des modèles (détection de dérive, recalibrage) en collaboration avec les Data Scientists et Analystes Risque.
2.6 IA générative & agents
- Explorer et déployer les cas d’usage liés à l’IA générative pour transformer les processus internes et la relation client.
- Piloter des projets d’agents IA (chatbots avancés, assistants cognitifs, systèmes à base de LLM, approches RAG – Retrieval-Augmented Generation).
- Lancer des MVP d’agents pour :
• Automatiser l’analyse de documents complexes.
• Assister les équipes internes (Audit, Marketing, etc.).
• Enrichir le support client.
- Définir les objectifs et indicateurs de succès de ces projets.
- Superviser les étapes de prototypage et de déploiement en production.
- Mettre en place des architectures agentiques robustes pour ces solutions.
- Évaluer et optimiser les performances des agents (cohérence, pertinence, diversité des réponses), en s’appuyant sur des méthodologies de pointe (par ex.
LLM as a Judge pour la qualité des réponses).
- Garantir un usage responsable, sécurisé et efficace de l’IA générative pour l’entreprise.
Missions génériques associées au rôle :
- Mener la livraison d’un produit de qualité répondant aux attentes des clients et équipes métiers.
- Élaborer la vision produit avec les utilisateurs et les équipes techniques (UX, marketing) et être responsable de la conception du produit.
- À chaque sprint, vérifier que la direction prise est la bonne, que les priorités métier sont respectées et que la qualité des livrables est adéquate.
- Identifier les attentes des utilisateurs et les bénéfices attendus du produit.
- Réaliser des benchmarks des solutions du marché, notamment chez les concurrents.
- Élaborer les fonctionnalités attendues et les prioriser dans le backlog produit.
- Travailler en collaboration avec l’UX sur le parcours client cible et sa déclinaison en trajectoire (MVP).
- Partager la vision produit avec les équipes de développement agile.
- Définir et planifier les releases/versions du produit.
- Créer chaque fonctionnalité retenue sous forme de user story suffisamment petite pour être implémentée en une itération, avec critères d’acceptation clairs.
- Comprendre les Technical Stories (besoins non fonctionnels) et les Defect Stories proposées par les équipes de développement.
- Répondre aux demandes de clarification des équipes de développement sur les stories en cours.
- Contribuer aux réunions agiles avec les équipes de développement et le Scrum Master.
- Faciliter la communication et la collaboration entre l’ensemble des parties prenantes et porter la voix métier avec persuasion.
- Accepter ou refuser les stories implémentées par les équipes de développement.
- Réaliser ou organiser les tests utilisateurs/métiers des versions (avec une équipe de recette si projet complexe).
- Le cas échéant, animer une équipe de Business Analysts, rédacteurs et testeurs métier lorsque le backlog le nécessite.
- Récolter les feedbacks utilisateurs et évaluer le fonctionnement des versions précédentes en production.
- Assurer la non-régression des nouvelles versions.
- Manager des équipes de rédaction et de recette de user stories pour des projets agiles d’envergure.
- Co-construire et animer le dispositif de conduite du changement avec un PMO Deploy.
- Communiquer sur l’avancement de la réalisation du produit auprès du management et des utilisateurs.
Profil candidat:
4.1 Qualités personnelles
- Rigueur, autonomie, sens de la communication, agilité et dynamisme.
- Capacité à mener de bout en bout des missions complexes dans un environnement exigeant.
4.2 Management de produit & agilité
- Expérience confirmée en tant que Product Owner (ou poste équivalent) dans un contexte agile.
- Capacité à définir une vision produit, gérer un backlog, rédiger des user stories et animer une équipe agile pluridisciplinaire.
- Une certification Product Owner ou Scrum Master est considérée comme un plus.
4.3 Culture Data Science & IA
- Solide culture des technologies Data et IA.
- Compréhension des concepts clés du Machine Learning (modèles prédictifs supervisés, scoring, etc.).
- Compréhension des approches d’IA générative (LLMs, agents conversationnels…).
- Capacité à échanger avec des Data Scientists sur des sujets comme la performance d’un modèle ou le fine-tuning d’un LLM.
- Veille active sur les avancées du domaine (ex.
nouvelles offres d’OpenAI/HuggingFace, frameworks comme LangChain) et capacité à les projeter sur des cas d’usage métier concrets.
4.4 Coordination technique & MLOps
- Bonne compréhension de l’écosystème Data Engineering / MLOps.
- Participation aux discussions techniques sur l’architecture des solutions IA.
- Familiarité souhaitée avec le cycle de vie d’un modèle ML :
du prototypage à la mise en production cloud (Azure, conteneurisation Docker/Kubernetes, pipelines automatisés), incluant le monitoring (data drift, performance, feedback utilisateurs).
- Capacité à challenger et soutenir techniquement l’équipe dans les choix de solution, et à comprendre les contraintes d’échelle et de sécurité propres au secteur bancaire.
4.5 Outils & méthodologies
- Maîtrise des outils de gestion agile et de collaboration (JIRA, Confluence, etc.) pour assurer un suivi transparent des tâches et une documentation de qualité.
- Aisance avec la data et le cloud, idéalement dans un environnement Azure/Databricks ou équivalent.
- Connaissance des enjeux réglementaires bancaires (ex :
réglementations sur le scoring crédit, contraintes de conformité) appréciée.
4.6 Leadership & soft skills
- Excellente communication et capacité à vulgariser des sujets techniques complexes.
- Capacité à embarquer les métiers dans la vision produit, à négocier les priorités avec diplomatie et à créer un esprit d’équipe positif.
- Leadership naturel pour fédérer autour des projets IA, influencer les décideurs et gérer les changements de cap.
4.7 Parcours et motivation
- Environ 5 à 7 ans d’expérience professionnelle, dont une part significative en gestion de produit digital ou en pilotage de projets Data/IA.
- Capacité à naviguer aisément entre les problématiques techniques et métier (modélisation ML, architecture SI, enjeux Risque/Paiement/Marketing/Conformité, etc.).
LeHibou
Croix 59170
Autre(s)
Freelance
100000€ par an 100000
