Chef de projet IA / Data
Le métier en bref :
Le chef de projet IA / Data pilote la conception, le développement et le déploiement de solutions d’intelligence artificielle ou d’analytique avancée. Il coordonne équipes techniques et métiers pour transformer des besoins opérationnels en produits IA utilisables, robustes et créateurs de valeur.
À l’interface entre data scientists, data engineers, développeurs et utilisateurs, il sécurise le cadrage, les délais, la qualité des données et l’intégration des modèles dans le SI.
MSc recommandé pour accéder à ce métier :
<strong><strong><strong><strong><strong>Chef de projet IA / Data</strong></strong></strong></strong></strong> : informations clés
Missions principales
- Cadrer les besoins métiers et définir objectifs, KPI et critères de réussite
- Planifier et piloter le projet (ressources, risques, budget, livrables)
- Superviser la qualité des données et le cycle de vie des modèles
- Organiser tests, validation, mise en production et monitoring
- Coordonner l’intégration technique (API, SI, pipelines, cloud)
- Accompagner l’adoption (documentation, formation, conduite du changement)
Environnement & périmètre
- Projets IA : modèles ML, automatisation, scoring, NLP, recommandations, détection d’anomalies
- Collaboration : métiers, DSI, data scientists, data engineers, dev, sécurité / conformité
- Sujets clés : data quality, MLOps, monitoring, adoption, conformité (RGPD, gouvernance)
Salaire moyen
Junior
0 €
brut annuel, en moyenne
Confirmé
0 €
brut annuel, en moyenne
Senior
0 €
brut annuel, en moyenne
Perspectives d’évolution
- Chef de projet IA / Data senior
- Product Owner Data / IA
- Responsable Data / Responsable IA
- Data Program Manager
- Consultant IA & transformation digitale
Compétences techniques
- Compréhension des technologies IA (machine learning, NLP, automatisation)
- Bases solides en data engineering et qualité des données
- Maîtrise des environnements Python, SQL et APIs (niveau pilotage)
- Connaissance des méthodes Agile et des projets data/IA
- Notions de MLOps, déploiement et monitoring des modèles
Softskills
- Rigueur et sens de l’organisation
- Capacité à coordonner des équipes pluridisciplinaires
- Communication claire entre profils techniques et métiers
- Gestion des priorités et des risques projets
- Pédagogie et accompagnement du changement
langues requises
Anglais professionnel
