Ever"T - Société de Conseil tech IA-native, innovante et en hypercroissance - cherche un-e AI Content Designer pour construire et gouverner le système de tone of voice d'un agent conversationnel IA déployé auprès du grand public. Le contexte Notre client opère une application grand public à très forte audience, adossée à un portefeuille de marques particulièrement large, segmenté par niveaux de gamme. Un agent conversationnel IA y est déployé : l'utilisateur peut à peu près tout lui demander - chercher une offre, réserver, modifier ou annuler, poser une question sur une prestation, comprendre son statut de fidélité, ou exprimer une insatisfaction. La difficulté est là : cet agent parle au nom du groupe, mais doit prendre la voix de la marque concernée. Une conversation sur une marque haut de gamme et une conversation sur une marque d'entrée de gamme ne peuvent pas avoir le même registre - ni la même densité, ni la même liberté de ton. Tu n'arrives pas sur une page blanche. Les personas sont définis, les golden rules sont posées, un framework d'adaptation du ton à l'intention utilisateur existe, et les grands principes d'architecture ont été posés en amont par un cabinet externe. Tu arrives sur des fondations solides, un chantier interrompu, et un portefeuille entier à décliner. Ce que tu construis concrètement Le livrable central, c'est un référentiel - pas des écrans. * Une matrice intention × marque. Pour chaque intention utilisateur (inspiration, réservation, modification, annulation, question sur une prestation, réclamation, fidélité, montée en gamme) et chaque univers de marque : le comportement attendu de l'agent. * Des golden dialogues. Des conversations de référence à double usage : spécification pour les équipes data science d'un côté, jeu de test pour vérifier le comportement réel du modèle de l'autre. * Les sous-tons. Une des premières décisions structurantes du Projet : construire des familles de ton par positionnement plutôt qu'un ton par marque, avec des variations ciblées sur les marques à forte identité propre. * Les garde-fous. Ce que l'agent ne dit jamais : engagements commerciaux, promesses de compensation, comparaisons entre marques, sujets sensibles. À quoi ressemble une semaine Environ la moitié du temps en production de référentiel et en test : faire tourner des cas, lire des conversations réelles, repérer les dérives, corriger l'instruction, refaire tourner. Le Projet tient autant du QA que de la rédaction - c'est assumé. L'autre moitié en alignement : comités avec les équipes marque, le commerce, la data science, le juridique. Chaque arbitrage - l'agent peut-il proposer une montée en gamme, comment réagit-il face à une réclamation - doit être validé par des interlocuteurs qui n'ont pas les mêmes intérêts. Avec qui tu travailles Ta responsable produit en direct, un-e designer IA déjà en poste, l'équipe data science qui implémente, les équipes brand, le commerce et les PO du périmètre applicatif. Les trois premiers mois Reprise du framework existant, audit de ce que produit l'agent aujourd'hui, choix de la stratégie de déclinaison, puis premières marques pilotes. Ce n'est pas un sujet qu'on livre : c'est un système qu'on installe et qui vit ensuite. Le profil attendu * Profil senior en content design, conversation design ou UX writing, avec une pratique confirmée des agents génératifs * Tu as déjà travaillé sur un système d'instructions, pas seulement sur des interfaces : tu sais comment un ton se construit, se contraint et dérive sur un modèle de langage * Tu testes ce que tu écris. Systématiquement. Tu ne considères pas une règle comme appliquée tant que tu ne l'as pas vue tenir sur des cas réels * Tu as décliné une identité éditoriale sur un portefeuille large sans la diluer, et tu sais arbitrer entre standardisation et singularité * Tu tiens tes positions. Le sujet est très visible, tout le monde a un avis, et ce