Informations généralesDépartement : Digital, Data & IA Localisation : Siège / Lille (présence obligatoire sur site) Supérieur hiérarchique : Head of IA Position dans l?organisationLe/la IA Delivery Lead pilote une équipe dédiée à la conception et à la livraison de solutions d?intelligence artificielle. EncadrementManagement fonctionnel d?une équipe pluridisciplinaire : Product Owner Copilots & Agents IA Business Analyst / AMOA IA Spécialiste fonctionnel RAG / Prompt (optionnel) Interactions internesÉquipes Data (Data Hub, gouvernance, référentiels) Équipes IT / DSI Directions métiers Équipes Digital / Data / IA Interactions externesPartenaires technologiques et plateformes cloud Éditeurs de solutions IA (LLM, RAG, etc.) Cabinets de conseil spécialisés MissionLe/la IA Delivery Lead est responsable du pilotage de bout en bout des cas d?usage en intelligence artificielle (copilots, agents, solutions RAG), depuis leur cadrage jusqu?à leur mise en production, leur adoption et la mesure de leur valeur. Il/elle garantit la structuration des projets, la coordination des parties prenantes et la qualité des livrables, tout en assurant un impact métier mesurable. Responsabilités principales1. Cadrage et qualificationAnimer les ateliers de cadrage avec les métiers Évaluer la faisabilité fonctionnelle et l?effort de delivery Définir les critères de succès (valeur, adoption, qualité, risques) Intégrer les enjeux de données, de traçabilité et de conformité 2. Pilotage du deliveryConstruire et piloter les plans de delivery (jalons, sprints, capacité) Coordonner les parties prenantes internes et externes Gérer les risques, dépendances et arbitrages Garantir la qualité des livrables (backlog, spécifications, décisions) 3. Recette et validationPréparer et animer les comités de validation Définir les critères d?acceptation et organiser la recette fonctionnelle Coordonner les validations finales (go / no-go) 4. Déploiement et adoptionDéfinir la stratégie de déploiement (pilote, passage à l?échelle) Accompagner l?adoption (formation, communication, support) Mettre en place les indicateurs d?usage (adoption, fréquence, satisfaction) Organiser les boucles de feedback 5. Mesure de la valeurSuivre les gains générés (temps, qualité, réduction des risques) Piloter l?amélioration continue des solutions 6. Qualité et fiabilitéDéfinir les standards de qualité des solutions IA Mettre en place des contrôles fonctionnels Suivre et corriger les écarts 7. IndustrialisationCapitaliser sur les retours d?expérience Standardiser les méthodes et outils (copilots, agents, RAG) Contribuer à l?industrialisation des pratiques IA