POSTE : Product Manager IA H/F DESCRIPTION : Beaucoup de projets IA échouent non pas parce que la technologie est insuffisante, mais parce que le problème n'a pas été correctement compris au départ. Votre rôle commence avant le code, avant la roadmap, avant même la sélection du modèle. Il commence face à un directeur des opérations, un responsable qualité ou un DSI, avec une question simple : quel est le vrai problème ? Vous allez là où les process se décident, vous challengez les organisations, vous décodez les irritants métier pour en faire une réponse produit IA concrète et déployable. C'est un rôle hybride, rare et exigeant : consultant·e d'abord, product manager ensuite. Vous naviguez entre les directions métier et les équipes techniques. Vous portez le diagnostic, la conviction sur la solution et la responsabilité du résultat business. Vos missions Phase 1 - Diagnostic métier et discovery IA - Conduire des séances d'immersion et d'investigation chez nos clients : observation de process, interviews d'opérationnels, cartographie des flux, analyse des irritants et des pertes de valeur - Challenger les interlocuteurs métier (directeurs de production, responsables qualité, DSI, chefs de projet, opérateurs) pour révéler les vrais problèmes derrière les symptômes exprimés - Identifier et qualifier les opportunités IA à fort ROI : ce qui est faisable, ce qui est pertinent, ce qui est prioritaire - Structurer le diagnostic sous forme de livrables clairs et actionnables : cartographie des cas d'usage, évaluation de faisabilité, business case, roadmap priorisée Phase 2 - Conception et cadrage produit - Définir la vision produit de la solution IA en lien avec les objectifs business du client - Traduire les besoins métier en exigences fonctionnelles et non-fonctionnelles compréhensibles par les équipes techniques : data scientists, développeurs, architectes - Construire et maintenir le backlog produit : story mapping, user stories, critères d'acceptation, priorisation - Arbitrer les compromis entre performance du modèle, expérience utilisateur, contraintes de production et délais - Co-concevoir les prototypes et interfaces avec les équipes UX/design et valider avec les utilisateurs finaux Phase 3 - Pilotage de la delivery et mesure d'impact - Piloter les sprints avec les équipes techniques (AI Engineers, data scientists, développeurs backend/frontend) en méthode Agile - Définir et suivre les KPI d'usage et d'impact business : OKR, métriques de qualité du modèle, adoption, satisfaction, ROI mesuré - Assurer la communication et le reporting auprès des sponsors et des directions : avancement, risques, résultats - Piloter le passage du POC ou prototype vers la mise en production réelle, en garantissant la fiabilité et l'adoption Phase 4 - Conduite du changement et accompagnement utilisateur - Embarquer les équipes opérationnelles dans la démarche : ateliers d'idéation, co-construction, formations terrain - Anticiper les résistances organisationnelles et construire les conditions d'adoption durable de la solution - Documenter les cas d'usage, capitaliser les méthodes et contribuer à la montée en compétences de l'équipe Abylsen sur l'offre IA PROFIL : Formation : Bac +5 - École d'ingénieur, Master en informatique, management de l'innovation, gestion de projet ou équivalent. Une double compétence ingénieur + business ou une formation en design thinking est un vrai plus. Expérience : 3 à 8 ans en Product Management, conseil en transformation digitale, MOA ou chef de projet IT/Data, dont au moins une expérience significative incluant une dimension IA ou data dans un produit en production. Ce que vous savez faire - indispensable - Mener un diagnostic métier de bout en bout : questionner, structurer, synthétiser, convaincre - Maîtriser les fondamentaux du Product Management : story mapping, backlog, OKR, JTBD, tests utilisateurs - Travailler en Agile / Scrum avec des équipes techniques sans perdre de vue l'objectif business - Communiquer avec clarté à des niveaux très différents : opérateur terrain, chef de projet, DSI, CODIR - Structurer une roadmap et défendre des choix de priorisation face à des parties prenantes aux agendas divergents Ce que vous comprenez - le différenciateur IA - Les concepts clés de l'IA/ML : supervisé, non-supervisé, LLM, RAG, agents, computer vision, séries temporelles - sans être data scientist - La différence entre un POC et un produit en production, et ce qu'il faut faire pour passer de l'un à l'autre - Les enjeux de qualité de la donnée, de biais, de gouvernance et de conformité EU AI