Que font les ingénieurs qui déploient l’IA en entreprise ?

Un ingénieur de déploiement IA — souvent appelé forward-deployed engineer (FDE) — travaille avec une entreprise cliente pour cadrer, construire et intégrer un système d’IA jusqu’à sa mise en production, puis suivre son adoption et transmettre les retours aux équipes produit. Son rôle consiste à faire entrer l’IA dans les processus de travail réels, pas seulement à concevoir une démonstration.

Ce que fait un ingénieur de déploiement IA

Le poste associe travail technique et échanges directs avec le client. La fiche de poste d’OpenAI pour San Francisco décrit un parcours allant de la découverte des besoins et de la conception du système au développement, au déploiement en production, au suivi de l’adoption et aux retours vers les équipes produit et recherche. OpenAI demande pour ce poste au moins cinq ans d’expérience en ingénierie ou en déploiement technique, dont une expérience avec des clients, ainsi que des compétences en développement front-end et back-end, notamment en Python ou JavaScript.

Cette fiche précise aussi les conditions propres à ce poste à San Francisco : trois jours de présence au bureau par semaine, des déplacements pouvant atteindre 50 % du temps et un salaire de base de 185 000 à 300 000 dollars américains, auquel s’ajoute une rémunération en actions. Ces exigences et cette rémunération ne définissent pas tous les postes de FDE.

Les compétences qui distinguent le profil FDE

L’analyse de Lightcast publiée le 15 septembre 2026 relève, dans les offres de FDE, des compétences en intelligence artificielle, Python, gestion des flux de travail, ingénierie logicielle et communication. Elle distingue ces annonces de celles d’ingénieurs logiciels par l’accent porté sur l’IA, les flux de travail et Python, tandis que les offres d’ingénierie logicielle mettent davantage l’accent sur l’informatique, les méthodes Agile et le développement logiciel. Lightcast détaille ces tendances dans son analyse des offres d’emploi.

Ces catégories décrivent des tendances dans les offres, pas une liste de disciplines que chaque personne devrait maîtriser au même niveau. Le cœur du profil reste technique, avec une attention supplémentaire aux usages de l’IA, aux processus métier et au travail avec les clients.

Du flux de travail au système en production

Pour rendre cette démarche concrète, AI LABS présente un cadre en cinq étapes : observer et cartographier les processus existants, répartir les tâches entre règles fixes, jugement de l’IA et validation humaine, prévoir les modes d’échec, tester le système sur des exemples connus, puis mesurer sa valeur pour l’activité. C’est l’approche proposée par le créateur, pas une méthode universelle.

L’animateur d’AI LABS raconte aussi avoir construit un chatbot interne pour les équipes des ressources humaines et de la comptabilité de son entreprise, après avoir observé leurs tâches manuelles.

Pourquoi les entreprises développent ces équipes

Aux États-Unis, les offres d’emploi de FDE recensées par Lightcast sont passées de moins de 200 en 2023 à environ 1 200 en 2025, puis à plus de 7 300 au cours des neuf premiers mois de 2026. Ces chiffres comptent des annonces, pas des recrutements réalisés. Pour la même période de 2026, Lightcast situe le salaire médian affiché aux États-Unis à 195 456 dollars, soit 40 % de plus qu’en 2023. CNBC a rapporté ces chiffres de Lightcast le 15 octobre 2026.

Les initiatives d’entreprise rapportées par CNBC montrent plusieurs façons de développer ces équipes. AWS a engagé un milliard de dollars dans son initiative FDE, qui démarrait avec des centaines d’ingénieurs. L’Académie Claude Frontier d’Anthropic vise à former 10 000 FDE d’ici à la fin de 2027 ; son programme comprend une résidence avec 12 semaines de mentorat, et les premières certifications complètes étaient attendues au début de 2027. Accenture et Google Cloud prévoient une équipe de 1 000 personnes. Chez Accenture, Ram Ramalingam estimait que la formation et l’intégration pouvaient durer de 30 à 90 jours selon l’expérience des participants.

Ce que montrent les exemples de projets

Une étude de cas d’AWS sur PennyMac rapporte que certaines tâches d’ingénierie ont été réalisées jusqu’à six fois plus vite, selon la tâche. Pour Smarsh, une étude de cas estime entre 5 et 10 millions de dollars la capacité d’ingénierie et de développement produit rendue disponible pour d’autres travaux. Cette estimation ne correspond pas à des économies de trésorerie et ne distingue pas la contribution des FDE. Ces exemples, rapportés par CNBC, ne constituent pas des mesures indépendamment vérifiées de rentabilité financière.