Manager Product Engineer

Ce que vous construisez ne reste pas à l’état de démonstration : de vrais utilisateurs, au sein de grands groupes, s’en servent chaque jour. Applications et agents se conçoivent et s’exploitent en binôme avec l’AI Product Manager. Une équipe sinistres retrouve ainsi sur un seul écran les documents utiles et un brouillon de réponse ; ailleurs, un processus de commande ne demande plus aucune ressaisie manuelle.

Ce poste est fait pour vous si vous voulez que de vrais utilisateurs s’appuient sur ce que vous livrez.

Artefact accompagne les plus grandes entreprises du monde dans le déploiement de l’IA : 3 000 AI makers dans plus de 30 pays, plus de 1 000 clients. En France, le département Engineering réunit environ 300 personnes sous la responsabilité du CTO ; vous y rejoignez le chapter AI Applied Engineer, archétype Product Engineer.

Activités et responsabilités

À chaque projet, l’AI Product Manager pilote le produit avec le client : ce qui se construit en premier, et la vérification que les utilisateurs s’en servent, se décident à deux.

Autour de l’application, trois métiers se croisent : les AI Engineers pour le comportement du modèle, les Platform Engineers pour le déploiement, les Context & Analytics Engineers pour les données dont l’application a besoin. Les tests se font avec les utilisateurs finaux, le code se relit entre pairs et les nouvelles recrues sont accompagnées.

Vos responsabilités :

• Construire des applications métier : front end, back end et API.
• Intégrer des agents et des assistants dans un processus métier, avec des contrôles humains là où ils comptent.
• Automatiser des processus de bout en bout.
• Intégrer un modèle dans un outil que les équipes utilisent déjà.
• Construire les connecteurs dont le cas d’usage a besoin, par exemple un serveur MCP pour un outil métier.
• Concevoir l’expérience utilisateur de l’IA : quand une personne valide, comment afficher les sources et l’incertitude.
• Définir avec l’AI Product Manager les évaluations propres au cas d’usage et les suivre en production.
• Assumer ce que vous livrez après la mise en production : monitoring, incidents, adoption.

Profil recherché

Les indispensables :

1. Vous avez construit des applications avec un front end, un back end et des API, même si votre expertise est plus marquée d’un côté.
2. Du code testé, relu et documenté, en Python, TypeScript ou dans un langage similaire.
3. Les coding agents font déjà partie de votre quotidien, et vous vérifiez ce qu’ils produisent.
4. Des besoins d’utilisateurs transformés en une première version, puis améliorée à partir de leurs retours.
5. Le monitoring, les incidents et l’adoption font, pour vous, partie du métier.
6. Une aisance à expliquer vos choix techniques à des personnes non techniques.

Un plus, pas un prérequis :

• Une expérience de construction d’agents ou d’assistants au-dessus d’un LLM : appel d’outils, orchestration.
• Une expérience de conception de parcours avec validation humaine (human-in-the-loop) ou d’interfaces d’IA.
• Une expérience d’intégration à des logiciels métier, comme un ERP ou un CRM.
• Une expérience au contact des clients.

Pas besoin de cocher toutes les cases pour postuler : si vous avez l’essentiel des indispensables et l’envie d’apprendre le reste, parlons-en.

Pourquoi nous rejoindre ?

Entre le produit, l’interface et le modèle, le Product Engineer occupe le point où l’IA rencontre ses utilisateurs. Leurs réactions s’observent directement, et chaque version livrée tient compte de ce que les usages ont révélé.

Nous sommes des AI makers : l’IA se construit avec nos clients, pas seulement pour eux. Leurs enjeux deviennent les nôtres, et nos choix techniques s’expliquent dans le langage du métier. Les positions que nous prenons sont claires ; elles évoluent face aux faits, jamais sous la pression.

Notre domaine change tous les mois, et ce rythme nous convient : les nouvelles technologies et les nouveaux secteurs s’apprennent vite, et les habitudes qui ne servent plus s’abandonnent sans regret. Devant un problème difficile, le réflexe est de le découper en étapes vérifiables, avec un haut niveau d’exigence sur le code comme sur les livrables.

Quand il manque quelque chose, pour un client ou pour le chapter, nous le construisons. La progression passe par des retours constructifs, par le partage des connaissances, par la demande d’aide sans attendre et par la reconnaissance du travail des autres. Il y a beaucoup à apprendre, et beaucoup à construire.

Un counsellor accompagne vos premiers mois. L’onboarding technique ouvre le parcours, suivi d’un premier projet client ; si aucun n’est prêt, les starter kits internes prennent le relais.

Le reste s’apprend sur les projets : conception d’agents, évaluation par cas d’usage, expérience utilisateur de l’IA, avec l’appui des AI Engineers et de la communauté Product Engineer. À partir de 2027, l’archétype Product Engineer disposera de sa propre grille de compétences et de son propre parcours de formation, en plus du socle commun à tous les AI Applied Engineers (évaluation de l’IA, responsabilité en production).

Plus tard, un rôle transverse devient possible (Project Tech Lead, Pre-sales Engineer, Engineering Manager), tout comme le chapter AI Product Manager.

Certifications : [À compléter : quelles certifications Artefact finance].

Processus de recrutement

Le processus demande environ quatre heures, réparties en six étapes dont une seule sur site.

1. Entretien RH (45 min, à distance) : parcours, motivations et points pratiques, comme le calendrier et les prétentions salariales.
2. Appel avec le CTO (15 à 30 min, à distance).
3. Screening technique (30 min, à distance, avec un membre du chapter AI Applied Engineer) : retour détaillé sur vos projets passés, puis questions techniques et de design de solution.
4. Code review et live coding (60 min, sur site, avec un membre du chapter) : relecture d’un dépôt de code existant et correction de ses défauts, puis construction d’une nouvelle fonctionnalité avec un coding agent et présentation du résultat.
5. Cas technique (45 min, à distance, avec un membre du chapter) : cadrage d’un problème métier, proposition d’une solution technique, description de la méthode d’évaluation, puis discussion de vos choix.
6. Entretien final (30 min, à distance, avec une personne de l’encadrement du département, Engineering Manager ou Director) : reprise des points restés ouverts, choix de l’archétype et du niveau les mieux adaptés à votre profil, et réponses à toutes vos questions.

Selon les étapes, tous les outils d’IA sont autorisés, ou aucun. Lors du live coding, c’est la manière de travailler avec l’assistance de l’IA qui est observée.

[À compléter : déclaration d’égalité des chances d’Artefact, et contact pour les aménagements pendant le processus.]