Product Manager IA – Multi Produits (LLM / MCP)

Contexte

Au sein de la Digital Factory d’un grand groupe, vous évoluez dans un environnement dynamique structuré comme une start-up interne, avec forte autonomie et exigence de delivery rapide.

Dans un contexte d’accélération IA, la Factory développe et industrialise plusieurs produits basés sur des LLM interconnectés via une architecture MCP (Model Context Protocol / Multi Capability Platform).

L’enjeu :

• Créer des produits IA à forte valeur business
• Les industrialiser à l’échelle du groupe
• Garantir performance, sécurité, gouvernance et maîtrise des coûts

Vos missions

1️⃣ Structuration des Use Cases IA

• Identifier les cas d’usage IA prioritaires à fort ROI
• Cadrer les besoins métiers avec les directions du groupe
• Traduire des problématiques complexes en solutions IA actionnables
• Définir KPIs, métriques d’impact et critères de succès

2️⃣ Construction & Défense des Business Cases

• Évaluer la création de valeur (productivité, performance, innovation)
• Intégrer les enjeux coûts d’inférence, scalabilité et maintenance
• Arbitrer selon valeur / complexité / dette technique

3️⃣ Pilotage ET co-construction technique – Architecture MCP

Vous n’êtes pas uniquement en supervision. Vous rentrez dans la mécanique LLM.

• Définir la vision produit IA globale
• Piloter un écosystème multi-produits interconnectés
• Assurer la cohérence fonctionnelle ET technique entre les briques IA
• Co-concevoir avec les équipes techniques :
  • Stratégies RAG
  • Orchestration multi-modèles
  • Agents IA
  • Routing & contextualisation
  • Logique de prompt engineering
• Identifier des optimisations techniques nécessaires (qualité, latence, coûts)
• Challenger les choix d’architecture LLM / MCP
• Participer aux arbitrages build vs buy
• Structurer une roadmap technique produit transverse

👉 Vous êtes capable de comprendre un diagramme d’architecture LLM et d’en challenger la logique.

4️⃣ Interface Business – Tech – Architecture

• Représenter le produit en comité stratégique
• Traduire les contraintes techniques en enjeux business
• Vulgariser les limites des LLM (hallucinations, biais, sécurité)
• Challenger les équipes Data / Engineering sur :
  • Stratégie d’orchestration
  • Gouvernance des données
  • Monitoring des performances
• Garantir l’alignement stratégie produit / architecture technique

5️⃣ Amélioration Continue & Industrialisation IA

• Mettre en place une logique Test & Learn à l’échelle produit
• Définir des frameworks d’évaluation LLM (qualité, robustesse, hallucinations)
• Optimiser prompts, embeddings, pipelines RAG
• Suivre coûts d’inférence et performance des modèles
• Structurer la gouvernance IA groupe
• Assurer veille active sur l’évolution des modèles et standards MCP