Job Specifications
Dans un contexte de transformation numérique et d’essor rapide de l’intelligence artificielle générative et agentique, le Groupe, via sa DSI centrale, souhaite structurer et maîtriser l’introduction de ces technologies au sein de son système d’information.
L’objectif est d’explorer les apports de l’Agentic AI pour soutenir les métiers et les fonctions transverses
Vos missions
1. Objet de la consultation
Mise en relation et l’animation des échanges avec des partenaires de plateformes (AWS, Microsoft, MuleSoft, Snowflake, etc.), la définition, priorisation et cadrage de cas d’usage Agentic AI (généraux + spécifiques à l’industrie aéronautique), la recommandation de plateformes / architectures / outillages en fonction des cas d’usage et des contraintes, la construction d’un portefeuille d’initiatives (roadmap, lots, trajectoire), l’exploration technologique (POC/tech spike) et la production de livrables type “livre blanc” (positionnement, patterns, REX, guidelines).
2. Expertise technique attendue :
L’expert Afin de mener à bien cette mission le client souhaite un niveau avancé d’expertise dans les domaines suivants :
Compétences Agentic AI & LLM (cœur)
‑ Conception d’agents: tool calling, planning, memory, guardrails, multi-agent, human-in-the-loop.
‑ Patterns: RAG avancé, retrieval hybride, grounding, prompt/program orchestration.
‑ Évaluation : qualité, robustesse, hallucinations, eval harness, offline/online eval, A/B.
‑ LLMOps: monitoring, traces, coûts, latence, versioning prompts, fallback, incident
management.
Architecture & intégration SI
‑ Architecture cloud (AWS/Azure), conteneurs, event streaming, API-first.
‑ Intégration iPaaS / ESB / API management (MuleSoft typiquement) + connecteurs
SaaS/legacy.
‑ Data architecture : gouvernance, lineage, accès, gestion des secrets.
Sécurité, conformité, risques
‑ Threat modeling pour agents (prompt injection, data exfiltration, tool misuse).
‑ RBAC/ABAC, isolation environnements, auditabilité, logs, PII, conformité (selon
contexte).
‑ Approche “secure-by-design” + validation avec RSSI.
Connaissance aéronautique (fortement souhaitée)
‑ Compréhension MRO, maintenance, qualité, engineering, supply chain, documentation technique, contraintes de traçabilité.
‑ Culture des normes/process (sans exiger un niveau expert si le profil est très
solide sur Agentic AI).
Facilitation & delivery (soft skills opérationnels)
‑ Capacité à animer workshops multi-parties (métiers, IT, partenaires)
‑ Excellente communication écrite/orale, synthèse exécutive, conduite du
changement.
Vos compétences
3. Prestation attendue :
Partenariats & écosystème plateformes
‑ Cartographier l’écosystème et identifier les bons interlocuteurs chez les éditeurs
/ intégrateurs.
‑ Préparer, conduire et restituer les workshops partenaires (AWS, Microsoft,
MuleSoft, Snowflake, etc.).
‑ Évaluer les offres (agents frameA. Partenariats & écosystème plateformes
‑ Cartographier l’écosystème et identifier les bons interlocuteurs chez les éditeurs
/ intégrateurs.
‑ Préparer, conduire et restituer les workshops partenaires (AWS, Microsoft,
MuleSoft, Snowflake, etc.).
‑ Évaluer les offres (agents Framework, orchestration, outils d’observabilité,
sécurité, gouvernance, intégration SI).
Discovery & use cases Agentic AI (génériques + aéronautique)
‑ Animer des ateliers de discovery (métier, IT, sécurité, data, ops) pour : Définir
des use cases transverses (support, IT ops, knowledge assistant, dev productivity,
workflow automation, etc.) ;
o Définir des use cases aéronautiques (ex. maintenance, supply chain,
engineering, flight ops, qualité, conformité, MRO, documentation
technique).
o Définir des use cases aéronautiques (ex. maintenance, supply chain,
engineering, flight ops, qualité, conformité, MRO, documentation
technique).
‑ Formaliser chaque use case : objectifs, périmètre, acteurs, triggers, tâches
agentiques, dépendances, données, risques, critères de succès.
‑ Prioriser via une grille valeur/risque/effort (quick wins vs “strategic bets”).
Recommandations plateformes, architectures, trajectoire
‑ Proposer des patterns d’architecture Agentic AI (RAG, tool-use, multi-agent vs
single-agent, event-driven workflows, human-in-the-loop).
‑ Recommander des plateformes / briques (cloud, iPaaS, API management, vector
DB, orchestration, MLOps/LLMOps).
‑ Définir la trajectoire : MVP → industrialisation, critères de passage en prod,
exigences non fonctionnelles.
Portfolio, roadmap et gouvernance
‑ Construire un portfolio de projets : lots, jalons, budget indicatif, staffing,
dépendances SI.
‑ Définir la gouvernance : cadre de décision, sécurité, conformité, data
gouvernance, Risk management, operating model.
Exploration technologique & “livre blanc”
‑ Piloter des tech spikes/POC orientés faisabilité et design (pas juste “démos”).
4. Livrables :
Un livrable est tout résultat ou document, mesurable, tangible ou vérifiable, qui résulte de l’a