Questions techniques pour un chef de projet IA, du POC à la production

Un entretien de chef de projet IA ne se prépare pas comme celui d'un chef de projet applicatif. Le chef de projet IA mène des projets dont le résultat n'est pas garanti au départ : un assistant documentaire peut plafonner à un taux de bonnes réponses insuffisant, un agent peut échouer en validation sécurité, un coût d'inférence peut tripler au passage à l'échelle. Il doit savoir cadrer un POC, écrire des critères d'acceptation mesurables, organiser l'accès aux données et préparer l'exploitation.

Les offres publiées en France à l'automne 2026 parlent beaucoup d'IA générative et d'IA agentique, souvent dans la banque et l'assurance, avec validation sécurité, comités et conformité RGPD et AI Act. Beaucoup de candidats viennent de la gestion de projet informatique classique et maîtrisent Agile, Jira et les comités. Ce qui les sépare se voit sur la recette d'un système non déterministe et sur le chiffrage des coûts.

Faites raconter au candidat un POC qu'il a arrêté ou réorienté : le critère chiffré qui a tranché, qui l'avait validé et ce que le métier a obtenu à la place. Le PDF ajoute un cas de 20 minutes sur l'assistant des conseillers d'une mutuelle.

Les notions techniques qu'un chef de projet IA doit manier

LLM et machine learning classique

Un LLM génère du texte à partir d'instructions et s'utilise le plus souvent par API, chez Azure OpenAI, Mistral AI, AWS Bedrock ou Google (Gemini Enterprise Agent Platform, ex-Vertex AI). Un modèle de machine learning classique apprend une tâche précise (score, classification) sur des données étiquetées. Le chef de projet doit savoir lequel convient et ce que chacun demande comme données et comme suivi.

RAG, agents et solutions du marché

Le RAG fait répondre un modèle à partir de documents internes. Un agent enchaîne des actions dans d'autres logiciels. Des solutions prêtes à l'emploi comme Microsoft 365 Copilot couvrent une partie des besoins. Le choix entre acheter et construire est souvent la première décision technique du projet.

Jeu d'évaluation et critères d'acceptation

C'est la base de la recette : des cas réels avec la réponse attendue, validés par le métier, et des seuils chiffrés. Sans ce jeu, personne ne peut dire si le système est prêt ou si une modification l'a dégradé. Demandez au candidat qui le construit et combien de temps il prévoit.

Coûts d'inférence et cloud

Les fournisseurs facturent au token, en entrée et en sortie, ou en capacité réservée. Le coût dépend du modèle, de la taille du contexte et du nombre d'appels. Un modèle hébergé en interne déplace la dépense vers les GPU et l'équipe d'exploitation.

Données, accès et RGPD

Un projet IA échoue souvent sur l'accès aux données et la gestion des droits. Les données personnelles imposent finalité, minimisation, AIPD fréquente et contrat avec le fournisseur. La différence entre RAG et fine-tuning pèse lourd sur le droit à l'effacement.

AI Act

Le règlement européen classe les systèmes par niveau de risque. Les pratiques interdites et l'obligation de favoriser la maîtrise de l'IA du personnel s'appliquent depuis février 2025, la transparence de l'article 50 depuis août 2026. L'omnibus numérique de juillet 2026 a fixé les systèmes à haut risque de l'annexe III (emploi, crédit, éducation) au 2 décembre 2027 et ceux de l'annexe I au 2 août 2028. Le classement d'un cas d'usage se fait au cadrage.

Sécurité des systèmes IA

L'injection de prompt, les droits trop larges d'un agent et les fuites de données sont les sujets que la sécurité examine. Dans les grands groupes, le parcours de validation sécurité fixe souvent la date réelle de mise en production.

LLMOps et exploitation

Traces de chaque requête avec des outils comme Langfuse, suivi de la qualité et des coûts, gestion des versions de modèle et des retraits annoncés par les fournisseurs, suivi de la dérive pour les modèles classiques. Le chef de projet n'opère pas ces outils mais doit exiger qu'ils soient en place.

Le poste prend des formes variées. En ESN, le chef de projet IA est souvent placé chez un grand compte pour industrialiser un programme d'IA générative ou agentique, avec comités, validation sécurité et coordination entre entités. Chez un éditeur ou une entreprise de taille moyenne, il est plus proche du produit et cadre lui-même les cas d'usage. Dans les deux cas, il ne développe pas, mais il doit comprendre assez la technique pour fixer les critères de recette, challenger les estimations de l'équipe data et anticiper les sujets de conformité. Les intitulés varient : chef de projet IA générative, delivery manager IA, AI project manager.

Ce qu'un chef de projet IA doit maîtriser

• Passage du POC à la production
• Critères d'acceptation et évaluation des modèles
• Données, droits d'accès et RGPD
• Architecture et coûts d'inférence
• Sécurité des systèmes IA et AI Act
• Exploitation et suivi d'un système IA

Situations de projet à soumettre à un chef de projet IA

Chaque question vient avec ce qu'une bonne réponse contient et le signal qui doit vous alerter. Pas besoin d'être technique pour les poser : écoutez si le candidat raconte du vécu.

1. Question 1 · confirmé

   Le POC d'assistant documentaire a fait forte impression en démonstration, et le comité veut passer en production le mois prochain. Que vérifiez-vous avant de dire oui ?

   Une bonne réponseD'abord la mesure : le POC a-t-il été évalué sur des questions réelles et représentatives, avec des seuils fixés par le métier, ou seulement sur les questions de la démo ? Puis les données de production : sources complètes, mise à jour des documents, respect des droits de chaque utilisateur. Ensuite la validation sécurité, le coût au volume réel, l'AIPD si des données personnelles sont en jeu, l'organisation du run et un pilote sur un groupe restreint avant l'ouverture.

   Signal d'alerte« La démo a convaincu tout le monde », ou un planning qui ne contient que des tâches de développement.

2. Question 2 · confirmé

   Comment rédigez-vous les critères d'acceptation d'un assistant qui répond aux questions des conseillers clientèle ?

   Une bonne réponseUn jeu d'évaluation construit avec les experts métier, réparti par thème, avec la réponse attendue ou des critères pour chaque question. Des indicateurs chiffrés et signés : taux de réponses correctes, réponses appuyées sur les bonnes sources, abstention quand l'information n'existe pas, temps de réponse, coût par question. Une liste d'erreurs critiques à tolérance nulle, comme une garantie inventée. La recette fait tourner le jeu complet et ajoute une relecture humaine d'un échantillon. La personne n'attend pas 100 % de bonnes réponses.

   Signal d'alerte« Le métier validera si c'est satisfaisant », ou des cas de test avec une réponse exacte attendue mot pour mot, comme pour un logiciel classique.

3. Question 3 · senior

   Le métier hésite entre activer Microsoft 365 Copilot, acheter un outil SaaS spécialisé et développer un assistant sur mesure. Quels éléments techniques mettez-vous sur la table ?

   Une bonne réponseOù sont les données et comment les droits sont gérés, le besoin d'agir dans d'autres logiciels, le degré de personnalisation, le modèle de coût (par utilisateur ou au token), la localisation des traitements et les clauses sur l'usage des données, la possibilité de changer de modèle ou de fournisseur, le délai et l'équipe nécessaire pour faire tourner la solution. Surtout, le même jeu d'évaluation appliqué aux trois options pour comparer sur des faits.

   Signal d'alerteUne préférence de principe pour le développement « plus flexible », ou un choix fait sur la démonstration la plus brillante.

4. Question 4 · confirmé

   Le pilote coûte 2 000 euros par mois pour 100 utilisateurs. Que regardez-vous avant d'annoncer le coût d'un déploiement à 3 000 personnes ?

   Une bonne réponseOn ne multiplie pas par trente. Les utilisateurs du pilote sont souvent plus actifs que la moyenne, et le coût dépend du nombre de requêtes, de la taille du contexte (documents retrouvés, historique) et du modèle utilisé. La personne sépare les coûts fixes (index de recherche, hébergement, supervision) des coûts variables, présente des scénarios bas et haut et prévoit des pistes de réduction : cache de prompt, modèle plus petit pour les questions simples, plafonds par utilisateur. Elle ajoute le coût de l'équipe qui fera tourner le service.

   Signal d'alerteUne règle de trois sur le coût du pilote.

5. Question 5 · confirmé

   L'équipe veut exploiter les e-mails clients des trois dernières années pour alimenter l'assistant. Que faut-il régler avant de démarrer ?

   Une bonne réponseLe RGPD : finalité compatible avec la collecte initiale, base légale, minimisation, information des personnes, durée de conservation, et une AIPD probable. Les données sont pseudonymisées quand c'est possible et les accès limités. Côté fournisseur : localisation des traitements, absence de réutilisation pour l'entraînement, contrat de sous-traitance. La personne distingue le RAG, où un document se retire de l'index, du fine-tuning, où les données passent dans les poids du modèle. Le DPO et le RSSI sont associés dès le cadrage.

   Signal d'alerte« Ces données nous appartiennent, on peut tout utiliser », ou découvrir la question du RGPD en recette.

Ce que les recruteurs demandent sur le chef de projet IA

Pour structurer vos autres entretiens, consultez aussi nos pages sur les questions d'entretien de recrutement, la méthode de l'entretien structuré et la grille d'évaluation d'entretien.