EBMC
Informations générales Durée : 4 à 6 mois Rythme : Temps plein Localisation : Paris 2e Télétravail : 1 à 2 jours maximum par semaine Contexte et objectifsDans le cadre de l'amélioration de la productivité de sa DSI, notre client recherche un consultant senior spécialisé dans l'IA appliquée au cycle de développement et d'exploitation informatique. L'objectif est d'identifier, de déployer et d'industrialiser des outils et agents IA adaptés aux différentes équipes : Product Owners, Développeurs, Data Engineers, Infrastructure et équipes techniques transverses. La mission comporte une forte dimension stratégique et opérationnelle : diagnostic de maturité, benchmark des solutions, définition d'une feuille de route, déploiement des outils, développement d'agents IA et accompagnement des équipes. Principales responsabilités1. Benchmark et définition de la stratégie d'outillage IA Analyser les besoins des différentes populations (PO, Dev, Data Engineering, Infra/DT). Évaluer les solutions du marché : GitHub Copilot, Cursor, Claude Code, Windsurf, Copilot Workspace, etc. Comparer les solutions selon leur intégration, leur sécurité, leur coût, leur qualité et leur facilité d'adoption. Recommander les outils et agents les plus adaptés, avec possibilité de combiner plusieurs solutions. Réaliser les POC nécessaires et définir une feuille de route de déploiement priorisée. 2. Déploiement et intégration Déployer les solutions IA retenues dans l'environnement DSI. Assurer leur intégration avec Azure DevOps, les dépôts de code et les pipelines CI/CD. Définir les règles de sécurité, de confidentialité du code et de conformité. Mettre en place le suivi des licences, des usages et des coûts. 3. Développement et industrialisation d'agents IA Concevoir des agents permettant d'automatiser différentes étapes du cycle de développement : Product Owners : amélioration des User Stories, génération de critères d'acceptation, détection des ambiguïtés et aide à la priorisation. Développeurs : préparation et pré-revue des Pull Requests, génération de tests, refactoring et contrôle des standards de code. Data Engineering : génération et optimisation SQL, documentation des pipelines, contrôles qualité des données et mapping multi-sources. Infrastructure / Production : analyse des incidents, identification des causes racines, proposition de correctifs et réduction des délais de résolution. Industrialiser ces agents avec des mécanismes de versionnement, de tests, de supervision, d'évaluation continue et de gouvernance (traçabilité, auditabilité, validation humaine et niveaux d'autonomie). 4. Accompagnement et conduite du changement Former les équipes aux outils IA et aux bonnes pratiques. Définir les standards d'utilisation selon les populations. Accompagner l'adoption et la montée en compétence. Mesurer les gains de productivité et de qualité à travers des indicateurs concrets : qualité du backlog, anomalies, revues de code, résolution des incidents et satisfaction des équipes. 5. Documentation et transfert de compétences Documenter les architectures, agents et standards. Produire les guides d'installation et d'utilisation. Organiser le transfert de compétences vers les équipes internes. Mettre en place un cadre de gouvernance pérenne.