Ils viennent de révéler leur processus interne pour devenir un ingénieur FDE en IA
AAI LABS
Computing/SoftwareManagementJob Search
Transcript
00:00:00si vous savez comment utiliser l'IA, une opportunité énorme s'offre à vous en ce moment, et
00:00:04chose intéressante, bien que ce soit l'un des rôles les plus recherchés par les entreprises, elles ont du mal à
00:00:09trouver quelqu'un pour le faire. Cette opportunité est un rôle appelé ingénieur déployé sur le terrain ou FDE, et
00:00:14ce n'est pas que le travail soit difficile à apprendre, c'est juste que les gens ignorent que ce rôle existe
00:00:19au départ. Et au cours du mois dernier, ce rôle est devenu suffisamment important pour que les dirigeants
00:00:24de ces équipes chez OpenAI, Anthropic et Cursor aient tous donné des conférences à ce sujet. Et vous n'avez
00:00:29pas l'habitude d'entendre cela car ils décrivent de vrais projets au sein de véritables
00:00:33entreprises. Nous les avons donc tous analysés pour en extraire les parties que vous pouvez réellement utiliser. Maintenant, si
00:00:38vous découvrez la chaîne, bienvenue ! Nous sommes une entreprise de logiciels et voici AI Labs, où nous vous montrons
00:00:43comment optimiser une entreprise grâce à l'IA en utilisant des méthodes éprouvées par notre propre équipe. Dans cette vidéo, nous
00:00:48allons voir ce qu'est un FDE, comment les grandes entreprises effectuent réellement ce travail et comment vous pouvez commencer
00:00:53à le faire vous-même. Mais avant d'aller plus loin, commençons par définir ce qu'est réellement un FDE.
00:00:58Un ingénieur déployé sur le terrain, ou FDE pour faire court, est essentiellement quelqu'un dont le travail consiste à faire en sorte
00:01:03qu'une entreprise utilise réellement l'IA. Cela ne signifie pas intervenir pour donner des conseils ou remettre un document
00:01:09de stratégie, mais bien intégrer l'IA au cœur des systèmes qu'ils utilisent déjà, afin que le travail
00:01:14effectué manuellement par leurs équipes soit désormais pris en charge par l'IA. Peu importe le type de processus,
00:01:20trois éléments interviennent : soit c'est un humain qui accomplit la tâche, soit c'est un logiciel
00:01:25qui suit des règles strictes pour l'exécuter, soit c'est une IA. Et un FDE est quelqu'un qui sait précisément
00:01:30lequel de ces trois éléments doit gérer chaque tâche du processus. Par exemple, une entreprise a intégré un agent pour gérer ses demandes
00:01:36de remboursement. Sur le papier, cela fonctionnait : il lisait chaque demande, la vérifiait par rapport à la politique de remboursement et rejetait
00:01:41celles qui n'étaient pas éligibles. Mais après quelques semaines, l'entreprise a commencé à perdre des clients fidèles depuis
00:01:46des années, sans que personne ne comprenne pourquoi, car chaque remboursement refusé par l'agent respectait à la lettre la politique établie.
00:01:52Le FDE est donc allé s'asseoir avec la personne qui s'occupait auparavant de cette tâche, et il s'est avéré qu'elle appliquait une étape
00:01:57personnelle non documentée : elle vérifiait comment la commande avait été payée, et si l'achat
00:02:02avait été effectué avec une carte d'entreprise, elle l'approuvait directement sans chercher plus loin, car ces clients
00:02:06achètent tous les mois et faire des histoires pour un remboursement risque de vous faire perdre le compte. La politique
00:02:11n'en faisait pas mention, elles l'avaient mis au point d'elles-mêmes des années auparavant. Cette vérification a donc été intégrée
00:02:16au flux de travail comme règle fixe, avant même que le modèle ne décide. Maintenant, lorsque vous travaillez avec des gens, il y a un
00:02:22problème : la plupart d'entre eux sont incapables d'exprimer leurs besoins. Ils décrivent quelque chose qu'ils ont imaginé
00:02:26au lieu du problème qu'ils rencontrent réellement. C'est le plus grand obstacle pour amener une entreprise à
00:02:31adopter l'IA. Voici pourquoi : les personnes qui font réellement le travail veulent simplement accomplir leurs tâches,
00:02:36elles souhaitent juste que le résultat sorte aussi facilement que possible. Elles ne se penchent pas sur le processus lui-même, il est donc
00:02:41très difficile de concevoir quelque chose qu'elles adopteront. C'est précisément la situation de la plupart des entreprises
00:02:46aujourd'hui : depuis que l'IA est devenue populaire, elles l'intègrent partout sans vraiment savoir
00:02:51si elles en ont réellement besoin. C'est pourquoi tout le monde cherche soudainement à embaucher quelqu'un capable
00:02:55de régler tout cela pour eux. Les offres d'emploi pour ce rôle ont augmenté de 729 % en un an. AWS a investi un milliard
00:03:02de dollars pour créer un département entier d'ingénieurs déployés sur le terrain, et l'équipe FDE d'OpenAI est passée
00:03:08de deux personnes en janvier à 39. Tout cela s'est produit très rapidement, car il y a trois ans, pratiquement
00:03:13personne n'avait besoin de FDE, et il y a aujourd'hui plus d'une centaine de startups qui recrutent pour ce poste rien que chez Y Combinator,
00:03:19l'incubateur où sont nées bon nombre des plus grandes startups actuelles. Colin Jarvis dirige l'équipe
00:03:24des ingénieurs déployés chez OpenAI, et il affirme qu'il n'y a tout simplement pas assez de FDE sur le marché ; la demande
00:03:29a explosé avant même que les talents ne soient formés. Avant d'aller plus loin dans l'exploration de ce rôle, ce serait formidable si vous vous abonniez à
00:03:34la chaîne et cliquiez sur le bouton « J'aime ». Ce petit geste de soutien compte énormément pour nous. La demande est donc là,
00:03:40mais cela n'explique toujours pas pourquoi un FDE doit être un métier à part entière, car les outils ne sont pas
00:03:45la partie la plus difficile : tout le monde peut s'y inscrire et la plupart des entreprises en disposent déjà. L'année dernière, le MIT a mené une étude
00:03:51précisément sur ce sujet : ils ont analysé 300 projets d'IA et interrogé des centaines de personnes au sein des entreprises
00:03:56qui les menaient. Ils ont constaté que 95 % de ces projets n'avaient produit aucun retour mesurable. Et la conclusion
00:04:03du MIT était que les entreprises elles-mêmes étaient responsables de ces échecs, et non les modèles. Celles qui n'ont rien obtenu
00:04:08utilisaient des outils génériques qui fais bonne figure dans une démo mais s'effondraient dès qu'ils étaient appliqués à
00:04:13un travail réel, et rien de ce qu'elles construisaient autour de ces outils ne parvenait à comprendre le fonctionnement réel de leur entreprise. Aujourd'hui,
00:04:18Vasuman Moza exerce ce type de métier : ancien ingénieur chez Meta, son entreprise intègre l'IA
00:04:24au sein de grandes entreprises en tant que FDE. Il a donc observé de près un grand nombre de ces projets échouer
00:04:30et affirme que l'IA est simplement plaquée sur des processus dysfonctionnels, car personne ne prend le temps d'analyser
00:04:36le processus au préalable. Un dirigeant avec qui il s'est entretenu a dilapidé un budget de 10 millions de dollars en trois mois
00:04:41alors qu'il était censé durer un an : son entreprise avait distribué les outils à tout le monde en les laissant
00:04:46se débrouiller. Chacun a donc bricolé ce qu'il voulait, l'argent s'est évaporé sans qu'aucune des activités existantes
00:04:51ne s'en trouve améliorée. La raison pour laquelle ce travail doit être l'occupation à plein temps d'une personne
00:04:56est que personne en interne ne le fera : les ingénieurs ont leur propre charge de travail,
00:05:00et ceux qui gèrent le processus le font depuis si longtemps que les solutions de contournement leur paraissent tout à fait normales.
00:05:05Palantir a ainsi perdu une année entière à cause de l'une de ces astuces : le passage à un nouveau format de fichier
00:05:10était bloqué parce qu'une ingénieure n'arrêtait pas de dire que le nouveau format était pire, et personne
00:05:15ne comprenait pourquoi jusqu'à ce qu'un collègue observe sa façon de travailler. Il s'est avéré qu'elle vérifiait les données
00:05:20en double-cliquant sur les fichiers, et le nouveau format ne proposait rien sur quoi double-cliquer. L'équipe lui a donc créé dès le soir même
00:05:26un outil lui permettant d'ouvrir les nouveaux fichiers de la même manière, et elle a approuvé le changement deux jours plus tard.
00:05:31C'est pourquoi il est utile d'avoir quelqu'un dont le rôle exclusif est de régler tous ces détails avant que quoi que ce soit
00:05:36ne soit construit, car l'alternative n'est que gaspillage d'efforts et d'argent. De grandes entreprises comme
00:05:42Anthropic et OpenAI ont récemment donné des conférences sur la façon dont elles gèrent ce processus en interne.
00:05:47Nous avons compilé les meilleurs moments de ces interventions et, en les analysant, nous avons constaté que les mêmes schémas revenaient
00:05:52sans cesse dans tous les flux de travail. La première étape consiste à identifier le processus qui pèse financièrement sur l'entreprise,
00:05:57ce qui, avec l'IA, se résume essentiellement au volume. On recherche donc la personne qui traite
00:06:02le même type de message 50 fois par jour, car automatiser un seul message ne profite à personne, tandis qu'automatiser
00:06:08un message devant être envoyé un millier de fois par semaine permet à l'entreprise de gagner en productivité
00:06:13et en rentabilité. Ce type de tâche est facile à repérer aujourd'hui, car toute entreprise conserve l'historique de son support.
00:06:19Il suffit de le confier à un modèle pour qu'il identifie où se situe le volume. L'équipe d'OpenAI a fait
00:06:24exactement cela dans l'une des plus grandes banques du monde : elle s'est attaquée à l'unique tâche que des milliers
00:06:29de conseillers effectuaient chaque jour, et environ 98 % d'entre eux ont fini par utiliser leur solution. La deuxième étape consiste à construire
00:06:35par-dessus ce que l'entreprise utilise déjà, ce qui importe encore plus qu'avant avec l'IA,
00:06:40car la valeur d'un agent dépend de ce qu'il peut atteindre. Ainsi, si une équipe gère déjà tout son travail sur Notion,
00:06:45on ne lui construit pas un système séparé pour tout migrer dans le seul but de faciliter la lecture par un agent :
00:06:50on connecte l'agent à leur espace Notion via un protocole MCP et chacun continue de travailler comme d'habitude.
00:06:56C'est ainsi que fonctionnent la plupart de ces projets, car personne ne veut abandonner un système dans lequel il a déjà investi
00:07:00beaucoup de temps et d'argent. L'un des clients de Moza avait dépensé 5 millions de dollars et 5 ans pour adopter son système
00:07:05financier ; l'en faire sortir était donc exclu. Tout le travail consistait à faire communiquer
00:07:10le reste de l'entreprise avec lui. La troisième étape consiste à ne pas modifier les habitudes des gens plus que nécessaire.
00:07:16Si quelqu'un applique un processus en 11 étapes depuis des années et qu'on lui propose une version en une seule étape,
00:07:21il cesse de l'utiliser. Auparavant, il vérifiait le travail au fur et à mesure, alors qu'ici le milieu disparaît
00:07:26et on lui demande de faire confiance à une réponse apparue instantanément. Moza conseille donc de conserver un processus
00:07:31familier : on laisse l'agent effectuer le travail à l'intérieur de chaque étape, mais on maintient ces étapes
00:07:35afin que les utilisateurs gardent des repères visuels leur confirmant que le résultat est correct.
00:07:40Enfin, la dernière étape consiste à budgéter beaucoup plus de temps pour l'instauration de la confiance que pour le développement. Dans cette même banque,
00:07:45OpenAI a finalisé le volet technique en six à huit semaines, suivies de quatre autres
00:07:50mois de phases pilotes et de tests pour que les conseillers finissent par s'y fier. Car lorsque vous effectuez
00:07:55une tâche de la même manière chaque jour depuis un an, toute modification de ce processus
00:08:00doit prouver sa valeur, qu'on s'adresse à 5 000 personnes ou à cinq. Mais avant d'aller de plus l'avant,
00:08:05écoutons un mot de notre sponsor, Dex AI, l'agent de talents pour ingénieurs logiciels. Ce ne sont pas les opportunités
00:08:10qui vous manquent, ce sont les bonnes. Les meilleurs rôles ne sont jamais affichés : ils vont à ceux qui sont
00:08:15réseau. Dex résout ce problème : il travaille entièrement pour vous, ce n'est ni un site d'offres d'emploi ni un cabinet de recrutement, c'est
00:08:20l'intermédiaire qui vous fait entrer dans la pièce. Je l'ai donc essayé : vous briefez Dex une seule fois sur ce que vous faites et ce que vous voulez, et honnêtement,
00:08:25la conversation m'a convaincu. Il pose les bonnes questions, comprend ce que vous recherchez, puis fait le travail — sans
00:08:30candidatures, sans tri de recruteur. Dex revient vers vous avec une liste restreinte de postes sélectionnés provenant de startups comme
00:08:36Linear et Atio, avec une rémunération moyenne supérieure à 150 000 dollars. Chaque rôle est choisi à la main pour garantir l'adéquation, jamais extrait par un robot. Vous obtenez
00:08:43un contact direct avec l'équipe de recrutement et le salaire est affiché d'emblée. Le délai moyen entre la mise en relation et l'offre est de 29 jours contre 55 sur un
00:08:49site d'emploi. C'est gratuit pour les ingénieurs, alors arrêtez de postulez et commencez à vous faire présenter. Retrouvez Dex via le lien dans
00:08:55le commentaire épinglé. Voilà donc comment les grandes entreprises intègrent l'IA dans leurs activités. Maintenant, si vous souhaitez mener
00:09:00cette démarche vous-même, la feuille de route comporte cinq étapes, la première se déroulant avant même de construire quoi que ce soit. Tout d'abord, vous devez
00:09:06observer la façon dont un travail est réellement exécuté et noter chaque étape dans l'ordre où elle se produit
00:09:11effectivement. Ensuite, vous devez demander pourquoi chacune de ces étapes est réalisée de cette manière, et si personne ne peut vous fournir
00:09:16de raison concrète, il s'agit généralement d'une solution de contournement mise en place il y a des années que personne n'a remise en question
00:09:21Deuxièmement, vous devez décider quelles parties de ce processus doivent réellement être automatisées par l'IA et lesquelles
00:09:26ne doivent pas l'être, car confier l'intégralité du processus à un modèle, c'est précisément le meilleur moyen de rejoindre ces 95 %
00:09:32de projets d'IA qui ne produisent jamais rien. Vous devez donc soumettre chaque étape consignée à trois
00:09:38filtres : le premier est de savoir si l'étape suit une règle fixe et doit aboutir au même résultat à chaque fois.
00:09:43Si c'est le cas, elle reste un simple logiciel et n'a pas besoin d'être automatisée par l'IA. Le
00:09:48second filtre consiste à déterminer si quelqu'un doit analyser des données complexes pour prendre une décision, car c'est précisément
00:09:53le rôle dévolu au modèle. Le troisième filtre concerne le coût d'une erreur : si se tromper
00:09:58s'avère trop coûteux, l'étape reste entre les mains d'un humain, même si un modèle pourrait l'exécuter. Une fois cet exercice réalisé,
00:10:03vous constaterez presque toujours que le processus entier ne doit pas être confié à l'IA : certaines étapes demeurent des logiciels,
00:10:08certaines sont confiées au modèle et d'autres restent humaines. Dans l'exemple de Moza portant sur un processus en huit étapes, quatre
00:10:14ont fini par s'exécuter de manière autonome, trois ont fonctionné avec une vérification humaine du résultat avant validation,
00:10:19et la dernière est restée entièrement humaine. La raison pour laquelle cette dernière étape demeure humaine est qu'il s'agit
00:10:24d'une décision stratégique que l'IA ne peut pas encore prendre, soit parce que le coût d'une erreur est trop élevé pour l'abandonner,
00:10:29soit parce que la tâche ne se présente pas assez souvent pour justifier le recours à un modèle. Troisièmement, vous devez concevoir
00:10:34votre système en pensant aux cas d'échec potentiels et pas seulement aux scénarios idéaux. Moza souligne
00:10:39que s'il n'y a qu'une seule façon de réussir, il existe aussi un millier de façons de se tromper.
00:10:44Par conséquent, si vous ne concevez votre solution que pour le cas idéal, ce que vous avez bâti n'a aucune valeur. Avec l'IA,
00:10:50cela implique principalement de gérer les situations où le modèle n'est pas sûr, car il fournira une réponse quoi qu'il arrive,
00:10:55même lorsqu'il n'en a pas la moindre idée. Quatrièmement, vous devez vous assurer que le système fonctionne réellement avant de le laisser approcher
00:11:00la moindre donnée réelle. Un modèle fournit une réponse légèrement différente à chaque fois, même si vous lui posez la même
00:11:05question. Par conséquent, si vous testez le système seulement à quelques reprises, vous passerez à côté des rares cas où il déraille.
00:11:09Ce qu'il faut faire à la place, c'est extraire des exemples concrets du processus consigné dont vous connaissez déjà
00:11:14la bonne réponse, puis soumettre le système à l'ensemble de ces cas pour compter ses réussites, avant d'analyser
00:11:20les échecs pour les corriger. Enfin, vous devez attribuer une valeur chiffrée à ce que le projet a réellement apporté,
00:11:25et être capable de dire s'il a généré des revenus, réduit des coûts ou diminué un risque,
00:11:30car rien d'autre ne compte. À ce propos, quelqu'un s'est plaint auprès de Cursor qu'un agent lui
00:11:35coûtait 2 000 dollars par jour. Lorsqu'on lui a demandé ce que cet agent faisait exactement,
00:11:39il s'est avéré qu'il déterminait simplement quel ingénieur dépêcher pour réparer du matériel en panne. En lui demandant ensuite
00:11:44combien lui coûtait l'envoi de la mauvaise personne sur le terrain, il s'est avéré que cela dépassait les 2 000 dollars par jour, et il a
00:11:49immédiatement convenu qu'il ne s'était focalisé que sur le coût de l'agent sans jamais voir ce qu'il lui faisait économiser.
00:11:54Ces cinq étapes constituent la méthode qui nous a permis de construire le chatbot interne de notre propre entreprise
00:11:59de logiciels. Si vous avez vu nos vidéos précédentes, vous savez qu'il s'agit essentiellement d'une interface de chat
00:12:03permettant aux membres non techniques de notre équipe d'utiliser Claude Code et toutes ses capacités. Nous l'avons conçue
00:12:09parce que le personnel des RH et de la comptabilité n'est pas composé d'ingénieurs, alors que tout l'écosystème de Claude Code suppose
00:12:14que vous en soyez un. Avant que Claude Code ne puisse leur rendre le moindre service, il fallait le connecter
00:12:19à Slack, à l'e-mail et au reste de leurs outils quotidiens, ce qu'aucun d'entre eux n'allait configurer de lui-même.
00:12:24L'interface de chat s'occupe donc de toutes ces connexions, et ils n'ont qu'à taper ce dont ils ont besoin.
00:12:29Mais avant de lancer le développement, nos ingénieurs sont allés s'asseoir avec les équipes des RH et de la comptabilité,
00:12:34car le département technique n'avait aucune idée précise de la façon dont ces services occupaient leurs journées. Ils ont donc consacré
00:12:39le temps nécessaire au sein de ces services pour consigner chaque tâche répétitive accomplie manuellement,
00:12:45déterminer lesquelles pourraient raisonnablement être prises en charge par un modèle, puis transformer ce document
00:12:50en base de développement. Ces processus rédigés sont devenus les instructions suivies par les agents
00:12:54et la base de connaissances du chatbot. Nous avons ensuite remis une première version à ces départements
00:12:59pour qu'ils l'utilisent sur leurs propres tâches, et ils nous ont confirmé qu'elle leur faisait effectivement gagner du temps.
00:13:05La dernière question concerne les compétences requises pour exercer ce type de rôle. L'une des entreprises
00:13:09qui recrute précisément pour ce poste recherche des profils polyvalents en matière de processus métier et de technologie,
00:13:15avec une réelle expertise approfondie dans un domaine donné. Selon eux, le volet métier s'apprend sur le tas tandis que le
00:13:20volet technique ne s'apprend pas. Mais pour vous, c'est probablement l'inverse, car vous devez vous concentrer
00:13:25essentiellement sur le volet métier, la construction étant désormais prise en charge par les agents. Et c'est très bien ainsi, car un dirigeant de Palantir affirme
00:13:30que la personne qui échoue dans ce métier est l'ingénieur trop minutieux qui veut du code capable de tenir dix ans,
00:13:36alors que le travail consiste à mettre rapidement quelque chose de brut entre les mains d'un vrai utilisateur, ce qui correspond peu ou prou à ce qu'un
00:13:41agent comme Claude Code vous fournit dès le premier essai. Maintenant que vous savez ce que fait un FDE et
00:13:47comment le travail s'effectue concrètement, voyons ce que vous pouvez en faire. Le meilleur point de départ est
00:13:51la plus petite entreprise dans laquelle vous pouvez vous rendre physiquement — que ce soit là où vous travaillez ou l'entreprise d'un ami —, puis de demander
00:13:57au responsable si vous pouvez passer une heure aux côtés de la personne qui effectue la tâche la plus répétitive
00:14:02pendant qu'elle travaille. Ensuite, vous appliquez simplement les cinq étapes à ce que vous avez observé. Le résultat
00:14:07de cette démarche s'appelle un audit, et c'est un service pour lequel les entreprises acceptent de payer. Moza,
00:14:12qui gère ces projets d'IA au sein de grandes entreprises, commence systématiquement par un audit avant que quoi que ce soit
00:14:18ne soit construit. Il indique que cette première phase constitue le principal goulet d'étranglement de toute l'activité, et c'est ce
00:14:23que vous devez présenter aux gens, que vous postuliez pour un poste de FDE ou que vous démarchiez directement une entreprise,
00:14:28car vous y présentez le processus réel d'une entreprise consigné par écrit, les étapes à déléguer à
00:14:32l'IA et la valeur financière de chacune d'elles. Nous proposons des feuilles de route et des guides pour ceux
00:14:38qui souhaitent approfondir le rôle de FDE au sein d'AI Labs Pro, qui est notre communauté. Si vous avez
00:14:44trouvé de la valeur dans notre travail et souhaitez soutenir la chaîne, c'est la meilleure façon de le faire. Les
00:14:49liens sont dans la description. Ceci conclut cette vidéo. Si vous souhaitez soutenir la chaîne
00:14:54et nous aider à continuer à produire ce type de contenu, vous pouvez le faire en utilisant le bouton Super Thanks ci-dessous. Comme
00:14:59toujours, merci d'avoir regardé et à très bientôt pour une prochaine vidéo.