TECH LEAD IA H/F

Job description

### **Le rôle** Équiper des équipes de LLM et de coding agents prend un après-midi. Les faire travailler en AI-Native SDLC, c'est-à-dire concevoir et livrer du logiciel avec des agents dans la boucle plutôt qu'à côté, demande de faire évoluer tout l'environnement autour : architecture, gestion du contexte, harness (la couche système qui donne à un agent ses outils, ses permissions et son contexte d'exécution), developer platforms, intégration au SI, infrastructure, sécurité, observabilité, évaluation. Comme Tech Lead, tu aides nos clients à comprendre ces transformations, tu arbitres les décisions d'architecture qui en découlent et tu mets en place les capacités qui leur manquent. Tu conçois, tu conseilles, et tu descends dans le code quand il faut confronter une décision au réel. ### **Pourquoi on ouvre ce poste** Nos clients ont dépassé le stade du POC. Leur question porte maintenant sur l'intégration des agents au SI et au cycle de delivery, et sur ce qui doit être mutualisé dans une plateforme plutôt que laissé à chaque équipe. Ce sont des questions d'architecture, et on n'a personne dont c'est le métier à plein temps. ### Tes missions 🎯 • comprendre le contexte Product, business et technologique du client, son SI et son environnement de delivery • identifier ce que l'IA change et les capacités technologiques qui manquent pour y répondre • concevoir les architectures et arbitrer les choix structurants : build ou buy, plateforme ou équipe, standardisation ou autonomie, besoin immédiat ou capacité durable • prototyper ou implémenter certains composants quand une décision d'architecture a besoin d'être éprouvée • accompagner les équipes client et faire monter les équipes Thiga en compétence • intervenir en avant-vente comme garant technique, challenger les demandes et aider le client à transformer un problème flou en décision ### Deux exemples de ce que ça donne concrètement 👀 ### **Passer à l'échelle avec les coding agents** Le cas du début. Tu analyses l'existant, tu identifies les capacités manquantes et tu conçois l'architecture qui permet aux équipes et aux agents de travailler ensemble de façon observable et sécurisée. Le vrai sujet est souvent le knowledge : reconstruire un contexte exploitable à partir de repos, de docs et de conventions que personne n'a maintenus depuis trois ans. ### **Décider ce qui se mutualise** Cinq équipes expérimentent chacune avec leurs propres modèles, agents et outils. Tu aides le client à trancher ce qui remonte dans une plateforme, ce qui reste décentralisé et dans quel ordre y aller. La réponse est rarement la grande plateforme IA. C'est plus souvent trois capacités bien choisies qui débloquent tout le monde. ### Avec qui tu travailles 🤝 - Chez nos clients : CTO, responsables Engineering, architectes, Platform Engineers, développeurs, équipes sécurité et Product. Tu dois pouvoir passer d'une discussion d'architecture très technique à une décision avec un dirigeant dans la même journée. - Chez Thiga : nos Product Builders, Product Engineers et consultants Product. Ton rôle est de construire les enablers technologiques qui leur permettent de tirer parti de l'IA sur leurs missions, et de les faire progresser. ### Ton profil 🚀 ### **Une culture Tech large** Tu es d'abord un bon technologue. Tu comprends assez bien les systèmes logiciels modernes pour raisonner sur une architecture entière : software architecture, systèmes distribués, APIs, données, cloud, infrastructure, sécurité, IAM, CI/CD, developer platforms, observabilité. On cherche quelqu'un capable de repérer ce qui est structurant, de comprendre les interactions entre les couches et d'aller en profondeur quand le problème l'exige, plutôt qu'un spécialiste de chacune de ces disciplines. Tu as assez de kilomètres au compteur, souvent une dizaine d'années, pour avoir vu des architectures évoluer, atteindre leurs limites et parfois échouer. ### **Une vraie profondeur IA** Tu comprends les systèmes construits avec des LLM et des agents, ce qu'ils permettent et où ils coincent. Context engineering, retrieval, tool use, systèmes agentiques, evals, sécurité, observabilité : tu sais raisonner sur les propriétés architecturales que ces systèmes introduisent et sur ce qu'elles impliquent pour le reste du SI. ### **Du jugement, et des mains** Tu raisonnes en trade-offs, tu prends position et tu expliques pourquoi une option est préférable dans un contexte donné, sans confondre architecture et accumulation de technologies. Et tu es resté assez hands-on pour ouvrir le code, manipuler des APIs, explorer une infra ou monter un prototype quand ça devient le moyen le plus rapide de savoir. ### **Une culture Product et client** Tu cherches à comprendre le problème, les utilisateurs, les contraintes de l'organisation et le résultat attendu avant de dessiner une solution. Tu sais challenger un client, poser plusieurs options avec leurs compromis, puis l'aider à décider. ### **Apprécié** Une expérience du conseil, des transformations Product & Engineering, des developer platforms ou des systèmes IA en production. Si tu écris, contribues à de l'open source ou parles en conférence, c'est un vrai plus. ### Pourquoi Thiga 👀 Thiga vient du Product Management, ce qui change la manière d'aborder l'AI-Native SDLC. Cette transformation touche la technologie, le produit et la façon dont les équipes travaillent en même temps, donc on refuse de la traiter comme un simple sujet d'outillage ou de plateforme. Tu seras rattaché à la Tribe Tech & IA, qui réunit nos Product Builders, les consultants qui déploient l'AI-Native SDLC chez nos clients et les architectes qui en construisent les enablers. Notre ambition : mener de vraies transformations chez nos clients, construire un collectif d'experts qui partage réellement ce qu'il apprend, et faire reconnaître Thiga comme un acteur de référence sur le sujet. Il y a donc une vraie dimension intrapreneuriale, et la liberté qui va avec. ### Process de recrutement 🎢 1. Premier échange avec une Chargée de recrutement : ton parcours, ce que tu cherches, et une présentation précise de Thiga et du rôle. 2. Cas et soutenance : on t'envoie un cas une semaine avant. L'exercice ne consiste pas à retrouver notre architecture ou à réciter une stack, on veut voir comment tu abordes un problème complexe, comment tu explores les options, comment tu arbitres et comment tu défends une recommandation. On évalue quatre dimensions : profondeur Tech, profondeur IA, culture Product, posture de conseil. 3. Rencontre finale avec un.e Directeur.rice : approfondir ce qui doit l'être et valider l'envie de travailler ensemble, des deux côtés.