Le même modèle, le même ChatGPT, le même prompt bien écrit. Dans une entreprise, ça tourne tous les jours et ça fait gagner du temps. Dans une autre, ça reste un gadget que trois personnes ont testé une fois avant de retourner à leur ancienne méthode. La différence ne tient presque jamais au modèle utilisé.

Elle tient à quelqu'un dont le métier est de faire marcher la chose avec vos outils, vos données et vos habitudes. Ce métier a un nom depuis peu, et son prix dit beaucoup sur ce qui coûte réellement cher dans un projet IA.

Le métier qui fait tourner l'IA en entreprise

On l'appelle « forward deployed engineer ». Le principe : cette personne ne reste pas dans un labo à améliorer un modèle. Elle s'installe dans les équipes du client, branche l'IA sur le CRM, l'ERP ou le tableur qui sert de mémoire à l'entreprise depuis dix ans, et corrige jusqu'à ce que ça marche vraiment sur le cas réel, pas sur une démo.

Le cabinet de recrutement Christian & Timbers, spécialisé sur ces profils, a suivi les annonces publiées sur Indeed : elles sont passées de 643 en avril 2025 à 5 330 en avril 2026. Une hausse de 729 % en un an, sur un seul poste.

Ce n'est pas un effet de mode RH. C'est un aveu. Les grandes entreprises ont accès aux mêmes modèles que tout le monde. Ce qui leur manquait, c'était quelqu'un pour faire le sale boulot de connexion entre l'IA et le système existant, souvent bricolé, jamais pensé pour ça.

Pourquoi ça coûte aussi cher

Toujours selon Christian & Timbers, un forward deployed engineer venant d'un grand laboratoire d'IA ou de Palantir touche une rémunération totale qui dépasse largement celle d'un cadre supérieur, sept chiffres à l'année pour les profils les plus recherchés. La majorité des grandes entreprises construisent ou prévoient de construire une équipe interne dédiée à ce rôle en 2026.

À ce tarif, la leçon n'est pas transposable telle quelle à une PME de 50 personnes. Mais le constat qui justifie cette dépense, lui, l'est complètement : le goulot d'étranglement d'un projet IA n'est presque jamais le modèle. C'est l'intégration avec ce qui existe déjà chez vous.

La bonne nouvelle : le principe tient à toute échelle

Une étude du MIT, largement citée depuis sa publication, a comparé le devenir de projets d'IA générative en entreprise selon qui les portait. Les projets menés avec un partenaire externe spécialisé aboutissaient environ deux fois plus souvent en production que les projets construits uniquement en interne, sans expertise dédiée.

Le chiffre confirme ce qu'on observe sur le terrain avec nos clients. Une PME n'a presque jamais quelqu'un dont c'est vraiment le métier de connecter une IA à un système métier existant. Ce n'est pas un problème de volonté ni de budget informatique : c'est un métier à part entière, que personne dans l'équipe n'a appris.

Vous n'avez pas besoin d'un forward deployed engineer payé comme un cadre dirigeant. Vous avez besoin de la même fonction, à l'échelle d'un seul processus, pendant quelques semaines, pas d'un poste à plein temps à l'année.

Grille avant de lancer un projet IA

Utilisez cette grille pour un processus que vous voulez automatiser, avant de choisir qui va le faire.

Processus concerné : ____________________

1. Les données dont l'IA a besoin existent-elles déjà
   quelque part (CRM, tableur, boîte mail) ?
   [ ] Oui, accessibles
   [ ] Non, elles sont dans la tête de quelqu'un

2. Qui, dans l'équipe, a déjà connecté deux outils entre
   eux (API, export automatique, webhook) ?
   [ ] Une personne identifiée
   [ ] Personne

3. Si le premier essai échoue, qui a le temps de corriger
   et retester dans la semaine ?
   [ ] Quelqu'un de disponible
   [ ] Personne de dédié

4. Le processus a-t-il des règles claires et stables,
   ou change-t-il selon chaque cas ?
   [ ] Règles stables
   [ ] Ça dépend à chaque fois

5. Avez-vous déjà un budget prévu pour de l'aide externe
   sur ce projet précis ?
   [ ] Oui
   [ ] Non, pas encore réfléchi

Deux cases ou plus à droite : ne lancez pas ce projet en interne sans aide. Ce n'est pas un manque de compétence de votre équipe, c'est un métier différent du leur.

Où ça coince en prod

C'est là que se logent les trois blocages qu'on retrouve le plus souvent chez nos clients. Le temps de connecter l'IA à un outil métier vieux de huit ans prend toujours plus longtemps que prévu, parce que personne n'a de documentation à jour sur son fonctionnement réel. La complexité technique s'accumule vite dès qu'il faut relier plusieurs systèmes entre eux, sans qu'aucune équipe interne n'en ait la charge. Et beaucoup de dirigeants savent qu'ils devraient automatiser quelque chose, sans savoir par quel processus commencer ni à qui en confier la mise en œuvre.

Le point commun à ces trois blocages : ils ne se règlent pas en achetant un meilleur outil. Ils se règlent en confiant le projet à quelqu'un dont c'est le métier de le faire tourner jusqu'au bout, sur un périmètre volontairement restreint.

Dans une PME, les candidats naturels pour un premier chantier sont souvent la relance client ou le reporting : des processus répétitifs, avec des règles stables, et un coût d'erreur limité si quelque chose se passe mal au début.

Commencer petit, pas par une stratégie

Vous n'avez pas besoin d'un plan d'entreprise sur l'IA, ni d'un poste à créer. Vous avez besoin d'un processus précis, de quelqu'un dont c'est le métier de le connecter à vos outils, et de quelques semaines pour que ça tourne vraiment, pas juste en démo.

Les grandes entreprises paient une fortune pour cette compétence en interne. Une PME peut louer exactement la même chose, pour un seul projet, le temps qu'il faut pour qu'il marche.

Sources :

• Christian & Timbers, "Why Forward Deployed Engineers Are the Hottest Job in 2026", 2026. https://www.christianandtimbers.com/insights/why-forward-deployed-engineers-are-the-hottest-job-in-2026, consulté le 23 août 2026.
• Christian & Timbers, "The AI-Native Builder Report 2026", 2026. https://www.christianandtimbers.com/the-ai-native-builder-report-2026, consulté le 23 août 2026.
• MIT NANDA, "The GenAI Divide: State of AI in Business 2025", juillet 2025, cité par Forbes, "MIT Finds 95% Of GenAI Pilots Fail Because Companies Avoid Friction", août 2025. https://www.forbes.com/sites/jasonsnyder/2025/08/26/mit-finds-95-of-genai-pilots-fail-because-companies-avoid-friction/, consulté le 23 août 2026.