La plupart des entreprises n'ont pas un problème d'IA. Elles ont un problème de passage à l'exécution.
Depuis deux ans, presque toutes les PME ont testé ChatGPT. Un collaborateur l'utilise pour rédiger un email difficile, un autre pour résumer un contrat, un troisième pour préparer une réponse commerciale. Le gain est réel, mais il reste individuel, informel et difficile à mesurer.
Le prototype qui impressionnait en démonstration, lui, n'est jamais passé en production. Les données sont éparpillées entre trois logiciels, l'ERP n'a pas d'API ouverte, le processus est à moitié manuel, et personne ne sait vraiment qui doit valider les résultats du modèle.
C'est exactement ce vide que comble un métier encore peu connu en Europe : le Forward Deployed Engineer.
Qu'est-ce qu'un Forward Deployed Engineer ?
« Forward deployed » veut dire « déployé à l'avant », au contact. Un FDE est un ingénieur qui quitte son siège pour aller travailler dans l'environnement réel du client, avec ses données, ses outils et ses contraintes.
Le terme a été popularisé par Palantir, qui envoyait ses ingénieurs chez des clients aux systèmes très hétérogènes (industriels, institutions, grandes organisations) pour connecter les données et construire les outils sur place. Le modèle a ensuite été repris par les entreprises d'IA, chez qui il prend une forme très concrète : intégrer des modèles de langage dans des systèmes d'entreprise qui n'ont pas été conçus pour ça.
La différence fondamentale avec les métiers voisins tient en une phrase : le FDE ne livre pas un rapport ni une démonstration. Il livre un système qui tourne, qu'on utilise le lundi matin et dont on peut mesurer le résultat.
Ce qui le distingue des métiers voisins
Les compétences se recoupent souvent. Ce qui change, c'est la responsabilité assumée à la fin de la mission.
- Consultant : analyse et recommande. Sa responsabilité porte sur la recommandation.
- Développeur : développe à partir de spécifications. Sa responsabilité porte sur le code.
- Architecte : conçoit. Sa responsabilité porte sur la cohérence technique.
- Chef de projet : pilote délais, budget et ressources. Sa responsabilité porte sur le projet.
- Solution Engineer : démontre et adapte avant la vente. Sa responsabilité porte sur la démonstration.
- Forward Deployed Engineer : construit et déploie chez le client. Sa responsabilité porte sur le résultat en production.
À quoi ressemble une mission, concrètement
Prenons une PME qui traite ses factures fournisseurs à la main. Voici comment se déroule une mission de ce type.
- Comprendre. Une demi-journée avec la personne qui fait réellement le travail, pas seulement avec la direction. C'est là que sortent les vraies exceptions.
- Analyser l'existant. Où arrivent les factures, sous quels formats, qui les ouvre, quel logiciel comptable, quelles données sont déjà fiables et lesquelles ne le sont pas.
- Concevoir. Extraction des informations par un modèle, contrôles de cohérence, file d'attente pour validation humaine, puis écriture dans l'outil comptable.
- Prototyper. Deux ou trois jours sur cinquante vraies factures, pas sur des exemples soigneusement choisis.
- Déployer. Droits d'accès, journalisation, gestion des erreurs, procédure de secours si le modèle se trompe.
- Mesurer. Temps par facture, taux d'erreur, coût par document traité.
Le prototype prend quelques jours. La fiabilité prend quelques semaines. C'est précisément là que la majorité des projets IA s'arrêtent : personne n'a prévu le temps de rendre la chose fiable.
Pourquoi c'est particulièrement utile avec l'IA
Un modèle de langage n'est pas un logiciel classique. Il se trompe parfois, de façon imprévisible, et avec beaucoup d'assurance. Une intégration IA ne consiste donc pas à « appeler une API » : il faut concevoir un système qui accepte l'erreur sans casser le processus.
Les compétences réellement mobilisées sont les suivantes :
- connecter un modèle aux données internes de l'entreprise (RAG, index, permissions) ;
- construire des agents capables d'utiliser des outils et d'enchaîner des actions ;
- maîtriser les droits d'accès, la confidentialité et la traçabilité ;
- mesurer la fiabilité, les coûts et les performances ;
- prévoir les erreurs et les points d'intervention humaine.
Point important : le FDE n'a pas besoin d'entraîner des modèles. Son travail consiste à assembler des briques existantes et à les rendre fiables dans un environnement donné.
Ce que ça change pour une PME romande
Une PME n'a pas besoin d'un data scientist, ni d'un service de recherche. Elle a besoin de quelqu'un qui embarque les contraintes réelles : un ERP installé il y a douze ans sans API, des fichiers Excel qui font tourner la production, un processus que seule une personne dans l'entreprise connaît vraiment.
À notre échelle, c'est même un avantage : les structures sont petites, les décisions rapides, et un seul interlocuteur peut couvrir un besoin de bout en bout.
Les cas les plus fréquents ressemblent à ceci : qualification des prospects, préparation de propositions commerciales, traitement et classement des emails, extraction d'informations depuis des documents, reporting automatisé, assistant interne basé sur les documents de l'entreprise.
Les limites, à connaître avant de se lancer
Le modèle a un défaut classique : devenir le développeur spécifique de chaque client. Si chaque mission repart de zéro, l'ingénieur s'épuise et le client devient dépendant d'une seule personne. La réponse tient à trois habitudes : standardiser les briques réutilisables, documenter, et transférer les compétences aux équipes internes.
Deuxième limite : la dépendance à une personne. Un système dont le fonctionnement n'est compris que par son concepteur est un risque, pas un progrès.
Troisième limite : promettre l'autonomie totale. Dans une PME, un système sans aucun point de contrôle humain est rarement une bonne idée. La bonne question n'est pas « comment supprimer l'humain ? », mais « où l'humain est-il vraiment nécessaire, et où ne l'est-il pas ? ».
Comment je l'applique
Mon parcours est celui d'un ingénieur informatique devenu développeur, puis chef de produit et chef de projet, avant de devenir entrepreneur. J'ai construit et exploité des plateformes qui ont servi des dizaines de milliers de clients. J'ai aussi connu l'inverse : la complexité accumulée, les outils qui ne communiquent plus, et la nécessité de tout simplifier. Ce chemin est raconté dans mon parcours.
Aujourd'hui, je ne me positionne pas comme Forward Deployed Engineer à plein temps. Mon métier reste celui de Digital Manager à temps partagé. Mais j'applique cette approche dans mes missions : comprendre le besoin, concevoir l'architecture, construire, déployer, puis mesurer.
Concrètement, cela se traduit par trois formats :
- le Diagnostic Clarté, pour comprendre la situation et prioriser ce qui mérite vraiment d'être fait ;
- le Sprint IA & Automatisation, pour construire et mettre en production une solution sur un processus précis ;
- le Digital Manager à temps partagé, pour suivre l'ensemble dans la durée.
Pour les indépendants et les entrepreneurs qui cherchent plutôt à clarifier leur positionnement et à simplifier leur activité, le format est différent : c'est l'accompagnement individuel.
Une question pour finir
Ton entreprise a-t-elle un projet IA qui fonctionne en pilote, mais qui n'est jamais passé en production ? Si la réponse est oui, le point de départ n'est pas un nouvel outil, ni un nouveau modèle. C'est de comprendre pourquoi le dernier essai n'a pas franchi le cap.
C'est exactement l'objet du Diagnostic Clarté : cinq heures pour regarder ton environnement réel, identifier les points de friction et repartir avec une feuille de route priorisée.