Les consultations data et IA se ressemblent peu : un marché de prestations de data science à bons de commande, un appel à projets sur un cas d'usage précis, un dialogue compétitif sur une plateforme. Elles exigent souvent des références de projets similaires, des CV de data scientists et un plan de conformité. L'agent veille, trie, tient la liste des pièces et contrôle le dossier avant le dépôt, que valide un responsable.

Ce qu'il fait chaque jour chez vous

Trier les consultations selon le savoir-faire réelIl écarte tôt les marchés qui exigent des compétences ou des références que l'entreprise n'a pas, comme une plateforme matérielle ou un volume de profils impossible à tenir, et garde ceux où elle peut gagner.
Relever les exigences sur les données dans le règlementIl note dans le règlement et le cahier des charges ce qui est imposé sur l'hébergement, la pseudonymisation des données de test et la réversibilité, pour que la réponse technique en tienne compte.
Repérer les obligations liées aux systèmes réglementésQuand l'acheteur décrit un système d'IA à haut risque, il signale les pièces attendues sur la documentation, la supervision humaine et la journalisation, et les fait préparer en amont.
Rassembler les références et les CVIl retrouve les fiches de références de projets comparables et les CV à jour des consultants proposés, et vérifie que chaque client cité a autorisé sa mention.
Relire le mémoire sur les engagementsIl vérifie que le mémoire technique décrit une obligation de moyens cohérente avec le contrat proposé et ne promet pas, par une phrase commerciale, un délai de mise en production d'un modèle que l'équipe n'a pas validé.
Tenir le compte à rebours du dépôtIl construit le calendrier à partir de la date limite, avec les dates de questions à l'acheteur, de relecture et de signature électronique, et relance les contributeurs qui n'ont pas rendu leur partie.

Sur le terrain

Une région qui veut un outil d'orientation

Une collectivité lance un appel d'offres pour un outil d'aide à l'orientation des demandeurs d'emploi. L'agent repère que l'usage pourrait relever du haut risque et que le cahier des charges demande un plan de supervision humaine. Il prévient le directeur de l'avant-vente, liste les pièces à produire et ajoute deux jours au calendrier de rédaction. Le dossier est prêt la veille de la date limite et déposé par le responsable.

Une référence non autorisée

Le mémoire en cours cite un projet de maintenance prédictive pour un grand industriel. L'agent vérifie le registre des références : ce client n'a autorisé aucune mention publique. Il le signale au rédacteur, propose une description anonymisée du projet et une autre référence autorisée. Le dossier part sans l'erreur.

Les mots qu'il emploie chaque jour

Système d'IA à haut risque: La catégorie réglementaire qui impose documentation, supervision humaine et journalisation avant toute mise sur le marché.
Obligation de moyens: Un projet d'analyse promet rarement un résultat chiffré : ce qui s'engage est une démarche, des livrables et des critères d'évaluation.
Pseudonymisation: Elle remplace les identifiants mais laisse des données personnelles ; seule une anonymisation véritable est irréversible.
Mise en production d'un modèle: Le passage du prototype au service utilisé : c'est là qu'apparaissent le coût, la latence et la surveillance.

Son métier de départ : Coordinateur appels offres. Toute l'activité : Données et intelligence artificielle.