Les directions reçoivent chaque semaine des messages promettant de « transformer leur entreprise grâce à l'IA ». Ceux qui répondent ont une difficulté précise : un prototype qui n'a jamais dépassé le stade de la démonstration, un modèle dont les résultats se dégradent, une échéance réglementaire qui approche. Le travail du SDR est de trouver ces signaux et d'écrire à la bonne personne, souvent un responsable métier plutôt qu'un directeur des données.

Ce qu'il fait chaque jour chez vous

Lire les signaux d'un besoin data réelIl repère dans les offres d'emploi, les rapports annuels et les prises de parole publiques les entreprises qui recrutent des ingénieurs data, migrent vers Snowflake ou Databricks, ou annoncent un programme d'IA sans équipe pour le mener.
Choisir entre le métier et la direction des donnéesPour chaque compte, il décide à qui écrire d'abord : le responsable métier qui subit le problème ou le directeur des données qui porte la plateforme, et il note la raison de ce choix.
Écrire sur un problème plutôt que sur une technologieIl rédige des premiers messages courts qui citent la situation repérée — un prototype resté sans suite, une migration annoncée — et proposent un échange précis, sans promettre de gain chiffré.
Préparer les messages sur l'échéance réglementairePour les secteurs concernés (banque, assurance, recrutement), il prépare un angle sur la documentation qu'exigera un système d'IA à haut risque, validé au préalable par l'expert conformité de l'entreprise.
Qualifier une réponse avant de la passerQuand un prospect répond, il vérifie la nature du besoin, l'existence de données exploitables, qui décide et si un budget est envisagé, et il le note avec les mots du prospect.
Tenir une cadence qui respecte les cycles d'achatIl espace les relances selon le rythme de ces achats, souvent lents et soumis à un comité, et arrête dès qu'une personne demande à ne plus être sollicitée.

Sur le terrain

Un prototype resté au placard

En lisant le rapport annuel d'un groupe de distribution, le SDR note qu'un projet de prévision de la demande a été présenté deux ans plus tôt, sans suite visible. Il écrit à la responsable de la supply chain en évoquant la difficulté fréquente de la mise en production d'un modèle construit en laboratoire, et propose trente minutes avec un ingénieur. Elle répond le lendemain : le prototype n'a jamais été branché sur les vraies commandes.

Un modèle qui se dégrade chez un assureur

Un responsable d'actuariat publie sur un réseau professionnel un billet sur la difficulté à maintenir des modèles de tarification depuis le retour de l'inflation. Le SDR lui écrit en parlant de dérive du modèle et de surveillance continue, sans rien vendre dans le premier message. Le responsable accepte un échange, et le SDR transmet au commercial un compte rendu reprenant ses termes exacts.

Les mots qu'il emploie chaque jour

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.
Système d'IA à haut risque: La catégorie réglementaire qui impose documentation, supervision humaine et journalisation avant toute mise sur le marché.
Dérive du modèle: La perte de performance quand la réalité s'écarte des données d'entraînement : elle se surveille, sinon elle se découvre par une plainte.

Son métier de départ : SDR. Toute l'activité : Données et intelligence artificielle.