Dans un cabinet de données, la montée en gamme typique est le passage d'une preuve de concept à un service exploité, ou d'un modèle sur une région à tout le réseau. Elle se justifie par l'usage : des équipes qui réclament le prototype, des extractions refaites à la main chaque semaine, une surveillance que le client bricole lui-même. Le chargé de montée en gamme rassemble ces signes et écrit une proposition qui dit aussi ce que l'exploitation coûtera.

Ce qu'il fait chaque jour chez vous

Repérer les prototypes que le métier réclameIl note les demandes répétées d'accès à un prototype, les copies de résultats circulant par courriel et les équipes qui n'étaient pas dans le périmètre initial.
Mesurer le travail manuel autour du modèleIl relève les extractions refaites à la main, les notebooks Jupyter relancés chaque lundi par un analyste du client et le temps que cela représente.
Chiffrer le coût d'exploitation avant de proposerIl prépare avec l'équipe technique une estimation du calcul, de la surveillance et du réentraînement, pour que la direction connaisse le coût récurrent avant de décider.
Vérifier la catégorie réglementaire du cas d'usageAvant toute proposition d'extension, il vérifie avec le référent conformité si le nouvel usage pourrait relever d'un système d'IA à haut risque et ce que cela imposerait.
Rédiger la proposition d'industrialisationIl écrit une proposition qui décrit le périmètre, la surveillance de la dérive du modèle, les jalons de décision et les limites connues, puis la transmet au commercial.
Signaler les clients mal dimensionnésIl remonte aussi les comptes qui paient une surveillance continue pour un modèle consulté une fois par mois, afin de proposer un format plus léger.

Sur le terrain

Un prototype copié dans quatre services

Le modèle de détection d'anomalies livré au service qualité d'un client est désormais consulté par quatre autres services, via des exports envoyés par courriel. Le chargé de montée en gamme mesure ces usages, chiffre avec l'équipe technique la mise en production d'un modèle partagé et rédige une proposition qui expose le coût mensuel d'exploitation, la surveillance prévue et les décisions à prendre au premier jalon.

Une extension qui changeait de catégorie

Un client souhaite étendre un modèle de tri de candidatures internes à son recrutement externe. Le chargé de montée en gamme relève que ce nouvel usage concerne l'emploi et pourrait faire basculer le projet dans la catégorie des systèmes d'IA à haut risque. Il suspend la rédaction, alerte le référent conformité et le commercial, et propose d'inclure dans l'offre la documentation et la supervision humaine requises.

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.
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.
Système d'IA à haut risque: La catégorie réglementaire qui impose documentation, supervision humaine et journalisation avant toute mise sur le marché.

Son métier de départ : Chargé de montée en gamme client. Toute l'activité : Données et intelligence artificielle.