FDE : Le nouveau poste qui stimule l'adoption de l'IA dans les entreprises

👦🏻 Auteur : Henry (équipe DeerFlow)^[1]

Au cours du dernier mois, j'ai rencontré quatre amis préparant une transition de carrière — développeur frontend, architecte de solutions, produit, ingénieur en algorithmes traditionnel — avec des profils, âges et villes différents, mais ils ont tous posé la même abréviation anglaise : FDE^[2]Vaut-il la peine que j'y aille ?

FDE, abréviation de Forward Deployed Engineer^[2]Il il y a deux ans, c'était un jargon interne au cercle de Palantir ; aujourd'hui, il est devenu discrètement une phrase d'accroche pour les recruteurs, un poste fréquemment mentionné dans les offres d'emploi et l'une des réponses candidates à la question « le poste le plus précieux de l'ère de l'IA ». OpenAI a créé directement en mai 2026 une entreprise nommée Deployment Company.^[3]Avec un investissement initial de 4 milliards de dollars, ils ont clairement déclaré vouloir envoyer des ingénieurs sur site chez les clients pour s'intégrer à leurs flux de travail ; l'équipe Applied AI d'Anthropic recrute également des FDE en parallèle sur quatre fuseaux horaires. Ce sujet est passé du jargon du milieu à un terme explicite en un peu plus d'un an.

L'article précédent de l'auteur « À l'individu exceptionnel »[4] abordait le « moteur humain » — la curiosité, l'apprentissage autodidacte, l'initiative personnelle et les compétences pratiques — et la manière dont ils sont stimulés dans un Closed-loop complet. Mais les êtres humains ne sont pas flottants ; ils doivent être accueillis par un système de coordonnées professionnelles concret. Si l'individu exceptionnel est la « matière première » des relations de production à l'ère de l'IA, alors le FDE est la forme d'emploi la plus évidente qui a émergé sur le marché cette année.

À mon avis, le FDE n’est ni dans la case « consultation », ni dans la case « externalisation ». Il est le plus proche de l’individu super, la différence résidant uniquement dans le fait que le FDE est un individu super organisé dans la faille entre « entreprise modèle × client ».

Saviez-vous d’où vient le terme Forward Deployed ? Il provient à l’origine de la terminologie militaire américaine Forward Deployed Forces, qui désigne les troupes déployées à l’étranger ou en première ligne, capables de répondre rapidement, par opposition aux troupes restées sur les bases nationales. Palantir a introduit ce terme dans l’industrie du logiciel à la fin des années 2000 pour décrire le modèle consistant à envoyer des ingénieurs quitter le siège pour vivre sur site chez les clients, en nommant même les équipes internes selon l’alphabet phonétique militaire : Delta et Echo. Ce récent regain d’intérêt de la part d’OpenAI et d’Anthropic n’est pas une coïncidence — l’essence même d’envoyer des ingénieurs sur le terrain n’a jamais changé.

Les trois interrogations spécifiques auxquelles cet article répond est ce que les quatre amis m'ont posées récemment :

FDE est-elle une société de conseil déguisée en IA ? Où se situe sa frontière avec le conseil traditionnel ?

FDE est-il un外包 logiciel plus avancé ? Quelle est la différence avec ce que je fais actuellement en tant que sous-traitant ?

- Suis-je adapté au poste de FDE ? Quels types de personnes seront amplifiés par ce poste, et quels types seront écrasés ?

L'attitude de l'auteur est prudemment optimiste : le FDE est réellement en train de se développer, mais il n'est loin d'être la solution de transition pour tous. Il est plus important de bien l'expliquer que de le rendre populaire.

Si l’on ne pouvait retenir qu’un seul événement pour marquer le retour de FDE dans cette vague, l’auteur choisirait le 11 mai 2026 — le jour où OpenAI a annoncé la création de Deployment Company.^[5], le COO Brad Lightcap quitte son ancienne ligne commerciale pour se consacrer à temps plein à des projets spéciaux, en rendant directement compte à Sam Altman. La même semaine, OpenAI a acquis l'entreprise britannique de conseil en IA Tomoro, intégrant du coup 150 Forward Deployed Engineer et Deployment Specialist dans la nouvelle entreprise.

Il est à noter que la page de recrutement d'OpenAI affiche simultanément une dizaine de postes FDE : San Francisco, New York, Washington, ainsi que des orientations verticales par secteur comme Life Sciences, Semiconductor, Gov, etc., y compris le recruteur FDE^[6]Ce poste est actuellement en cours de recrutement. Les analystes estiment que cette équipe s'élargira à 2000 à 4000 personnes dans les trois prochaines années. Ce n'est pas la taille d'un groupe de recherche, c'est une armée régulière.

Anthropic effectue presque une action miroir. Poste d'ingénieur déployé en amont au sein de l'équipe Applied AI^[7]Simultanément lancé à Boston, New York, Seattle, San Francisco, Washington et Londres, avec une exigence de 25 % à 50 % de déplacements sur site pour les clients. Un exemple récemment fréquemment cité est l'entreprise de technologie financière FIS — qui a directement indiqué dans son annonce : « L'équipe Applied AI d'Anthropic et les ingénieurs forward-deployed sont intégrés à FIS pour concevoir conjointement le Financial Crimes AI Agent et transférer les connaissances à FIS afin qu'elle puisse ultérieurement étendre de manière autonome davantage d'agents ».

Ceci révèle la réalité du poste de FDE. Ce n’est pas un architecte pré-vente, ni un SDR, ni un évangéliste venu former les clients. C’est un ingénieur qui apporte des modèles et s’installe directement dans le dépôt de code du client. Brad Lightcap l’exprime encore plus clairement : « Nos clients nous ont dit qu’ils avaient besoin de la capacité de passer du pilot à la production. Deployment Company, c’est envoyer nos ingénieurs au sein de leurs équipes, avec les ressources nécessaires pour livrer. »

Représentez cela sous forme de schéma, et les relations entre les trois parties deviendront très claires :

Notez les deux lignes les plus informatives sur ce graphique : les retours envoyés par FDE dans les deux directions. Du côté des clients, FDE ne vend pas le modèle comme un SaaS, mais intègre les données, les autorisations, la conformité et les systèmes internes des clients en un seul canal capable d'exécuter le modèle. Du côté des entreprises de modèles, FDE ramène les véritables problèmes et échantillons d'échec des clients à l'équipe produit et recherche, influençant la feuille de route — un modèle récurrent d'échec dans l'appel d'outils pourrait devenir la prochaine abstraction intégrée dans le SDK.

C’est pourquoi FDE a été réactivé simultanément par deux des principales entreprises de modèles lors de cette vague — ce n’est pas aussi simple que « nous aussi, nous allons faire du conseil comme Palantir ». C’est un dispositif de collecte de signaux pour les entreprises de modèles : les points de douleur des clients les plus denses en première ligne ne peuvent être captés que par des personnes présentes sur place ; les demandes transmises par des partenaires sont toujours filtrées. Anthropic suit une approche hybride : elle gère en interne FDE tout en établissant des réseaux de déploiement conjoints avec des sociétés de conseil et des géants du capital-investissement. L’un privilégie l’auto-gestion, l’autre l’écosystème, mais le noyau est identique : les entreprises de modèles ne sont plus seulement des fournisseurs d’API, elles envoient directement des ingénieurs au sein des produits de leurs clients.

Les deux questions les plus courantes à répondre sont : où se situe la frontière entre le FDE et le conseil traditionnel (du type McKinsey, Accenture) ? Et est-ce la même chose que l’externalisation logicielle que nous connaissons ?

Beaucoup de personnes, en entendant pour la première fois la description du poste de FDE, réagissent en disant : « Ce n’est pas simplement la nouvelle version de McKinsey ou d’Accenture ? »

Je comprends cette association. Porter un costume, se rendre sur site chez les clients, dessiner sur un tableau blanc lors de réunions avec des clients et aligner les dirigeants C-level — sur le plan visuel, les FDE et les conseillers en gestion semblent effectivement similaires. Mais dès que l’on examine plus en profondeur, la nature même de leur travail est totalement différente. Les conseillers vendent des limites de processus, tandis que les FDE vendent des limites de modèles.

Mettez ces deux éléments côte à côte dans un tableau, et les différences deviendront immédiatement apparentes.

La ligne la plus méritant une pause dans ce tableau est « Amortissement des actifs ».

Le modèle économique le plus rentable du conseil traditionnel repose sur la réutilisation des actifs — une solution conçue pour une banque peut être légèrement modifiée et revendue à la suivante ; un playbook de numérisation pour le secteur de la vente au détail peut être réutilisé auprès de trente clients. C’est le modèle économique fondamental qui a permis à Accenture, Deloitte et McKinsey Digital de se développer au cours des trente dernières années.

FDE ne possède pas ce type d'actif. Les capacités du modèle évoluent rapidement — aujourd'hui, il faut encore concevoir soigneusement des chaînes de prompts, mais la prochaine version du modèle pourra peut-être y parvenir en une seule phrase. La « méthodologie de capitalisation » des consultations perd rapidement de sa valeur face à cette vitesse. Ainsi, FDE ne peut pas utiliser le modèle de réutilisation d'actifs ; il doit à chaque fois exécuter un cycle complet : réévaluer les limites du modèle, sélectionner à nouveau la pile d'outils, et recomposer la forme du produit. Cela semble inefficace, mais c'est en réalité la seule façon de suivre la vitesse du modèle.

Saviez-vous que — Qu'est-ce que le Product Overhang ? L'auteur dans le précédent article « À l'individu super »^[4]Nous avons déjà expliqué ce terme : les capacités du modèle dépassent les formes de produits existantes, mais il n’existe pas d’entrée produit, de permissions ni de contexte pour les concrétiser. La valeur du poste FDE consiste essentiellement à transformer les Overhangs flottants issus des scénarios clients en un produit concret et opérationnel. Les clients n’achètent pas des quotas d’appels d’API de modèle, mais la capacité « à faire réellement aboutir cet ensemble d’Overhangs dans leur activité ».

Cela explique également la différence dans la ligne « structure du projet ». La structure standard d'un projet de conseil est le SOW (Statement of Work) + le WBS (Work Breakdown Structure) + les validations par phase : le contrat précise clairement ce qui doit être livré, quand et selon quels critères de validation. Ce cadre suppose que les objectifs sont déjà définis avant la signature du contrat.

Les projets de FDE ne suivent pas ce modèle. La phrase la plus fréquemment entendue des clients est : « Je sais que l'IA devrait pouvoir m'aider à faire quelque chose, mais je ne sais pas quoi. » L'objectif fait lui-même partie du projet. Ainsi, FDE n'accepte pas de SOW, mais des missions — une direction relativement floue ; puis, à travers des itérations, affiner progressivement cette direction ; enfin, lors d'une de ces itérations, transformer les modèles accumulés en une forme de produit concrète.

La ligne « livrable » mérite également d'être développée. Après le départ de FDE, ce qui reste dans le système du client est une fonctionnalité opérationnelle — peut-être petite, peut-être laide, peut-être sans interface utilisateur, mais elle est réellement appelée, modifiée et critiquée chaque jour. Les livrables du conseil sont des PPT et des rapports de gestion du changement ; même si du code a été écrit ou des ERP configurés dans le cadre du projet, ce qui reste finalement entre les mains des dirigeants du client est toujours un document méthodologique.

La ligne « mur de protection » est la plus subtile. Le mur de protection de FDE réside dans la sensation en temps réel des limites des capacités du modèle — combien de scénarios clients réels avez-vous exécutés ce mois-ci, c’est cela qui vous permet de savoir mieux que les autres ce que Claude 4.7 peut faire et ce qui doit attendre Claude 5. Cette sensation ne peut pas être mise dans une présentation PPT ni intégrée dans une base de connaissances ; elle ne peut exister que dans la tête des ingénieurs ayant travaillé sur ces sujets au cours des 90 derniers jours.

Donc, la prochaine fois qu'on dit « FDE n'est que la nouvelle version d'Accenture », vous pouvez répondre ainsi : les ingénieurs d'Accenture réinventent les processus de leurs clients, tandis que FDE explore à nouveau les limites du modèle. Les actifs du premier peuvent se déposer sur dix ans, ceux du second doivent être recréés tous les 90 jours.

Si dire que « FDE est la nouvelle version d'Accenture » est une première méprise, alors dire que « FDE est un sous-traitant logiciel coûteux » en est une seconde. Cette couche est plus trompeuse, car les preuves superficielles semblent très convaincantes : FDE va effectivement sur site chez les clients pour écrire du code, crée réellement des fonctionnalités personnalisées selon les besoins des clients, et est bien appelée pendant les heures de travail des clients. À première vue, elle n'est pas différente d'un ingénieur sous-traitant.

Mais dès qu'on jette un coup d'œil à la boucle de rétroaction, la différence ne peut plus être cachée.

La différence la plus cruciale dans cette image n'est pas que la partie supérieure soit si simple, mais que la partie inférieure ajoute une chaîne de rétroaction qui s'étend jusqu'à l'entreprise de modèles. Cette chaîne n'est pas décorative ; c'est la raison d'être réelle du poste de FDE. En décomposant cette différence, on peut identifier au moins quatre paires de contrastes.

Les choses auxquelles on se connecte sont différentes. Pour les sous-traitants, on se connecte à un SOW — une liste de besoins clairement définie avant la signature du contrat : quelles fonctionnalités développer, quel stack technologique utiliser, selon quels critères valider, et comment réparer en cas de manquement. Les FDE se connectent à une mission — le client ne sait pas encore exactement ce qu’il veut, il sait seulement que « l’IA devrait pouvoir m’aider à faire quelque chose ». Le SOW repose sur la certitude, la mission sur l’exploration. Ce sont deux approches de démarrage de projet totalement différentes.

Les domaines traités sont différents. Le prestataire externe se charge de livraisons locales — un module, un site web, un pipeline de données ; une fois terminé, il part et passe à la prochaine entreprise. Le FDE gère une approche de bout en bout — depuis la résolution des problèmes métier, jusqu'à la sélection du modèle, en passant par la conception de la forme produit, et jusqu'à la rétention et au taux d'abandon des utilisateurs réels après le déploiement.

Le mode de facturation est différent. C’est ce qui est le plus contre-intuitif. Une entreprise de modèles envoie un FDE sur site client ; ce qui l’intéresse finalement, ce n’est pas seulement combien elle va facturer pour ce projet, mais plutôt : combien de tokens ce client consommera par la suite ? Deviendra-t-il un client récurrent ? Étendra-t-il ses activités à d’autres lignes de produit ? Le véritable KPI du FDE, c’est la courbe de consommation à long terme des tokens du modèle, et non le chiffre inscrit sur le bon de réception du projet.

Les retours ont des destinations différentes. C’est le groupe le plus profond parmi les quatre. Dans les projets externalisés, les retours du client ne remontent jamais au-delà de l’entreprise externalisée et n’affectent pas les produits futurs que cette dernière vend à d’autres clients. En revanche, les retours des FDE reviennent vers la feuille de route de l’entreprise de modèles — chaque difficulté rencontrée par le client dans un scénario réel, chaque échec de prompt, chaque bogue d’appel d’outil, devient une entrée pour les prochaines versions de données d’entraînement, de conception d’outils et de fonctionnalités produit. Autrement dit, chaque client déployé en tant que FDE est, pour l’entreprise de modèles, un partenaire de conception naturel.

C’est la vraie raison pour laquelle les entreprises de modèles paient des salaires élevés pour recruter des FDE. Elles ne vendent pas seulement un service ; elles collectent sur site des signaux réels sur la forme des produits chez leurs clients. Ces signaux ne peuvent être achetés, captés ni obtenus par enquête — ils ne peuvent être ramenés que par un ingénieur concret, qui a heurté plusieurs fois les murs dans le flux de travail spécifique d’un client.

Saviez-vous que le total de la rémunération globale (FDE) d'OpenAI et d'Anthropic peut atteindre combien ? Selon les données publiques sur Levels.fyi pour les ingénieurs logiciels chez Anthropic^[8], le médian total de la rémunération pour les SDE expérimentés atteint déjà 710 000 $. Le poste de FDE comporte un risque plus élevé — il faut faire face à l'incertitude des capacités du modèle, à l'incertitude des activités clients, ainsi qu'à l'incertitude concernant la forme du produit ; ainsi, l'industrie regroupe^[9]Il est mentionné que les salaires de base pour les postes de niveau supérieur au laboratoire d'IA de pointe FDE se situent généralement entre 350 000 $ et 550 000 $, et peuvent atteindre plus de 630 000 $ pour les niveaux Staff et au-dessus. Ce montant ne rémunère pas des « heures externalisées », mais récompense ceux qui assument la combinaison de trois risques : « produit + client + modèle ». > Rappelons-nous 2006, lorsque j'ai commencé ma carrière dans une entreprise d'État centrale, en pleine transformation numérique : à cette époque, les consultants d'Accenture étaient présents sur site, et notre groupe devait payer à Accenture 3 500 yuans par jour pour leurs services, pendant plusieurs années ; ils étaient alors qualifiés de « cadres dorés » par les médias de l'époque. Plus tard, j'ai rejoint l'entreprise allemande SAP, qui a même défini un nouveau terme dans le secteur du conseil : les consultants SAP étaient devenus la référence des « cadres dorés ». De ce fait, les salaires chez FDE devraient continuer à augmenter sur les 24 à 36 prochains mois, tout comme la demande.

L'externalisation est de l'arbitrage de main-d'œuvre, le FDE est un capteur de première ligne. Confondre ces deux choses amènera le client à penser qu'il peut recruter le FDE selon une approche SOW, et incitera les candidats à traiter le FDE comme un poste externalisé. Les deux côtés heurteront rapidement un mur.

Beaucoup de gens pensent à tort que le terme FDE a été inventé par OpenAI. Ce n'est pas le cas. Il possède deux racines historiques : l'une provenant de Palantir, l'autre des entreprises de modèles de nouvelle génération après 2023. En comparant ces deux racines côte à côte, on comprend mieux ce que fait réellement le poste de FDE.

Regardez d'abord une ligne du temps.

La première racine est Palantir.

Palantir a été fondée en 2003 par Peter Thiel, Alex Karp, Joe Lonsdale et d'autres, avec pour premiers clients des agences de renseignement américaines. Karp n'a pas de formation en informatique — il a poursuivi un doctorat en philosophie auprès de Jürgen Habermas à Francfort, avant d'être recruté par Thiel pour devenir PDG aux États-Unis. Le poste de FDE est précisément né de cette combinaison atypique de « PDG non traditionnel + clients hautement classifiés » : retour de 36Kr^[10]Il est écrit très clairement que Palantir a été violemment critiqué au début par les agences de renseignement, car les ingénieurs n'avaient pas accès à des scénarios commerciaux réels, et les exigences, transmises à travers plusieurs niveaux, avaient déjà dérivé. Plus tard, Palantir a négocié un accord consistant à faire intégrer directement ses ingénieurs sur les sites clients, où ils travaillaient aux côtés des analystes de renseignement. Ce modèle a ensuite été systématisé par Shyam Sankar et est devenu le prédécesseur du FDE.

En 2009, les FDE se sont étendus au domaine commercial. Lorsque JPMorgan a déployé la plateforme Metropolis de Palantir, 120 FDE ont été intégrés pour surveiller les menaces internes. À partir de ce moment, les FDE ne se limitaient plus à « envoyer des ingénieurs sur le terrain », mais constituaient une approche systématique d'intégration client : faire réellement entrer Foundry / Gotham dans les flux opérationnels des clients, et non simplement livrer une licence et partir.

Le recrutement FDE de Palantir suit une règle contre-intuitive — aucune formation en informatique n'est requise. Cela peut être inclus dans « Saviez-vous que ? »

Saviez-vous que Palantir FDE ne demande pas de diplôme en informatique ? Selon les critères de recrutement de Palantir compilés par SkillScouter^[11]et la page carrières officielle de Palantir^[12]Palantir accueille explicitement les candidats non spécialisés en informatique ; les derniers recrutés en tant que FDE proviennent de domaines tels que le génie mécanique, l'économie et la philosophie. Les deux critères essentiels sont : être capable d'agir malgré des informations incomplètes, et être en mesure de dialoguer directement avec des clients de niveau C. Un diplôme en informatique est un atout, pas une condition d'entrée. Karp lui-même est le premier exemple de cette norme — un PDG diplômé en philosophie, qui a rassemblé une équipe de FDE issus de la physique, des mathématiques et de la philosophie.

La deuxième racine est une entreprise de modèles de nouvelle génération après 2023.

Après le lancement de ChatGPT à la fin de 2022, OpenAI a rapidement réalisé une chose : brancher l'API du modèle sur la documentation et laisser les clients l'intégrer eux-mêmes était tout simplement impossible. Les clients ne refusaient pas de l'utiliser, ils ne savaient tout simplement pas comment le faire — ils avaient des problèmes métier, mais pas de forme de produit. C'est ainsi qu'OpenAI, Anthropic, Cohere, Scale, Glean, Sierra, Hebbia et Decagon ont commencé à recruter massivement des FDE.

Cette vague de FDE s'inspire directement du playbook de Palantir — envoyer des ingénieurs sur site client pour mettre en œuvre un flux de travail de bout en bout. Mais le support produit est désormais totalement différent : les FDE de l'ère Palantir se concentraient sur l'intégration de données et la personnalisation d'interfaces, tandis que les FDE de nouvelle génération se consacrent à la conception de prompts, à l'orchestration d'agents, à l'appel d'outils et à l'intégration de flux de travail.

Article de Pragmatic Engineer sur FDE^[13]Ils appellent cette nouvelle version « intégrée aux entreprises pour faire résoudre à Claude des problèmes réels, spécifiques et à forte valeur » — une formulation presque identique à celle de Palantir à l'époque, à la différence près qu'ils ont remplacé « données » par « modèle ».

En regardant ces deux racines ensemble, on peut identifier un ensemble de points communs et de différences très clairs.

Point commun : les clients n'achètent pas un logiciel. Ils achètent « un ingénieur + un ensemble d'outils capables de résoudre mon problème ». Cela a été anormal dans l'histoire des logiciels d'entreprise des trente dernières années. SAP, Oracle et Salesforce vendaient le logiciel lui-même — les ingénieurs étaient des ressources d'appoint destinées à « rendre ce logiciel accessible aux clients ». Palantir fait l'inverse : les outils existent comme leviers pour permettre aux FDE de résoudre les problèmes des clients. Les nouvelles générations d'entreprises de modèles ont hérité de cette relation inversée — OpenAI ne vend pas une licence GPT-4, mais « nos FDE utilisent GPT-4 pour vous automatiser votre service client ».

Différence : L'ère Palantir privilégie l'intégration OPS — l'accent est mis sur l'intégration des données, la modélisation ontologique et la gouvernance des autorisations. La nouvelle génération se concentre sur la mise en œuvre des capacités des modèles — l'accent est mis sur la conception des prompts, l'orchestration des agents et l'optimisation de la rétention. La première ressemble à une version avancée d'intégrateur de systèmes, la seconde à une extension de l'ingénieur produit.

Un dernier fait intéressant : de nombreux anciens FDE de Palantir sont devenus des entrepreneurs ou ont directement rejoint des entreprises de nouveaux modèles. On peut citer une longue liste d’anciens de Palantir parmi les premières équipes d’Anthropic, d’OpenAI, de Sierra et de Hebbia. Ce n’est pas une coïncidence — le poste de FDE oblige une personne à assumer simultanément les risques produits, clients et techniques, ce qui revient presque à une formation d’entrepreneur. L’auteur préfère considérer Palantir comme un incubateur d’entreprises invisible : il forme non seulement des ingénieurs, mais aussi des personnes capables de faire avancer un projet de zéro à un malgré des informations incomplètes. Deux racines qui se sont finalement réunies après 2023.

La convergence des deux racines se produit principalement à l'étranger. En Chine, le terme FDE n'est apparu que récemment, mais les activités qu'il désigne ne sont pas apparues de nulle part. Pour comprendre le FDE en Chine, il faut d'abord identifier ses deux prédécesseurs locaux, puis examiner les trois différences contextuelles entre le FDE chinois et le FDE américain.

Deux précurseurs locaux

Le premier ancêtre était l'architecte de solutions d'un fournisseur de cloud. Au cours des dix dernières années, Alibaba Cloud, Tencent Cloud et Huawei Cloud ont formé une équipe complète d'architectes de solutions (SA) chargés de présenter des architectures aux clients, d'écrire des POC, de concevoir des plans de migration et de collaborer à la mise en production. Huawei dispose également d'une série dédiée d'« ingénieurs de livraison » responsables de déployer les projets dans les data centers des clients. Ce système couvre déjà 80 % des tâches liées au FDE, mais son accent reste mis sur la phase pré-vente et le déploiement — la responsabilité de l'itération produit end-to-end ne repose pas sur les SA ; en cas de modification des exigences, un processus de changement doit être suivi, et le remplacement du modèle nécessite d'attendre la planification du siège.

La deuxième origine est une nouvelle séquence née dans des startups d'IA. MiniMax affiche sur BOSS Zhipin le poste d'« Expert en solutions pré-vente IA », et des entreprises de modèles comme Yue Zhi An Mian, ZhiPu, Tongyi et Hunyuan affichent également des postes similaires. Les intitulés varient légèrement, mais les descriptions de poste sont hautement convergentes : comprendre les scénarios clients, réaliser des démonstrations, ajuster les prompts, exécuter des RAG, rédiger des plans de livraison, et collaborer avec les équipes techniques clients jusqu'au déploiement. Ces postes constituent véritablement les « FDE nationaux ».

Trois différences de sol et d'eau

Le déploiement privé et la conformité aux données étouffent le modèle purement basé sur l'appel de modèles. Les clients professionnels en Chine exigent bien plus que ceux aux États-Unis que les données ne quittent pas leur périmètre, que les poids du modèle soient contrôlables et que l'audit soit traçable. Dans un projet FDE, le travail consistant à appeler uniquement une API et à exécuter des prompts ne représente peut-être que 30 % de l'effort total ; les 70 % restants consistent à déplacer le modèle dans les locaux du client, à mettre en place l'authentification, à l'intégrer à la plateforme de données et à accomplir les formalités de conformité.

Les capacités des modèles sont encore en train de rattraper les SOTA, et l'espace d'expression se réduit à la couche ingénierie. Aux États-Unis, OpenAI et Anthropic peuvent séduire les clients avec les capacités mêmes des modèles ; en Chine, les différences entre les modèles de Tongyi, DouBao, Kimi, GLM et DeepSeek sont moins marquées, et les clients se concentrent davantage sur des capacités d'ingénierie telles que l'orchestration des agents, la qualité de la recherche RAG, l'intégration des outils et la conception des workflows. En Chine, les FDE ne se mesurent pas à la force de leurs modèles, mais à leur capacité à faire réellement fonctionner ce business.

La volonté de payer et le rythme de tarification du segment B diffèrent de ceux aux États-Unis. Le modèle de Palantir, qui consiste à « déployer d'abord des FDE, puis facturer des abonnements à prix élevé », est difficile à reproduire directement. Les budgets des clients nationaux suivent les cycles d'achat annuels, avec une préférence pour les projets ; le modèle commercial des FDE est souvent une combinaison d'abonnement, de licence privatisée et de livraison de projet.

Un positionnement unique : FDE interne

De nombreux équipes IA au sein des grandes entreprises commencent à utiliser le modèle FDE pour servir des « clients internes ». Alibaba Cloud PAI a envoyé des ingénieurs sur place chez Taobao, et Tencent Hunyuan dispose d’un mécanisme similaire pour collaborer avec WeChat et les équipes publicitaires. Sur JD, on trouve des postes tels que « ingénieur de mise en œuvre sectorielle », « ingénieur d’applications IA » et « expert en affaires intelligentes » — en réalité, ce sont des FDE internes qui transforment les capacités des équipes de modèles en solutions end-to-end au niveau des opérations. Cela offre aux dirigeants des grandes entreprises une nouvelle approche : quelques FDE internes positionnés sur le terrain, capables de produire le premier démonstrateur et de remettre les données ROI aux responsables métier, permettront de faire disparaître les silos départementaux plus rapidement que dix réunions d’alignement.

L'auteur dans le précédent article « À l'individu super »^[4]Il a été mentionné précédemment les cinq moteurs d’un individu exceptionnel : une forte curiosité, un fort esprit d’exploration et d’innovation, une forte capacité d’apprentissage autodidacte, une forte autonomie et une forte capacité pratique. Ces cinq qualités sont le billet d’entrée pour un poste FDE, mais elles ne constituent pas l’ensemble. En plus de ces cinq moteurs, les postes FDE exigent un ensemble de traits spécifiques supplémentaires, et certaines personnalités sont clairement inadaptées. L’auteur a observé trop d’ingénieurs excellents qui, après avoir changé pour un poste FDE, ont eu du mal à s’adapter ; les problèmes venaient le plus souvent non pas de leurs compétences, mais de leur personnalité et de leurs préférences professionnelles.

Cinq qualités adaptées à FDE

Ne pas craindre les ventes ni la communication. La journée typique d’un FDE n’est pas passée à coder en isolation, mais à interagir directement avec les CTO, responsables opérationnels, acheteurs, équipes de conformité et IT des clients. Un rythme typique : le CTO du client vous interrompt pendant une démonstration — la réaction d’un FDE ne peut pas être « Je vais revenir la semaine prochaine avec une version corrigée », mais plutôt ouvrir immédiatement l’IDE pour modifier le prompt et relancer l’opération devant lui. « Le client est présent, je modifie en temps réel » est la norme pour un FDE.

Profitez de la zone floue. Le FDE ne reçoit pas un PRD clair, mais une phrase comme : « Nous voulons faire quelque chose avec l’IA ». Le client lui-même ne sait pas exactement ce qu’il veut ; il faut que le FDE l’accompagne pour faire émerger cette attente floue en une forme concrète. Si vous ne pouvez agir que lorsqu’il y a des besoins clairs, le FDE vous rendra anxieux chaque jour.

Des compétences techniques solides, mais pas besoin d’être 10x. FDE ne demande pas que vous soyez la personne avec le code le plus propre ou les algorithmes les plus poussés de l’entreprise ; il faut simplement être capable de faire fonctionner un système end-to-end : un frontend avec une page cliquable, un backend avec un service opérationnel, et un modèle connecté aux sources de données métier. Dans le monde FDE, « ça suffit comme ça » n’est pas une faiblesse, c’est une vertu.

Aime être affiné par les retours. Le travail de FDE comporte de nombreux moments où l’on se fait dire de tout refaire par les clients : un demo d’aujourd’hui est rejeté demain par les équipes métier avec « Ce n’est pas ce que je voulais » ; une solution validée la semaine dernière doit être refaite cette semaine parce qu’un nouveau dirigeant a été nommé. Les personnes adaptées à FDE transforment ces retours en carburant, assument la responsabilité end-to-end et ne rejettent pas la faute sur « une demande mal formulée ».

Sensible aux limites du modèle. C'est la plus technique et la plus implicite des règles. Le FDE doit être capable de déterminer quelles tâches sont adaptées à un LLM et lesquelles ne le sont pas, ainsi que les stratégies de repli à adopter — cette sensibilité ne peut pas être acquise en lisant des articles scientifiques, mais seulement par l'expérience des échecs. Au fil de l'accumulation d'exemples défaillants, le FDE développe une mémoire musculaire des limites du modèle : dans quels scénarios utiliser RAG, dans quels cas appliquer des règles, et dans quels cas il faut impérativement prévoir une porte de repli vers un humain.

Quatre types de personnes non adaptées à FDE

Technophile qui veut se cacher dans le code. Les FDE passent environ 50 % de leur temps hors du code : réunions clients, coordination interne, discussions produits, avancement des contrats. Si votre source de bonheur est d’écrire du code sans être dérangé pendant quatre heures consécutives, un poste de FDE vous mènera à un épuisement mental prolongé.

Les personnes qui ont besoin d’OKR pour agir. Les objectifs du FDE sont ancrés chez le client, pas dans votre tableau de performance. L’avancement du travail est déterminé par les jalons des projets clients, les évolutions des capacités du modèle et votre propre jugement sur les scénarios. Ceux qui ont l’habitude de « ne savoir quoi faire qu’après avoir un OKR » ne trouveront pas de point d’ancrage.

Ceux qui valorisent la promotion plus que les réalisations. Les FDE ne bénéficient pas d’un avantage dans les systèmes de promotion des grandes entreprises — des indicateurs comme la satisfaction client, la signature de projets et le taux de réutilisation pèsent moins lourd que le volume de code ou la fréquence de déploiement lors des évaluations de niveau. Si la promotion est votre première motivation, les FDE ne sont pas un bon choix.

Les personnes qui résistent au contexte commercial. Le FDE doit comprendre le P&L, le ROI, les processus d'achat et les exigences de conformité des clients. Si vous avez naturellement une aversion à parler d'argent, de contrats ou de logique commerciale, le travail de FDE vous fera vous sentir comme si vous vendiez vos idéaux techniques.

Liste de vérification autonome

7 questions, chacune correspondant à un scénario réel de travail pour FDE. Répondez « oui » à plus de 5 questions pour envisager sérieusement FDE ; répondez « oui » à 3 questions ou moins, il est conseillé d’être prudent.

1. Souhaitez-vous consacrer 50 % de votre temps quotidien aux réunions clients, à la réponse aux messages et aux appels téléphoniques au lieu du code ?

2. Lorsque le client vous dit « Ça ne marche pas, je ne sais pas pourquoi », votre première réaction est-elle la curiosité ou l’impatience ?

3. Personne ne vous a écrit de PRD, pouvez-vous, en une semaine, mettre en œuvre avec Claude Code un prototype visible par les clients ?

4. Pour le même livrable, le client vous demande huit versions modifiées ; pouvez-vous conserver votre jugement au lieu d’agir mécaniquement ?

5. Lorsque le modèle donne une réponse erronée, votre première réaction est-elle de concevoir un mécanisme de secours ou de vous plaindre que le modèle est inadéquat ?

6. Êtes-vous prêt à signer des contrats, rédiger des rapports, accompagner les clients lors de la validation et collaborer avec le service juridique sur les clauses de conformité ?

7. Can you accept rapid prototyping and rapid failure?

Cinq qualités, quatre types de profils inversés, sept questions d'auto-évaluation — au final, il s'agit d'une seule et même question : êtes-vous prêt à faire évoluer simultanément votre sens du produit, vos compétences en ingénierie et votre jugement commercial dans un même flux de travail ?

Dans l'article précédent, j'ai discuté du « moteur humain » : la curiosité, l'esprit d'exploration, la capacité d'apprentissage autodidacte, la motivation intrinsèque et les compétences pratiques, et comment elles sont pleinement stimulées en boucle fermée au sein des grandes entreprises. Cet article aborde un autre sujet : la forme des postes. Le FDE est la première nouvelle forme de poste à avoir un nom, une fourchette salariale, une description de poste et une validation par des clients payants dans la révolution industrielle de l'IA. Ce n'est pas un synonyme du concept de « super-individu », mais le premier repère concret issu de cette vague de restructuration.

FDE n'est pas la fin. Selon l'avis de l'auteur, FDE n'est que la première forme à prendre un nom dans cette nouvelle répartition du travail. Viendront ensuite Forward Deployed PM, Forward Deployed Designer, Forward Deployed Researcher — tous les métiers étroitement couplés aux scénarios clients et nécessitant de faire émerger le produit dans des zones floues, auront leur propre version « pré-déployée ». Les intitulés de postes changeront, mais la logique sous-jacente restera la même : les capacités du modèle avancent en tête, les formes de produit suivent, et la structure des postes se réorganise en fonction du flux de travail.

Laissez une phrase pour chaque catégorie de lecteurs.

Pour les techniciens : FDE ne demande pas que vous soyez le meilleur développeur de l'entreprise, mais il exige que vous soyez prêt à déplacer la moitié de votre temps du code vers les clients. Si votre réponse est « oui », la fenêtre du marché vient de s'ouvrir : les recrutements des principales entreprises chinoises de modèles, des fournisseurs de cloud et des équipes internes IA des grandes entreprises s'accélèrent. Si votre réponse est « non », ce n'est pas un problème : de nouveaux postes émergeront dans cette nouvelle répartition des rôles.

À RH et OD : Méfiez-vous de la séparation entre le titre et la réalité. Votre entreprise compte probablement déjà un certain nombre de FDE qui travaillent, mais sont classés sous des postes comme « Expert en solutions », « Architecte industriel » ou « Ingénieur en applications IA ». Identifiez-les, reclassifiez-les et offrez-leur un parcours de carrière aligné sur leurs activités réelles, ce qui sera plus efficace que de recruter de nouveaux employés depuis zéro.

Aux gestionnaires : le modèle FDE ne s'applique pas uniquement à l'extérieur, mais aussi à l'intérieur. Installez quelques « FDE internes » au sein des équipes opérationnelles pour intégrer de bout en bout les capacités de l'équipe modèle dans les processus métiers ; cela sera probablement bien plus efficace que de créer un nouveau département IA et d'organiser dix réunions de synchronisation inter-équipes. Les silos ne sont pas dissipés par la conception organisationnelle, mais par un démonstrateur fonctionnel.

La transition professionnelle à l'ère de l'IA a déjà commencé ; FDE en est le premier signal : il nous indique que la vitesse à laquelle les capacités des modèles évoluent est désormais suffisante pour créer de nouveaux postes. L'auteur laisse aux lecteurs une question concrète : si, dans trois ans, trois nouveaux postes apparaissent sur l'organigramme de votre entreprise, lesquels pensez-vous que ce seront ? Réfléchir à cette question est plus utile que de simplement lire cet article.