Alexandre Durand
Parcours Type
2010-2014 : Formation & Débuts
École d'ingénieurs (Centrale, Ponts, Télécom) ou École de commerce (HEC, ESSEC) + Master IA/Data Science
Premiers postes : Consultant junior, Chef de projet IT en ESN
2014-2018 : Chef de Projet Tech
Gestion projets transformation digitale, data analytics, premiers projets ML (prédiction, recommandation)
Certifications : PMP, Scrum Master, Cloud (AWS/Azure)
2018-2022 : Chef de Projet IA
Pilotage projets IA end-to-end : NLP (chatbots), Computer Vision (quality control), ML prédictif
Équipes : 5-10 personnes (data scientists, ML engineers, devs)
Budgets : 200K-1M€
2022-2026 : Senior PM IA / Head of AI Projects
Projets stratégiques IA générative, transformations IA d'entreprise
Leadership : mentoring juniors PM, définition roadmap IA, C-level stakeholder management
Compétences Clés
Expertise IA/ML
Gestion de Projet
Compréhension Technique
Motivations
1. Projets IA Stratégiques
Piloter des transformations IA à fort impact business, pas des POCs sans suite. Envie de voir ses projets en production avec ROI mesurable.
2. Leadership & Influence
Manager équipes tech/data, influencer décisions stratégiques C-level, être reconnu comme expert IA dans l'entreprise.
3. Souveraineté & Innovation
Alignement valeurs Pyl.Tech : souveraineté numérique, IA responsable, innovation française. Fierté de contribuer à un projet à impact national.
4. Rémunération & Évolution
Fourchette : 65-85K€ + variable (10-20%)
Attentes : Équité salariale, stock-options si scale-up, évolution vers Head of AI / AI Director
Canaux de Sourcing
- PRIORITÉ 1 : LinkedIn Sales Navigator + InMail personnalisés (mention projets IA pilotés)
- PRIORITÉ 2 : Cooptation réseau (senior PM/consultants IA) - Prime 2 000€
- PRIORITÉ 3 : Conférences IA (AI Paris, VivaTech, Data Science Summit, AI for Business)
- PRIORITÉ 4 : ESN Partenaires (profils seniors cherchant plus d'autonomie/impact)
- PRIORITÉ 5 : Communautés PM Tech (Product Tank, Mind the Product, PM Club France)
Red Flags (Démotivations)
- ❌ Projets IA sans budget ni ressources (POCs éternels)
- ❌ Management qui ne comprend pas l'IA (attentes irréalistes)
- ❌ Équipes data science junior sans seniors (manque expertise)
- ❌ Pas d'autonomie décisionnelle (micromanagement)
- ❌ Culture blâme, silos dev/data/métier