Live 18/11 · Cohorte 318 nov à 19h00 MSK — atelier pratique gratuit sur les agents IA · La Cohorte 3 démarre le 23/11Atelier 18/11 →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

226 offres d'emploi le montrent : 75 % des spécialistes de l'IA sont invités à travailler au bureau

Un échantillon de 226 offres sur hh.ru ne montre pas un « marché de l'IA » unique, mais trois métiers distincts : le développement de modèles, la création d'applications avec des LLM et la maintenance de l'infrastructure ML. Sur 144 annonces pertinentes, 104 concernent les modèles, 34 l'IA appliquée et seulement six le MLOps. Pour le candidat, la conclusion principale est simple : il faut regarder les missions, et non l'intitulé de poste à la mode.

Traité par IA depuis Habr AI ; édité par Hamidun News
226 offres d'emploi le montrent : 75 % des spécialistes de l'IA sont invités à travailler au bureau
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Python est mentionné dans 38,2 % des offres pertinentes, les LLM dans 37,5 %.
Chiffre clé #2Seules six offres sur 144 acceptent formellement des candidats sans expérience.
Chiffre clé #3Le travail à distance est proposé dans 22,9 % des annonces pertinentes.

Le titre « ML Engineer » peut aujourd'hui recouvrir trois métiers presque différents. Dans une offre, il faut entraîner des modèles et calculer des métriques ; dans une autre, assembler un service RAG au-dessus d'un LLM prêt à l'emploi ; dans une troisième, répartir les calculs entre des GPU et surveiller l'infrastructure. Une liste de technologies à la mode dit donc peu de choses au candidat.

Les chercheurs ont analysé 226 annonces de hh.ru, enregistrées le 6 novembre 2026. Après classification, 144 offres ont été jugées pertinentes : 104 concernent le développement de modèles de ML et de DL, 34 des systèmes d'IA appliquée, et six le MLOps. Il ne s'agit pas d'un recensement de tout le marché, mais d'un instantané d'un échantillon à une date précise. Même ainsi, cet instantané montre bien où les intitulés de poste divergent du travail réel.

Trois marchés sous une même enseigne

La première trajectoire est le développement de modèles. Elle comprend la préparation des données, l'entraînement, le contrôle de la qualité et les expériences. L'échantillon met en évidence la vision par ordinateur, la data science classique, le scoring, les systèmes de recommandation et le NLP. Ce sont les offres les plus nombreuses : 104 sur 144 annonces pertinentes.

La deuxième trajectoire est l'IA appliquée. Ici, l'employeur n'a souvent pas besoin de quelqu'un qui entraînera son propre modèle de langage. Il lui faut un ingénieur capable de brancher un LLM existant, de construire une recherche dans les documents, d'ajouter du RAG, des agents, des API, de la journalisation et la vérification des réponses. Il y a 34 offres de ce type. C'est plus proche du développement produit : la valeur ne vient pas du modèle lui-même, mais d'un scénario fiable construit autour.

La troisième trajectoire est le MLOps et l'infrastructure ML. Seules six annonces en faisaient la tâche principale. Il y était question de GPU, de déploiement de modèles, d'observabilité et de sécurité des pipelines. Le chiffre est faible, mais il ne faut pas y lire une absence de demande : des responsabilités d'infrastructure figurent aussi dans les offres de développeurs de modèles.

Un exemple simple. Deux annonces peuvent s'intituler « AI Engineer ». Dans la première, le candidat affine un modèle et compare des métriques. Dans la seconde, il appelle le modèle d'un tiers via une API, cherche des documents pour le contexte et gère les défaillances. Le titre est le même, mais le portfolio, l'entretien et le travail quotidien seront différents.

Ce que les employeurs écrivent dans les exigences

Parmi les 144 offres pertinentes, Python est cité dans 55, soit 38,2 %. Les LLM apparaissent dans 54 annonces (37,5 %), les agents IA dans 35 (24,3 %), PyTorch dans 26 (18,1 %), le RAG dans 21 (14,6 %). Ces pourcentages ne doivent pas être transformés en classement de compétences obligatoires : les chercheurs ne disposaient que des intitulés et de fragments enregistrés des descriptions. Si une technologie ne figure pas dans l'extrait, cela ne signifie pas que l'employeur ne l'utilise pas.

Pour les débutants, le marché laisse un passage étroit. Seules six offres pertinentes sont formellement classées « sans expérience ». 61 autres exigent de un à trois ans, 64 de trois à six ans, 13 plus de six ans. Toutefois, la mention « sans expérience » ne signifie pas « sans connaissances » : même un profil junior a besoin des bases, d'outils de travail et d'un projet que l'on peut analyser sous l'angle des décisions, des métriques et des limites.

Il y a encore moins de données sur les salaires. Un montant n'est publié que dans 32 des 144 offres pertinentes. L'échantillon mélange roubles, tenges et dollars, sommes avant et après impôts, fourchettes basses et plages complètes. Il est donc impossible d'obtenir un salaire moyen fiable à partir de ces données. Les offres isolées servent de repères, mais pas de référence de marché.

Conclusion pratique

Le candidat a intérêt à choisir d'abord le type de travail, puis à constituer sa stack. Pour le développement de modèles, comptent les données, les métriques, la validation et des expériences reproductibles. Pour l'IA appliquée : les intégrations, la gestion des erreurs, l'évaluation des réponses, les références aux sources et le monitoring. Pour le MLOps : le déploiement, l'observabilité, l'infrastructure de calcul et la sécurité.

Le portfolio gagne aussi à ne pas être construit autour de la phrase « j'ai fait un chatbot ». Un système abouti est plus convaincant : une tâche claire, une source de données, une solution de base pour la comparaison, une métrique choisie, des limites et un mode de déploiement. Et un dernier signal lucide : 75 % des offres pertinentes impliquent un travail sur site, tandis que le format à distance n'est indiqué que dans 22,9 %. Le marché de l'IA se révèle non seulement exigeant en matière d'expérience, mais aussi nettement moins distant qu'on pourrait le penser d'après les discussions autour du secteur.

Dossier

Questions clés sur cet article

Que sait-on sur Trois marchés sous une même enseigne ?

La première trajectoire est le développement de modèles. Elle comprend la préparation des données, l'entraînement, le contrôle de la qualité et les expériences. L'échantillon met en évidence la vision par ordinateur, la data science classique, le scoring, les systèmes de recommandation et le NLP. Ce sont les offres les plus nombreuses : 104 sur 144 annonces pertinentes. La deuxième trajectoire est l'IA appliquée. Ici, l'employeur n'a souvent pas besoin de quelqu'un qui entraînera son propre modèle de langage.

Que sait-on sur Ce que les employeurs écrivent dans les exigences ?

Parmi les 144 offres pertinentes, Python est cité dans 55, soit 38,2 %. Les LLM apparaissent dans 54 annonces (37,5 %), les agents IA dans 35 (24,3 %), PyTorch dans 26 (18,1 %), le RAG dans 21 (14,6 %). Ces pourcentages ne doivent pas être transformés en classement de compétences obligatoires : les chercheurs ne disposaient que des intitulés et de fragments enregistrés des descriptions. Si une technologie ne figure pas dans l'extrait, cela ne signifie pas que l'employeur ne l'utilise pas.

Que sait-on sur Conclusion pratique ?

Le candidat a intérêt à choisir d'abord le type de travail, puis à constituer sa stack. Pour le développement de modèles, comptent les données, les métriques, la validation et des expériences reproductibles. Pour l'IA appliquée : les intégrations, la gestion des erreurs, l'évaluation des réponses, les références aux sources et le monitoring. Pour le MLOps : le déploiement, l'observabilité, l'infrastructure de calcul et la sécurité.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…