Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Les offres FDE ont été multipliées par 4,6 en un an : ce que fait un ingénieur chez le client

De plus en plus d'entreprises recrutent des Forward Deployed Engineers, des ingénieurs qui travaillent directement chez le client et écrivent eux-mêmes le code adapté à sa tâche. Selon TrueUp, ces offres sont environ 1 500 : elles ont été multipliées par 4,6 en un an, alors que l'ensemble des postes d'ingénierie n'a progressé que de 2,5 %. L'auteur de l'analyse parie que la concurrence y est moins forte : tous les développeurs ne veulent pas se confronter au mécontentement d'un client. Pour l'entretien, il vaut donc mieux préparer le récit d'un déploiement, et pas seulement le code.

Traité par IA depuis Habr AI ; édité par Hamidun News
Les offres FDE ont été multipliées par 4,6 en un an : ce que fait un ingénieur chez le client
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
OpenAIenviron 15 FDE ont travaillé avec un fabricant de puces sur plus de 10 scénarios
Chiffre clé #2La préparation de tests ciblés a été accélérée d'environ 48 % (estimation d'OpenAI)
Chiffre clé #3Fourchette salariale chez OpenAI à San Francisco : 185 000–300 000 $ par an, jusqu'à 50 % de déplacements

Pendant que certains développeurs se demandent quelle part de leur travail l'IA va prendre, le marché fait discrètement grimper la demande pour un autre métier. Dans une revue de novembre, Lenny Rachitsky, en s'appuyant sur un échantillon de TrueUp, recense environ 1 500 offres ouvertes de Forward Deployed Engineer (FDE). En un an, leur nombre a été multiplié par 4,6, alors que pour l'ensemble des postes d'ingénierie du même échantillon la hausse n'est que de 2,5 %. L'auteur de l'analyse sur Habr, ancien programmeur devenu responsable informatique, en fait un pari de carrière personnel. Nous reprenons ses arguments et distinguons clairement ce qui relève de son opinion et ce qui relève de chiffres vérifiables.

Ce que fait un FDE chez le client

Le FDE travaille au plus près de ceux qui utiliseront le système. Il s'assoit à la même table que l'ingénieur d'une usine, observe où celui-ci perd son temps, et se met à écrire du code le jour même. Il revient ensuite vérifier si la solution a fonctionné. C'est un modèle que Palantir pratiquait bien avant l'arrivée des agents d'IA : l'un de ses ingénieurs se souvient avoir vécu un an à Toulouse, passant quatre jours par semaine dans une usine Airbus. Il a réuni dans une seule interface les ordres de travail, les données sur les pièces manquantes et l'historique des remarques qualité sur l'assemblage de l'A350.

L'exemple récent vient d'OpenAI. Au milieu de l'année 2025, une quinzaine de ses FDE travaillaient avec une grande entreprise de semi-conducteurs sur au moins dix scénarios : génération de tests pour vérifier le comportement d'une puce, recherche des causes de pannes, assistant d'architecture. En trois à six mois, les solutions ont atteint une utilisation industrielle.

Selon l'estimation d'OpenAI elle-même, la préparation de tests ciblés a demandé environ 48 % de temps en moins. Lorsque Codex a pris en charge l'essentiel du travail, l'équipe a transféré les solutions sur une base commune et supprimé environ 90 % de son propre code dans chaque projet. Dans l'un des exemples, le premier déploiement a pris deux mois, et le branchement d'une deuxième équipe un seul jour.

Ce sont les données d'OpenAI : il faut en tenir compte en gardant une part de scepticisme face au discours marketing.

La leçon pratique est que ce sont surtout les lignes de code qui finissent à la poubelle. Ce qui reste, c'est la compréhension de l'erreur que le test doit impérativement détecter. Serval arrive à une conclusion voisine : ses FDE ont intégré plus de 60 connecteurs dans le produit, ainsi qu'un mécanisme permettant aux utilisateurs d'évaluer le travail de l'agent, c'est-à-dire qu'ils ont transformé des développements répétitifs en fonctionnalités du produit commun.

Qui paie, et pour quoi

TrueUp suit plus de 9 000 entreprises technologiques, et en novembre elles avaient plus de 65 000 postes d'ingénierie ouverts. Face à ce total, 1 500 offres FDE forment une niche modeste. Certaines entreprises ont pu intituler le même rôle autrement, par exemple sales engineer. L'auteur ignore combien de CV reçoit chacune de ces offres, de sorte que « moins de concurrence » reste une hypothèse.

Les trois offres analysées montrent à quel point un même métier peut porter des noms différents :

  • OpenAI, San Francisco : déploiement de LLM chez le client et code de production pour les parties client et serveur. Il faut plus de 5 ans d'expérience, trois jours de présence au bureau par semaine, jusqu'à 50 % de déplacements, un salaire de 185 000–300 000 $ plus une part du capital de l'entreprise.
  • Anthropic, Munich : applications Python dans l'infrastructure du client, intégration de Claude, développement et évaluation d'agents. Il faut plus de 8 ans d'expérience, un anglais courant et un allemand de niveau natif, 25 à 50 % de déplacements.
  • X5 Tech, Moscou : tâches des départements de la distribution, Python et React, CI/CD, mise en production et maintenance de ses propres applications. Il faut au moins trois ans de Python. L'annonce est déjà archivée.

Le seuil commun est le même : écrire du code qui fonctionne, l'intégrer dans un système qui n'est pas le sien et expliquer au métier dans quelles conditions il peut l'utiliser. Ce qui change, c'est qui utilise l'IA. Chez Anthropic, l'ingénieur évalue le comportement du modèle ; chez X5, l'IA est l'outil de travail du développeur lui-même. C'est pourquoi l'auteur conseille de poser en entretien les questions suivantes : qu'a écrit personnellement l'ingénieur, qui utilise le résultat, et qui est appelé quand tout tombe en panne.

Comment préparer l'entretien

L'exemple d'exercice que l'auteur a retenu pour s'entraîner : un assistant génère un test pour une file d'attente de quatre éléments. Un test qui n'insère qu'un élément puis le retire passe sur les deux versions, correcte et défectueuse. Le test pertinent insère A, B, C, D, tente d'ajouter E et vérifie deux choses : l'ajout est refusé, et la lecture renvoie exactement A, B, C, D. La version défectueuse accepte E et renvoie B, C, D, E. On demande au candidat de montrer à quelle vérification l'erreur fait échouer le test, et quelle ligne de la spécification justifie l'attente.

La seconde question porte sur l'économie. Si la génération s'accélère, mais que chaque test doit toujours être vérifié par le spécialiste le plus cher, il n'y a pas de gain. Il faut mesurer le temps total jusqu'à l'acceptation du test, corrections comprises.

L'auteur identifie huit compétences, du débogage aux intégrations, de l'évaluation des agents à la responsabilité du lancement. Pour s'y préparer, il conseille de prendre son propre projet et de repérer les endroits où l'on ne peut pas montrer sa contribution personnelle. Il a publié son matériel sur GitHub (AI Interview Atlas) et propose un prompt permettant à un agent d'IA de mener un entretien d'essai de 25 minutes.

Les limites sont évidentes. Il s'agit d'un texte personnel, avec un enjeu de carrière, et non d'une étude du marché. Les chiffres de TrueUp reposent sur un seul échantillon, et les résultats d'OpenAI sont sa propre estimation. En revanche, la vérification est simple : allez voir la personne pour laquelle vous avez réalisé votre dernière fonctionnalité, et regardez comment elle s'en sert. Si vous aimez démêler le vieux fichier Excel de quelqu'un, le poste de FDE vous conviendra peut-être.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que fait un FDE chez le client ?

Le FDE travaille au plus près de ceux qui utiliseront le système. Il s'assoit à la même table que l'ingénieur d'une usine, observe où celui-ci perd son temps, et se met à écrire du code le jour même. Il revient ensuite vérifier si la solution a fonctionné. C'est un modèle que Palantir pratiquait bien avant l'arrivée des agents d'IA : l'un de ses ingénieurs se souvient avoir vécu un an à Toulouse, passant quatre jours par semaine dans une usine Airbus.

Que sait-on sur Qui paie, et pour quoi ?

TrueUp suit plus de 9 000 entreprises technologiques, et en novembre elles avaient plus de 65 000 postes d'ingénierie ouverts. Face à ce total, 1 500 offres FDE forment une niche modeste. Certaines entreprises ont pu intituler le même rôle autrement, par exemple sales engineer. L'auteur ignore combien de CV reçoit chacune de ces offres, de sorte que « moins de concurrence » reste une hypothèse.

Comment préparer l'entretien?

L'exemple d'exercice que l'auteur a retenu pour s'entraîner : un assistant génère un test pour une file d'attente de quatre éléments. Un test qui n'insère qu'un élément puis le retire passe sur les deux versions, correcte et défectueuse. Le test pertinent insère A, B, C, D, tente d'ajouter E et vérifie deux choses : l'ajout est refusé, et la lecture renvoie exactement A, B, C, D. La version défectueuse accepte E et renvoie B, C, D, E.

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.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…