Article inspiré du chapitre “Le marché 2025” du livre “En quête d’expérience”.
En 2020, ces trois métiers n’existaient pas vraiment. En 2025, ils recrutent à tour de bras avec des salaires parfois supérieurs aux seniors classiques.
1. Prompt Engineer : L’architecte des conversations IA
Ce que c’est vraiment
Pas juste : “Savoir parler à ChatGPT”
Vraiment : Créer des systèmes de prompts complexes, optimisés, reproductibles pour applications production.
# Prompt simple (junior)
prompt = "Résume ce texte"
# Prompt engineeré (senior)
prompt = """
Tu es un expert en analyse de documents techniques.
Context:
{document_metadata}
Task:
Résume ce document en 3 niveaux:
1. Executive summary (3 bullet points)
2. Technical details (5-7 points)
3. Action items (priorités)
Format: JSON
Tone: Professional, concis
Length: Max 500 mots
"""
Compétences requises
✅ NLP fundamentals
✅ API LLM (OpenAI, Anthropic, etc.)
✅ Python/TypeScript
✅ Evaluation metrics (BLEU, ROUGE, etc.)
✅ Cost optimization (token usage)
✅ Prompt injection prevention
Salaires (France/Europe)
Junior (< 2 ans) : 45-55k€
Mid (2-4 ans) : 60-75k€
Senior (4+ ans) : 80-100k€
Expert : 100-130k€+
Comment se lancer
Étape 1 : Foundations (2-3 mois)
- Cours : DeepLearning.AI Prompt Engineering
- Practice : Daily prompting avec ChatGPT/Claude
- Build : 3-5 projets perso
Étape 2 : Production (3-6 mois)
- Intégrer API OpenAI dans app
- Optimiser coûts (caching, etc.)
- Gérer erreurs et edge cases
Étape 3 : Portfolio
Projects à showcaser:
- Chatbot customer support (avec RAG)
- Content generation pipeline
- Code review automatisé
- Document analysis system
2. MLOps Engineer : Le DevOps de l’IA
Le problème qu’ils résolvent
Data Scientists : "Mon modèle marche sur mon laptop!"
Production : "Le modèle crash en prod, latency 10s, coût $5k/jour"
→ MLOps bridget ce gap
Responsabilités
1. Model deployment
# Pas juste sauvegarder un .pkl
# Vraie pipeline production
from mlflow import log_model
model = train_model(data)
log_model(
model,
"sklearn-model",
registered_model_name="customer-churn",
signature=signature,
input_example=example
)
2. Monitoring
Surveiller :
- Model drift (données changent)
- Performance degradation
- Latency/throughput
- Coûts inference
3. Retraining pipelines
Trigger retrain if:
- Accuracy < 85%
- Data drift detected
- Weekly schedule
Auto-deploy if:
- Tests pass
- Metrics > current model
Stack technique
ML Frameworks : TensorFlow, PyTorch, scikit-learn
Orchestration : Airflow, Kubeflow, MLflow
Deployment : Docker, Kubernetes
Cloud : AWS SageMaker, GCP Vertex AI
Monitoring : Prometheus, Grafana
Salaires
Junior : 50-60k€
Mid : 65-80k€
Senior : 85-110k€
Principal : 110-140k€+
Transition recommandée
Depuis DevOps :
Skills à ajouter :
+ Python data science stack
+ ML frameworks basics
+ Model versioning
+ Feature stores
Timeline : 6-9 mois
Depuis Data Science :
Skills à ajouter :
+ Docker/Kubernetes
+ CI/CD pipelines
+ Infrastructure as Code
+ Monitoring/observability
Timeline : 6-9 mois
3. Cloud Security Specialist : Le gardien du cloud
Pourquoi ça explose
2020 : 30% workloads in cloud
2025 : 85% workloads in cloud
+ Cyberattaques ×3
+ Compliance (GDPR, SOC2, etc.)
+ Cloud misconfiguration = #1 vulnerability
→ Besoin critique de specialists
Les 3 piliers du métier
1. Infrastructure Security
- IAM policies (AWS/GCP/Azure)
- Network security (VPC, firewalls)
- Encryption (at rest, in transit)
- Secrets management (Vault, KMS)
2. Compliance & Governance
- SOC2, ISO 27001, GDPR
- Security audits
- Policy as Code (OPA)
- Compliance automation
3. Incident Response
- Security monitoring (SIEM)
- Threat detection
- Incident investigation
- Remediation automation
Certifications valorisées
Essential :
- AWS Certified Security Specialty
- CISSP (Certified Information Systems Security Professional)
Nice to have :
- Certified Cloud Security Professional (CCSP)
- Certified Ethical Hacker (CEH)
Salaires
Junior : 48-58k€
Mid : 65-80k€
Senior : 85-110k€
Staff : 110-150k€+
Exemple de journée type
09h-10h : Review security alerts (SIEM)
10h-12h : Audit IAM policies (remove excessive permissions)
13h-15h : Implement automated compliance checks
15h-17h : Incident response (suspicious S3 access)
17h-18h : Security training session avec équipe dev
Comparaison : Quel métier choisir ?
Prompt Engineer
✅ Pour vous si :
- Aimez expérimenter avec IA
- Créatif + technique
- OK avec métier récent (évolution rapide)
Risque : Hype bubble potentielle (à valider dans 2-3 ans)
MLOps
✅ Pour vous si :
- Background DevOps ou Data Science
- Aimez industrialiser
- Confortable avec complexité
Risque : Nécessite double compétence (ML + Ops)
Cloud Security
✅ Pour vous si :
- Aimez sécurité/défense
- Rigoureux et méthodique
- OK avec pression (incidents critiques)
Risque : On-call rotation (incidents 24/7)
Roadmap transition (6-12 mois)
Mois 1-3 : Foundations
Prompt Engineer :
- Cours prompt engineering
- Daily practice avec LLMs
- Build 2 projets perso
MLOps :
- Cours ML basics (si vient DevOps)
- Cours Kubernetes (si vient DS)
- Deploy 1 model en prod (perso)
Cloud Security :
- AWS/GCP fundamentals
- Security basics (OWASP Top 10)
- Lab pratiques (TryHackMe, etc.)
Mois 4-6 : Intermediate
Tous :
- Contribuer open-source
- Blog technique (2-3 articles)
- Network (conférences, meetups)
Mois 7-12 : Job-ready
Tous :
- Portfolio complet (3-5 projets)
- Certifications (si applicable)
- Applications ciblées
- Interview prep
Salaires comparés (Senior, 5+ ans)
Développeur Full-Stack : 60-75k€
Prompt Engineer : 80-100k€ (+25%)
MLOps Engineer : 85-110k€ (+35%)
Cloud Security : 85-110k€ (+35%)
US Remote : 120-180k$ (+100%+)
Conclusion
Ces trois métiers ne sont pas des modes passagères.
Ils résolvent de vrais problèmes :
- Prompt Engineering : Industrialiser l’IA
- MLOps : ML en production scalable
- Cloud Security : Protéger assets cloud
Est-ce pour vous ?
Posez-vous :
- Ai-je l’appétit d’apprendre un domaine nouveau ?
- Suis-je OK avec évolution rapide du métier ?
- Les salaires justifient-ils l’investissement temps ?
Si 3× oui, foncez. Le marché recrute massivement.
Et vous, tenté par un de ces métiers ? Questions ?
Le livre “En quête d’expérience” explore ces nouveaux métiers en détail, avec roadmaps concrètes et retours d’expérience de professionnels qui ont réussi leur transition.