Forward Deployed Engineer - NEURALK-AI

Au croisement de la technologie, du produit et du go-to-market, le poste couvre l’avant-vente (découverte technique, cadrage des cas d’usage, évaluations, démos) et l’après-vente (premier référent technique, coordination des déploiements avec les équipes data science, infrastructure et produit). Missions principales : accompagner le cycle de vente aux côtés des Account Executives, mener la découverte technique, concevoir et piloter les évaluations, animer démos et deep dives, gérer les questionnaires sécurité/conformité, coordonner l’implémentation client après signature, servir d’interface avec les équipes internes, et soutenir l’onboarding et l’adoption durable.

Parcours de Machine Learning Engineer, Data Scientist, consultant technique, ingénieur avant-vente ou après-vente en environnement data / IA.

Fortes compétences relationnelles client, capacité à mener des discussions techniques et à influencer les décideurs.

Bases techniques solides : comprendre les pipelines ML et approches de modélisation, discuter des contraintes d’infrastructure et de déploiement, présenter et positionner des solutions IA complexes de façon crédible.

Bonne compréhension commerciale des cycles de vente.

Bonus : expérience en deeptech/startup B2B, technologies complexes à intégrer, contexte international (clients globaux ou équipes distribuées).

Neuralk-AI recherche un Forward Deployed Engineer expérimenté pour piloter l’intégration de sa solution dans les écosystèmes clients. Le poste est rattaché au Chief Revenue Officer et basé au bureau de Paris ou de Londres.

Neuralk est une entreprise deep-tech qui construit la nouvelle génération de Foundation Models pour la data science. Sa mission : bâtir la couche prédictive des entreprises, en transformant la data science en une infrastructure prédictive durable et scalable qui apprend en continu des données de l’organisation. Le produit est un agent de data science, propulsé par leurs Foundation Models, qui accompagne les data scientists tout au long de leur workflow, du cadrage du problème jusqu’aux modèles robustes prêts pour la production. L’accent est mis sur les données structurées (clients, opérations, risques, activité financière).