Full Stack Builder - AI-native (H/F)

• Concevoir et livrer des applications produites de bout en bout : interface, API, base de données, intégrations, déploiement.
• Passer d’un besoin métier à un prototype fonctionnel en jours, pas en semaines ; puis industrialiser ce qui doit l’être.
• Intégrer des briques IA (LLM, agents, RAG) dans les applications quand c’est pertinent.

Piloter l’IA

• Utiliser au quotidien des outils de développement assisté et agentique (type Claude Code, Cursor, Copilot, agents autonomes) sur l’intégralité du cycle : spécification, génération, tests, revue, documentation, refactoring.
• Écrire et maintenir les prompts, instructions de projet, règles et contextes qui rendent ces outils fiables et reproductibles sur nos bases de code.
• Rester en veille active sur les modèles, outils et protocoles (MCP, agents, évaluation) et les tester rapidement.

Faire évoluer les méthodes

• Adapter nos pratiques agiles à un contexte où le coût de production du code s’effondre : cycles très courts, spécification comme livrable principal, revue humaine centrée sur l’architecture et la sécurité plutôt que sur la syntaxe.
• Documenter et partager ces pratiques avec les équipes produit et R&D ; former ponctuellement des collègues.

Sécuriser

• Appliquer les bonnes pratiques de développement sécurisé (OWASP, gestion des secrets, dépendances, revue du code généré) dans un contexte d’éditeur certifié ISO 27001.
• Comprendre les enjeux spécifiques du code produit par IA : hallucinations de librairies, dettes cachées, données sensibles dans les prompts.

• 3 à 6 ans d’expérience en développement web full stack (JavaScript/TypeScript, Python ou équivalent ; une stack moderne type React/Next, Node ou FastAPI, PostgreSQL, conteneurs).
• Pratique intensive et démontrable des outils d’IA pour coder : capacité à montrer des projets réels construits de cette manière, à expliquer ce qui a marché et ce qui a cassé.
• Autonomie forte : capable de prendre un besoin flou et de livrer quelque chose d’utilisable sans supervision rapprochée.
• Rigueur sur les fondamentaux : Git, tests, CI/CD, revue de code, sécurité de base.
• Bonne compréhension des méthodes agiles (Scrum, Kanban) et regard critique sur leur adaptation au développement assisté par IA.

Apprécié

• Expérience ou forte appétence pour la cybersécurité : environnement SOC, produit de détection, secure SDLC, pentest, ou simple culture personnelle solide du domaine.
• Contributions open source, side projects, portfolio public d’applications « vibecodées ».
• Expérience d’intégration de LLM dans des produits (API, agents, évaluation).
• Anglais professionnel.

État d’esprit

• Curiosité et vitesse d’apprentissage supérieures à la moyenne.
• Confort avec l’incertitude et les outils encore instables.
• Sens du produit : comprend pourquoi on construit, pas seulement comment.
• Honnêteté intellectuelle sur les limites de l’IA et de son propre code.