Description de l'entreprise

Tout a commencé sous le soleil de San Diego, en Californie, en 2004, lorsqu’un ingénieur visionnaire, Fred Luddy, a vu le potentiel de transformer notre façon de travailler. Aujourd’hui, ServiceNow se présente comme un leader mondial du marché, apportant une technologie innovante améliorée par l’IA à plus de 8 100 clients, dont 85% des entreprises du Fortune 500®. Notre plateforme intelligente basée sur le nuage connecte de manière transparente les personnes, les systèmes et les processus pour permettre aux organisations de trouver des méthodes de travail plus intelligentes, plus rapides et meilleures. Mais ce n’est que le début de notre voyage. Joignez‑vous à nous dans la poursuite de notre objectif de rendre le monde meilleur pour tous.

Description du poste

Présentation de l'équipe

L'équipe Applied AI Forward Deployed Engineering (FDE) de ServiceNow est l'endroit où les idées audacieuses se transforment en actions concrètes. Nous collaborons avec nos clients les plus stratégiques pour façonner l'avenir de l'IA en entreprise. Ensemble, nous identifions les opportunités à forte valeur ajoutée, accélérons les résultats commerciaux et construisons des solutions IA natives réutilisables qui font progresser la plateforme Now AI.

Notre mission : Nous collaborons étroitement avec nos clients pour créer des solutions IA intelligentes et évolutives qui répondent à leurs enjeux les plus critiques. En nous immergeant dans la complexité du terrain, nous livrons rapidement, itérons avec méthode et transformons chaque succès en modèles réutilisables qui accélèrent la transformation à travers la plateforme Now et l'entreprise au sens large.

Pourquoi ce poste est significant

Les Forward Deployed Engineers travaillent aux côtés de nos clients et transforment des problèmes commerciaux ambigus en systèmes d'IA fonctionnels. En tant qu'ingénieur GenAI/ML au sein de l'équipe FDE, vous serez amené à :

- Collaborer directement avec les clients pour découvrir des problématiques et cadrer des cas d'usage IA à fort impact.
- Concevoir et construire des systèmes GenAI/ML de bout en bout — pipelines RAG, workflows agentiques, évaluation et garde-fous — et les déployer en production.
- Prototyper rapidement, itérer avec des utilisateurs réels et consolider les projets pilotes en services fiables et surveillés.
- Assumer la relation technique, en assurant la traduction entre les parties prenantes métier et l'ingénierie.
- Élever le niveau de rigueur en ML et la qualité d'ingénierie au sein de l'équipe.

Qui vous êtes

Des bâtisseurs avant tout. Nous ne privilégions pas le pedigree — nous recherchons des ingénieurs obsédés par le client, avec une véritable profondeur en ML et l'étendue technique nécessaire pour livrer de bout en bout, capables de passer rapidement de l'idée au logiciel fonctionnel.

Vous êtes une personne dynamique et innovante, capable de résoudre des problèmes, qui s'épanouit dans des environnements complexes et en constante évolution. Doté(e) d'un esprit analytique solide et d'une passion pour l'IA, vous excellez à transformer l'ambiguïté en clarté. Votre capacité à synthétiser les données, les workflows et les motivations des utilisateurs vous permet d'identifier des solutions à fort impact, alignées sur les besoins des clients et les objectifs commerciaux.

Vous incarnez les valeurs de ServiceNow :

- Le client avant tout : Vous privilégiez la création de valeur par les résultats commerciaux.
- Innovation audacieuse : Vous remettez en question les conventions et recherchez la simplicité par la conception.
- Une seule équipe : Vous collaborez en profondeur entre les fonctions et construisez à travers une responsabilité partagée.
- Intégrité et appartenance : Vous établissez la confiance, favorisez l'inclusion et dirigez avec empathie.

Ce que vous ferez

- Piloter la découverte stratégique : Identifier les opportunités d'IA à fort impact en animant des ateliers pratiques et en alignant les parties prenantes.
- Architecturer des solutions IA natives : Concevoir des systèmes utilisant les LLM, les pipelines RAG, la logique de récupération et l'orchestration des workflows.
- Accélérer la livraison avec les ingénieurs : Collaborer étroitement avec les FDSE pour construire, tester et itérer des solutions fonctionnelles rapidement.
- Codifier les meilleures pratiques : Créer des cadres reproductibles, des modèles réutilisables et des composants modulaires.
- Favoriser l'adhésion :



Influencer l'adhésion des clients et des dirigeants grâce à une narration claire et un cadrage précis des solutions.
- Faire valoir les enseignements du terrain : Recueillir les retours des déploiements pour orienter la stratégie produit et prioriser les besoins de la plateforme.
- Permettre la mise à l'échelle : Outiller les équipes internes et les clients pour étendre les succès grâce à la documentation et aux ressources d'intégration technique.

À quoi ressemble le succès

- Livraison d'une solution prête à l'emploi : Vous livrez une solution IA validée et prête à l'emploi dans un délai de 8 à 12 semaines, répondant directement à un problème commercial critique.
- Réutilisation à grande échelle : Vos livrables — des prompts à la logique d'orchestration — sont exploités par d'autres équipes et codifiés pour être mis à l'échelle.
- Évolution de la plateforme : Votre travail contribue à façonner la plateforme Now grâce à des retours produit structurés et une influence architecturale.
- Transformation commerciale : La solution IA que vous avez menée se traduit par des gains mesurables en efficacité, automatisation, adoption ou satisfaction.
- Trajectoire vers la production : La solution que vous livrez devient le fondement d'un déploiement en production à grande échelle dans les environnements clients.
- Partenaire de confiance sur le terrain : Les clients et les parties prenantes internes vous perçoivent comme un partenaire stratégique, fiable et techniquement crédible.
- Maîtrise de l'IA — Expérience démontrée dans l'utilisation ou la réflexion critique sur l'intégration de l'IA dans les processus de travail, la prise de décision et la résolution de problèmes. Cela peut inclure l'utilisation d'outils basés sur l'IA, l'automatisation de workflows, l'analyse d'insights générés par l'IA, ou l'évaluation de l'impact potentiel de l'IA sur la fonction ou l'industrie.
- Expérience pertinente — 8+ années d'ingénierie logicielle, incluant 2+ années à construire et déployer des systèmes dans des rôles orientés client ou intégrés.
- Expérience appliquée en ML/IA — 3+ années à construire des systèmes ML ou IA en production de bout en bout : de la préparation des données au déploiement, à la surveillance et à l'itération. Capable de raisonner sur le choix des modèles et les compromis entre le prompting, le RAG et le fine-tuning — y compris savoir quand ne pas utiliser un modèle.
- Développement d'applications LLM — Expérience pratique avec la génération augmentée par récupération (RAG), les embeddings et les bases de données vectorielles (pgvector, Pinecone, Weaviate, FAISS), l'ingénierie et le chaînage de prompts, les sorties structurées et l'appel de fonctions/outils, la gestion du contexte, et les workflows agentiques ou multi-étapes.
- Rigueur d'évaluation — Capacité à définir des métriques de succès et à construire des harnais d'évaluation pour des systèmes non déterministes : jeux de données de référence (golden datasets), évaluations hors ligne, LLM-as-judge, tests A/B et rétroaction avec supervision humaine (human-in-the-loop). Capable de diagnostiquer les hallucinations, la régression de qualité et la dérive des modèles en production.
- Fondements du ML — Connaissance pratique des concepts fondamentaux du ML et de l'apprentissage profond (apprentissage supervisé, embeddings, transformers, attention, tokenisation, fenêtres de contexte, quantification) suffisante pour prendre des décisions d'architecture judicieuses et collaborer de manière crédible avec les partenaires en science des données.
- Frameworks et plateformes — LangChain/LangGraph, LlamaIndex, Semantic Kernel, ou équivalent; PyTorch, TensorFlow ou scikit-learn; l'écosystème Hugging Face; ainsi que les principales API et plateformes de modèles (Anthropic, OpenAI, Amazon Bedrock, Azure AI Foundry, Vertex AI).
- Architecture système — Capacité avérée à concevoir et implémenter des logiciels IA natifs dans des environnements de production.
- Profondeur en ingénierie — Solide en back-end (Python, Node.js, Java), front-end (React, Angular), et API (REST/GraphQL).
- Performance et observabilité — Compétent dans le débogage de systèmes distribués, l'optimisation de la latence et du débit,



et la mise en œuvre de la surveillance. Spécifiquement pour les systèmes IA : suivi des tokens et des coûts, traçage et débogage au niveau des spans (LangSmith, Arize, Weights & Biases, OpenTelemetry), et télémétrie de la qualité.
- Maîtrise MLOps et DevOps — Expérience de déploiement sur AWS, Azure ou GCP avec CI/CD, conteneurs et infrastructure-as-code. Familiarité avec le versionnement des modèles, le versionnement des prompts/configurations, les portes d'évaluation automatisées en CI, et les schémas de déploiement sécurisé (canary, shadow, avec drapeaux de fonctionnalités).
- IA responsable — Expérience pratique de la mise en œuvre de garde-fous, de la gestion et de la rédaction des données à caractère personnel (PII), de l'atténuation des injections de prompt et des tentatives de jailbreak, de la validation des sorties, et de la gouvernance des données dans les environnements clients.
- Mentalité plateforme — Capable de contribuer à des SDK et outils partagés, augmentant la vélocité d'ingénierie pour l'ensemble de l'organisation.
- Sensibilité produit — Priorise la valeur utilisateur, l'itération MVP et l'échelle à long terme.
- Disponibilité terrain — Capable de voyager jusqu'à 30 % du temps pour s'intégrer sur site et livrer là où cela compte.

Qualifications préférées

- Expérience dans l'intégration de l'IA dans des plateformes SaaS comme ServiceNow ou Salesforce.
- Techniques de fine-tuning et d'adaptation (LoRA/PEFT, distillation, quantification) et savoir quand elles surpassent le prompting ou la récupération.
- Optimisation de l'inférence et hébergement autonome (self-hosted serving) (vLLM, TensorRT-LLM, Triton), incluant l'optimisation du coût/performance des GPU.
- Ingénierie des données pour le ML — pipelines, magasins de caractéristiques (feature stores), ingestion en streaming, et traitement de documents à grande échelle.
- Expérience dans la livraison de systèmes IA dans des environnements réglementés ou sensibles aux données (services financiers, santé, secteur public).
- Aisance à diriger des ateliers techniques, des sessions de découverte et des revues d'architecture avec les parties prenantes clientes.

Informations supplémentaires

Nous abordons notre monde du travail distribué avec flexibilité et confiance. Les profils de travail (flexible, à distance ou requis au bureau) sont des catégories attribuées aux employés de ServiceNow en fonction de la nature de leur travail et de leur lieu de travail assigné.Pour en savoir plus, cliquez ici. Pour déterminer l'éligibilité à un profil de travail, ServiceNow peut confirmer la distance entre votre résidence principale et le bureau ServiceNow le plus proche à l'aide d'un service tiers.

ServiceNow est un employeur qui souscrit au principe de l'égalité d’accès à l’emploi. Tous les candidats qualifiés recevront une considération pour l’emploi sans égard à la race, la couleur, la croyance, la religion, le sexe, l’orientation sexuelle, l’origine nationale ou la nationalité, l’ascendance, l’âge, le handicap, l’identité ou l’expression de genre, l’état matrimonial, le statut d’ancien combattant ou toute autre catégorie protégée par la loi. De plus, tous les candidats qualifiés ayant des antécédents d’arrestation ou de condamnation seront pris en considération pour un emploi conformément aux exigences légales.

Nous mettons tout en œuvre offrir une expérience accessible et inclusive pour tous les candidats. Si vous avez besoin d’une mesure d’adaptation raisonnable pour compléter une partie du processus de candidature ou si vous n’êtes pas en mesure d’utiliser cette candidature en ligne et que vous avez besoin d’une autre méthode pour postuler, veuillez communiquer avec [emailprotected] pour obtenir de l’aide.

Pour les postes nécessitant l’accès à une technologie contrôlée assujettie aux règlements sur les contrôles à l’exportation, y compris les U.S.

Export Administration

Regulations (EAR), ServiceNow peut être tenu d’obtenir l’approbation des autorités gouvernementales en matière de contrôle des exportations pour certaines personnes. Tout emploi est subordonné à l’obtention par ServiceNow d’une licence d’exportation ou d’une autre approbation qui pourrait être requise par les autorités de contrôle des exportations compétentes.

En cliquant sur le lien ci-dessus ou sur tout autre lien externe figurant dans cette publication, vous quittez ce site et accédez à un site web tiers dont les conditions d'utilisation et la politique de confidentialité s'appliquent.

📌 Forward Deployed Solution Engineer – Applied AI FDE (Montreal)
🏢 ServiceNow
📍 Montreal