Les grands modèles de langage (LLM) donnent à tout un chacun des capacités d’intelligence artificielle sans devoir posséder des compétences d’ingénieur en machine learning.

Les LLM résolvent des problèmes qui nécessitaient auparavant plusieurs modèles de machine learning/deep learning spécialisés. Et surtout des problèmes qui ne pouvaient pas être automatisés du tout.

Par exemple, demander à une intelligence artificielle de naviguer sur le web pour acheter une paire de baskets était tout bonnement impossible il y a quelques années. Aujourd’hui, il suffit de quelques minutes pour installer Browser Use sur sa machine.

On pourrait se contenter d’utiliser une plateforme LLM comme ChatGPT ou Mistral, mais cela n’est pas suffisant pour les tâches les plus complexes et spécifiques que l’on va rencontrer en entreprise : automatiser des processus de traitement de données, rédiger des documents complexes…

Il reste donc nécessaire d’écrire du code pour les cas d’usage les plus avancés. Qui dit code dit développeurs !

Je pense qu’un développeur qui se spécialise dans l’intégration de l’IA dans les logiciels devrait tout simplement être appelé « développeur LLM ». Et je vais m’efforcer de décrire ce nouveau métier tout au long de cet article.

Quels types d’applications produisent les développeurs LLM ?

Les développeurs et ingénieurs LLM sont spécialisés dans la création de programmes informatiques fondés sur l’IA.

Il ne s’agit pas des développeurs 4.0 qui utilisent GitHub Copilot ou Cursor pour être plus productifs, mais bien des développeurs qui créent des solutions IA. Un développeur LLM peut par exemple programmer son propre assistant de code optimisé pour un besoin particulier.

Les applications fondées sur les LLM peuvent être complexes. Car si l’on veut utiliser les LLM à pleine puissance, il faut mobiliser de nouveaux types de bases de données, de nouveaux concepts comme les embeddings et les tokens, de nouveaux patterns architecturaux et de nouveaux frameworks spécialisés comme LangChain et LangGraph.

Par exemple, ma société LBKE dispose d’un workflow de génération d’articles à partir de slides de formation. Ce pipeline exécute environ une dizaine d’étapes pour aboutir à un contenu viable.

Un pipeline LLM dans un notebook Google Colab, servant à transformer des slides de cours synthétiques en articles plus détaillés. Générer un article de qualité demande une certaine quantité de code avec plusieurs étapes de calcul.

Créer et maintenir des systèmes fondés sur les LLM nécessite des connaissances solides sur la façon dont on peut extraire toute la valeur d’un modèle d’IA. Cette connaissance doit de plus être maintenue à jour en permanence.

Cela représente suffisamment de travail pour qu’une personne passe 100 % de son temps sur ce sujet, et c’est pour cette raison que je pense que le développement LLM ou « LLM Engineering » est un véritable métier.

On peut faire l’analogie avec développeur web qui passe des années à maîtriser les différentes couches d’une application fullstack moderne.

Qui sont les meilleurs candidats pour devenir des développeurs LLM ?

Aujourd’hui, les tâches liées aux LLM comme la création d’agents ou de pipelines complexes sont confiées à des data scientists, des data analysts, des ingénieurs en machine learning, plus généralement à tout métier familier de la donnée.

Cependant, je pense que les compétences d’un développeur web ou celles d’un ingénieur logiciel sont tout à fait suffisantes pour devenir développeur LLM, même sans connaissance du monde de la donnée.

En effet tout le monde peut obtenir de bons résultats pour de nombreuses tâches en apprenant à prompter un LLM, grâce aux capacités d’apprentissage in-context de ces modèles.

Les LLM restent bien fondés sur la donnée, mais la donnée en langage naturel, donc finalement une donnée que tout le monde produit et manipule intuitivement. Personne ne se dit explicitement « chaque phrase que je dis dans une conversation est une forme de donnée non structurée » !

Un développeur LLM va beaucoup plus loin que le simple prompt engineering puisqu’il est capable d’impliquer aussi des structures de programmation traditionnelles comme les boucles, les conditions, les graphes, les appels d’API, les bases de données… pour créer des architectures complexes comme le RAG.

Est-il nécessaire de connaître le fonctionnement interne d’un LLM pour être un bon développeur LLM ?

Oui et non. Comprendre comment les LLM sont entraînés et leur fonctionnement technique est évidemment un avantage pour comprendre leur logique interne, et écrire de meilleurs prompts.

Mais on peut apprendre le développement LLM en commençant par l’utilisation d’une plateforme, par exemple celle de ChatGPT, puis en créant des prompts avancés, puis des programmes simples, puis enfin en approfondissant sa connaissance technique à force de pratique et de lecture.

Il y a même une approche no code de développement LLM, typiquement dans l’écosystème Microsoft, et via les outils traditionnels d’automatisation tels que n8n.

Là encore, on peut faire l’analogie avec le développement web, qui peut s’apprendre en créant des sites puis des applications de plus en plus complexes. Cependant cette analogie n’est pas non plus parfaite car le domaine des LLM implique beaucoup plus de recherches académiques.

Il faut être prêt à lire beaucoup pour devenir développeur LLM, et privilégier les ressources de qualité : documentations officielles, articles d’acteurs de l’industrie, pour aller progressivement jusqu’aux articles de recherche.

Concrètement, comment devenir développeur LLM ?

Le chemin que je recommande en tant que formateur pour devenir un développeur LLM dépend de vos compétences initiales.

Si vous venez du monde de l’infrastructure, du cloud, il y a une demande importante pour configurer des LLM internes aux entreprises ou des plateformes LLM sur le cloud ou sur des serveurs locaux. Dans le monde de l’open source, vous pouvez découvrir les technologies ollama, vLLM, Open WebUI par exemple.

Si vous venez du monde de la data, vous pouvez commencer par apprendre à implémenter des workflows centrés sur la donnée comme le RAG, le fine-tuning ou la mise en place de bases données vectorielles et de graphes. Les développement LLM sera pour vous simplement une extension du machine learning/deep learning prédictif.

Si vous venez du développement web ou de développement logiciel, le plus facile est d’apprendre à utiliser un framework LLM comme LangChain et LangGraph, ou encore le Vercel AI SDK et Mastra.

Un agent ReAct LangGraph et LangChain qui tourne sur mon ordinateur localement.

Le sentiment que l’on éprouve lorsqu’on arrive à exécuter son premier agent est vraiment indescriptible ! Il est du même ordre que lorsque l’on arrive à créer son premier serveur web et que l’on s’y connecte depuis un autre ordinateur. On a l’impression de contrôler la machine et de pouvoir créer sans limite.

Enfin si vous n’êtes pas du tout développeur, je vous recommande de continuer à utiliser des plateformes LLM classiques mais de vous concentrer sur l’apprentissage des fonctionnalités les plus avancées, par exemple les librairies de documents ou les « GPT » de ChatGPT. Par la suite, vous pourrez apprendre à recréer un fonctionnement similaire avec du code ou des outils d’automatisation no code.

Peut-on trouver un emploi de développeur LLM ?

Parlons business : est-ce que l’on peut vivre de ce nouveau métier de LLM engineer ?

J’interagis principalement avec des PME locales, autour de Montpellier. En 2025, ces entreprises sont en cours de mise en place de leur plateforme d’IA (souvent Microsoft Copilot) pour des cas d’usage internes. Il est donc un peu tôt pour qu’elles recrutent des développeurs LLM.

Mais, quand ces plateformes vont être en place, les entreprises vont vouloir maximiser leur retour sur investissement. Et c’est là que les développeurs LLM vont jouer un rôle important.

Devenir développeur LLM est un pari, mais un pari gagnant. Je vois de plus en plus de missions freelances apparaître sur le sujet, typiquement autour de la mise en place de RAG en entreprise.

On peut aussi espérer qu’un écosystème d’agences centrées sur l’IA, donc des « agences LLM », émerge progressivement. Encore l’analogie avec les agences web ! J’en profite pour vous annoncer le lancement de l’Agence LLM par LBKE, que l’on espère voir grandir rapidement.

Investir sur le développement LLM vous place en avance par rapport au marché du travail. Pour l’anecdote, la DGSE est l’une des premières organisations que j’ai pu voir poster une offre d’emploi de développeur LLM. Si les renseignements extérieurs prennent le sujet au sérieux, vous devriez peut-être aussi y songer.

Développeur LLM, est-ce le bon nom ?

Choisir un nom pour un nouveau métier n’est pas du tout anodin. « Développeur LLM » est-il le bon nom pour ce métier ?

D’abord je pense qu’une chose mérite d’être dite explicitement : j’inclus bien évidemment les « développeuses LLM » dans cette formulation générique « développeur LLM », que je traduis de l’anglais neutre « LLM developer ». Il est cependant important d’utiliser les deux termes explicitement dans un contexte de recrutement et d’orientation, comme le fait par exemple l’Onisep pour la fiche métier « Développeur / Développeuse informatique ».

Ensuite, parler uniquement de « LLM » peut être réducteur à l’ère des modèles multimodaux, qui gèrent aussi les images voire la vidéo et d’autres structures de données. Ne devrait-on pas parler de « développeur IA » ?

Le problème avec le terme « développeur IA » est qu’il est trop vague. Il a tendance à inclure l’ingénierie en machine learning traditionnel, or le métier de développeur LLM est centré sur la création de logiciels plutôt que sur la création d’IA. Ce sont bien les LLM qui rendrent possible la création de programmes intelligents fondés sur l’intelligence artificielle.

L’IA prédictive « classique » machine learning ou deep learning n’a pas cette capacité de spécialisation à la volée qui est nécessaire pour créer des agents IA autonomes.

Quelle serait notre bannière ?

J’ai une passion pour le design graphique. Alors je trouve qu’il est très important d’avoir les bonnes images et les bonnes représentations associées à ce nouveau métier.

La représentation anthropomorphique de l’IA, c’est-à-dire l’androïde blanc et bleu gentil que l’on voit partout, ou encore la représentation sous forme d’un cerveau bleu ciel cybernetique un peu fluorescent, n’est pas la plus appropriée.

Je préfère représenter un LLM comme une sorte de couteau-suisse du développeur, qui permet de résoudre des tâches complexes à coup de prompts et d’agents. Un LLM n’est pas un cerveau numérique, c’est une bonne vieille caisse à outil.

J’ai imaginé une sorte de sceptre futuriste, qui traduit à la fois la modernité du LLM et le fait qu’il ne s’agit finalement que d’un outil, qui ne trouve son utilité que dans les mains des développeurs.

Le sceptre LLM, brandi par une développeuse LLM. Image générée par ChatGPT.

Conclusion : développeur LLM, un métier d’avenir

Selon moi, apprendre aujourd’hui le développement LLM c’est un peu comme apprendre le développement web en 1990. La création de systèmes LLM va générer une très grande demande en programmes informatiques dans les prochaines années.

Devenir développeur LLM est un investissement d’avenir pour votre carrière de développeur.