Les chiffres clés, sans arrondi flatteur
- Niveau d’études réel
- Bac+5 sur les offres publiées, Bac+0 accepté si portfolio démontrable
- Intitulé effectivement publié
- AI Engineer, LLM Engineer, GenAI Engineer — presque jamais « Prompt Engineer »
- Salaire brut annuel (grille AI Engineer)
- 35-45 k€ début · 45-65 k€ confirmé · 70-100 k€ senior
- TJM freelance
- 400-900 €/jour (ordre de grandeur, voir la section salaires)
- Code ROME
- Aucun. M1805 est le rattachement le plus défendable
- Autres appellations
- Ingénieur de requête, ingénieur d’invite, AI Engineer, LLM Engineer, Context Engineer
Sources et méthode détaillées dans chaque section. Tous les relevés sont datés et reproductibles.
Le relevé d’offres : ce que le marché publie réellement
En résumé : les compteurs des plateformes gonflent un titre qui n’est presque plus publié. Quand Indeed annonce « plus de 200 emplois » pour « prompt engineer », il vous montre des postes d’AI Engineer. Le moteur fait une recherche élargie, et le compteur devient un argument marketing pour des écoles qui le citent tel quel.
| Requête | Plateforme | Annoncé | Offres portant vraiment ce titre | Relevé |
|---|---|---|---|---|
| prompt engineer | Indeed France | « plus de 200 emplois » | 0 sur ~17 offres en page 1 | 16/07/2026 |
| prompt engineer | LinkedIn France | 905 offres | 0 sur les 60 offres visibles | 16/07/2026 |
| ai engineer | Indeed France | « plus de 800 emplois » | intitulé effectivement porté | 13/07/2026 |
| llm engineer | Indeed France | « plus de 400 emplois » | intitulé effectivement porté | 12/07/2026 |
| machine learning engineer | Indeed France | « plus de 4 000 emplois » | intitulé effectivement porté | 27/05/2026 |
Les intitulés que j’ai réellement lus
Voici, mot pour mot, des titres d’offres renvoyées par la recherche « prompt engineer » : AI Engineer (F/H) chez Studi, Forward Deployed Engineer chez Salesforce, Accelerator Data & AI Engineer chez Sanofi, AI Engineer / Data Engineer — IA Générative, LLM & Databricks, Architecte Data & AI Agent / Lead AI Engineer LangGraph, Lead Agentic AI Engineer, Expert IA Agentique, Ingénieur Machine Learning — IA Conversationnelle & Voicebot. Côté LinkedIn : AI Engineer Product, Applied AI Engineer, GenAI Engineer, LLM Engineer, Agentic AI Engineer, AI Deployment Engineer.
Aucun ne dit « prompt ». Tous demandent la compétence.
Refaites le relevé vous-même, ça prend 4 minutes
Tapez « prompt engineer » sur Indeed France ou LinkedIn. Notez le compteur annoncé. Puis lisez les titres des offres, un par un, sur la première page. Comptez ceux qui portent exactement l’intitulé. C’est toute ma méthode, et c’est exactement pour ça que je vous la donne : vous pouvez la refaire et me contredire. Si le résultat change dans six mois, cette page changera aussi.
Limite honnête de ce relevé : je n’ai lu que la première page de résultats (17 offres sur Indeed, 60 sur LinkedIn), pas les centaines annoncées. Il existe sans doute des offres intitulées « Prompt Engineer » en France. Elles sont simplement trop rares pour construire un plan de carrière dessus.
Le métier en 2026 : le titre disparaît, les compétences explosent
Deux mouvements se sont produits en même temps, et on les confond souvent. Le premier : écrire un prompt est devenu une compétence de base, comme écrire une requête SQL. Personne ne recrute un « SQL Engineer ». On attend de vous que vous sachiez, point. Le second : la partie difficile s’est déplacée.
Anthropic a mis un mot sur ce déplacement : le context engineering, défini comme « l’ensemble des stratégies permettant de curer et de maintenir l’ensemble optimal de tokens pendant l’inférence », par opposition au prompt engineering dont « l’objet principal est d’écrire des prompts efficaces, en particulier des system prompts ». Traduit en clair : le travail n’est plus de trouver la bonne phrase, c’est de décider quelles informations entrent dans la fenêtre de contexte à chaque étape, et lesquelles on en retire.
Ça, ce n’est plus de la rédaction. C’est de la récupération de données, du découpage, du cache, de la compression, des évaluations. De l’ingénierie logicielle. D’où l’intitulé qui gagne : AI Engineer.
La conclusion honnête tient en une ligne : visez les compétences, pas l’intitulé. Un « Prompt Engineer » qui sait seulement écrire des prompts est déjà en difficulté sur le marché de 2026. Un ingénieur qui sait faire tenir un système à base de LLM en production n’a jamais été aussi demandé — et il candidate sur des offres qui s’appellent AI Engineer.
Pourquoi les autres fiches ne vous le disent pas ? Les trois premiers résultats sur cette requête sont des écoles. Écrire « l’intitulé que notre Bac+5 prépare est en train de disparaître » revient à saborder la page de vente à laquelle mène la fiche. Ce n’est pas de la malhonnêteté, c’est une contrainte structurelle. Je n’ai rien à vous vendre, donc je peux l’écrire.
À quoi ressemble vraiment le travail : 3 prompts réels
J’ai lu les trois fiches les mieux classées sur cette requête. Aucune ne montre un seul prompt. Trois pages sur un métier d’écriture de prompts, zéro prompt. Voici donc la journée de travail, en trois cas concrets. À chaque fois : la version naïve, ce qu’elle casse, la version corrigée, et pourquoi.
Cas 1 — Support client
Un assistant qui répond aux clients d’un logiciel de facturation sans inventer de politique commerciale.
Ce que le débutant écrit
Tu es un assistant support pour notre logiciel.
Réponds au client de manière professionnelle et sympathique.
Question du client : {question}Ce que ça casse en production
Demandez-lui « je veux être remboursé, j’ai acheté il y a 3 mois » : il répond « Bien sûr, je lance votre remboursement, vous serez crédité sous 5 jours ». Il n’a aucun moyen de lancer quoi que ce soit, et la politique réelle est de 14 jours. Le modèle a comblé le vide, poliment. C’est le mode d’échec numéro un en support : il ne dit pas non, il improvise une promesse que l’entreprise devra tenir.
La version corrigée
Tu réponds aux clients de Facturio (logiciel de facturation, 12 €/mois).
SOURCE DE VÉRITÉ — n’utilise que ces faits :
- Remboursement : possible dans les 14 jours suivant l’achat, sans condition.
Au-delà de 14 jours : aucun remboursement, sans exception.
- Résiliation : à tout moment depuis Réglages > Abonnement. Effet en fin de mois payé.
- Facture perdue : re-téléchargeable dans Historique pendant 10 ans.
- Panne : status.facturio.fr
RÈGLES
1. Si la réponse n’est pas dans la source de vérité ci-dessus, tu écris
exactement : « Je passe la main à un collègue, il vous répond avant 18h. »
N’invente jamais un délai, un prix, un geste commercial ou une exception.
2. Tu ne promets aucune action que tu ne peux pas faire toi-même.
Tu expliques au client où cliquer.
3. 4 phrases maximum. Pas de formule d’ouverture, réponds directement.
4. Si le client est en colère, une phrase qui reconnaît le problème,
puis la réponse factuelle. Pas de « je comprends parfaitement votre
frustration ».
EXEMPLE
Client : « Je veux un remboursement, j’ai payé il y a 3 mois. »
Toi : « Au-delà de 14 jours, nous ne faisons pas de remboursement — c’est la
règle et je ne peux pas y déroger. En revanche vous pouvez résilier
maintenant dans Réglages > Abonnement, vous ne serez plus prélevé le mois
prochain. »
Question du client : {question}Pourquoi ça marche
Trois choses font le travail. La source de vérité fermée : le modèle ne peut plus improviser une politique, elle est écrite. La phrase d’échappement exacte, mot pour mot : sans elle, un modèle sommé de « ne pas inventer » invente quand même, parce qu’il n’a pas de porte de sortie. L’exemple qui montre un refus : c’est lui qui autorise le modèle à dire non — sans démonstration, il retombe sur sa pente naturelle, faire plaisir. Notez que l’exemple est précisément le cas qui cassait avant.
Cas 2 — Extraction de données
Transformer des factures fournisseurs PDF en lignes exploitables en comptabilité.
Ce que le débutant écrit
Extrais les informations importantes de cette facture
et renvoie-les en JSON.
{texte_facture}Ce que ça casse en production
Sur 20 factures, vous obtenez 20 structures différentes : tantôt « total », tantôt « montant_ttc », tantôt « totalAmount ». Les dates oscillent entre 03/04/2026 et 2026-04-03. Et sur une facture où le numéro de TVA est absent, le modèle en produit un qui a l’air parfaitement valide. C’est le piège : une hallucination sur un champ d’identification ne se voit pas à l’œil nu, elle se voit trois mois plus tard au contrôle.
La version corrigée
Tu extrais des données de factures fournisseurs. Tu ne fais que copier
ce qui est écrit. Tu n’en déduis rien, tu n’en calcules rien.
Renvoie exactement ce schéma JSON, sans texte autour :
{
"numero_facture": string | null,
"date_emission": string | null, // format ISO strict AAAA-MM-JJ
"fournisseur_nom": string | null,
"fournisseur_tva": string | null, // tel qu’imprimé, espaces retirés
"montant_ht": number | null, // point décimal, jamais de virgule
"montant_tva": number | null,
"montant_ttc": number | null,
"devise": string | null, // code ISO, ex "EUR"
"champs_illisibles": string[] // noms des champs ci-dessus mis à null
}
RÈGLES
- Champ absent ou illisible → null, ET son nom ajouté dans
"champs_illisibles". Ne devine jamais, même si la valeur semble évidente.
- Ne recalcule pas un montant manquant à partir des autres. Si le HT n’est
pas imprimé, c’est null — même si tu as le TTC et le taux.
- Date ambiguë (03/04/2026) : regarde le pays du fournisseur. Si tu ne peux
pas trancher → null + "date_emission" dans "champs_illisibles".
- Plusieurs totaux (acompte, solde) : prends celui étiqueté « Total TTC ».
{texte_facture}Pourquoi ça marche
Le schéma explicite supprime la variabilité de structure : c’est du contrat, pas du style. Mais le vrai gain est ailleurs. Le tableau champs_illisibles rend le doute lisible par une machine : au lieu d’un JSON confiant et faux, vous obtenez une ligne qui part en revue humaine. L’interdiction de recalculer est contre-intuitive et pourtant décisive — un modèle qui recalcule un HT à partir du TTC produit un chiffre juste 95 % du temps, et c’est justement ce qui rend les 5 % indétectables.
Cas 3 — Génération de contenu
Écrire un article de blog pour un cabinet comptable, sans qu’il sente le texte généré.
Ce que le débutant écrit
Écris un article de blog optimisé SEO sur la facturation
électronique obligatoire pour les PME. Ton professionnel.Ce que ça casse en production
Vous récupérez « Dans un monde où la digitalisation transforme les entreprises, la facturation électronique s’impose comme un véritable enjeu incontournable ». Suivent 1 200 mots qui n’avancent aucune date, aucun seuil, aucun montant d’amende. Le texte est grammaticalement irréprochable et informationnellement vide. Pire : il affirme des échéances au passage, et elles sont fausses, parce que le modèle les a produites de mémoire.
La version corrigée
Tu écris pour le blog d’un cabinet comptable de Bordeaux. Lecteur type :
gérant d’une PME de 8 salariés, pas comptable, qui veut savoir ce qu’il doit
faire et quand.
MATIÈRE — n’utilise que les faits ci-dessous. Tu n’ajoutes aucune date,
aucun seuil, aucun montant qui n’y figure pas. Si un fait te manque pour
une affirmation, tu ne l’écris pas.
{faits_sourcés}
FORME
- 700 mots. Titre en question. Réponse à cette question dans les
2 premières phrases, pas au 4e paragraphe.
- Une action concrète par section : quoi faire, avant quand.
- Chiffres et dates uniquement issus de la matière, chacun suivi de sa
source entre parenthèses.
INTERDITS — ces tournures sortent le texte du registre :
« dans un monde où », « à l’ère de », « incontournable », « véritable
enjeu », « il est important de noter », « plongeons dans », « que vous soyez
X ou Y », toute conclusion qui commence par « En conclusion ».
RYTHME
Varie la longueur des phrases. Après une phrase longue et articulée,
une phrase courte. Comme ça.
Écris comme si tu expliquais à un client au comptoir : il veut savoir
combien, à partir de quand, et ce qu’il risque s’il ne fait rien.Pourquoi ça marche
La contrainte utile n’est pas le ton, c’est la matière. Tant que le modèle a le droit de puiser dans sa mémoire, il produit des dates plausibles et fausses — {faits_sourcés} lui retire ce droit. La liste d’interdits marche parce qu’elle est littérale : « évite le jargon marketing » ne produit aucun effet mesurable, une liste de tournures bannies se vérifie au grep. Et l’instruction de rythme casse la signature la plus reconnaissable d’un texte généré : des phrases toutes de la même longueur.
Regardez ce que ces trois corrections ont en commun. Aucune n’est une trouvaille de formulation. Aucune ne relève du « mot magique ». Ce sont des règles de gestion, un schéma de données, une source de vérité fermée, une porte de sortie explicite. Le métier ressemble beaucoup plus à de la spécification qu’à de l’écriture. Voilà pourquoi il finit chez des ingénieurs.
Salaires : pourquoi les chiffres publiés sont incohérents
En résumé : il n’existe pas de statistique fiable sur le salaire d’un Prompt Engineer en France, pour une raison mécanique — on ne peut pas calculer la moyenne d’un titre que presque personne ne publie. Toute fiche qui vous donne une fourchette précise vous donne en réalité une estimation habillée en donnée.
Un exemple, vérifiable. La fiche de Guardia, bien classée sur cette requête, annonce 5 850 € brut/mois en début de carrière et 16 150 € brut/mois pour un profil confirmé — soit 70 200 € à 193 800 € par an. Elle attribue ces chiffres à « une enquête interne + Michael Page + Hays ». Trois problèmes, tous constatables en ouvrant la page le 16 juillet 2026 : la même page affiche ailleurs 3 100 € brut/mois pour un débutant, ce qui contredit son propre encadré ; le petit texte de précaution parle des « métiers de la cybersécurité », vestige d’un autre guide copié-collé ; et 193 800 € par an ne correspond à aucune offre observable en France sur ce périmètre.
Je ne cite pas ça pour taper sur un concurrent. Je le cite parce que c’est exactement le genre de chiffre qui décide quelqu’un à s’endetter pour une formation.
Ce que je peux défendre
Puisque les offres réelles s’appellent AI Engineer, la seule grille utile est celle de l’AI / ML Engineer. Les fourchettes ci-dessous sont une estimation construite sur les niveaux de rémunération observés sur ce type de postes en France, pas le résultat d’une étude statistique — et je préfère l’écrire plutôt que de vous vendre une fausse précision.
Début de carrière
35 000 € - 45 000 €
brut / an
Confirmé
45 000 € - 65 000 €
brut / an
Senior
70 000 € - 100 000 €
brut / an
Estimation metiers-ia.fr, alignée sur les offres AI / LLM Engineer relevées en France. Mise à jour le 16 juillet 2026. Pour vérifier de votre côté, les études de rémunération publiées chaque année par Hays et Michael Page sont consultables gratuitement — regardez la ligne AI / ML Engineer, pas Prompt Engineer.
Le TJM freelance
Comptez 400 à 900 € par jour selon le niveau et la mission. Là encore, c’est un ordre de grandeur issu de ce qui se pratique sur les plateformes de freelance, pas une statistique publiée. Deux choses expliquent presque tout l’écart dans cette fourchette.
Le bas de la fourchette, c’est de l’optimisation de prompts sur l’outil d’un client : mission courte, résultat difficile à chiffrer, donc prix tiré vers le bas. Le haut, c’est « mon assistant se trompe une fois sur dix et je ne sais pas pourquoi » : là, vous vendez du diagnostic, des évaluations et une correction mesurable. C’est la même compétence, vendue comme un résultat plutôt que comme des heures.
Franchement, si vous démarrez : le freelance sur ce créneau est plus dur qu’il n’en a l’air. Le client ne sait pas évaluer votre travail, il ne voit que la sortie du modèle. Sans références, vous passez beaucoup de temps à justifier la facture.
Codes ROME et appellations officielles
En résumé : il n’existe aucun code ROME « Prompt Engineer ». Le répertoire de France Travail ne contient pas cette appellation, vérifié le 16 juillet 2026. Les fiches qui en annoncent un font un rattachement par proximité — et le fait qu’elles ne citent pas les mêmes codes prouve que c’est un choix éditorial, pas une donnée officielle. Guardia retient M1802 ; ISEFAC en cite quatre : M1805, M1806, E1103 et M1403.
| Code | Intitulé officiel | Ce que j’en pense |
|---|---|---|
| M1805 | Études et développement informatique | Le rattachement le plus défendable pour un poste orienté intégration LLM. Aucune appellation « prompt » n’y figure. |
| M1806 | Conseil et maîtrise d’ouvrage en systèmes d’information | Plutôt pour un profil cadrage / AI Product, pas pour un poste technique. |
| M1802 | Expertise et support en systèmes d’information | Cité par Guardia. Discutable : cette fiche vise l’expertise support SI, pas le développement. |
| E1103 | Communication | Rattachement héritage de l’époque « le prompt, c’est de la rédaction ». Peu pertinent en 2026. |
| M1403 | Études et prospectives socio-économiques | Le plus éloigné du poste réel. À ignorer. |
Concrètement, à quoi ça vous sert ? À une chose : si vous montez un dossier France Travail, un financement ou une VAE, indiquez M1805. C’est le rattachement qu’un conseiller acceptera sans discuter, parce qu’il décrit ce que vous ferez vraiment. Ne cherchez pas le code « exact », il n’existe pas.
Les autres noms du poste
En français officiel, vous croiserez « ingénieur de requête » et « ingénieur d’invite » — deux traductions que je n’ai jamais entendues dans la bouche d’un praticien, mais qui apparaissent dans les nomenclatures. Sur le marché réel, les noms qui comptent sont AI Engineer, LLM Engineer, GenAI Engineer, Applied AI Engineer, Agentic AI Engineer et, depuis peu, Context Engineer. Ce sont ces mots-là qu’il faut mettre dans vos alertes emploi.
Entrer sans Bac+5 : le portfolio contre le diplôme
Les offres demandent Bac+5. C’est écrit, et je ne vais pas vous raconter le contraire. Mais sur ce créneau précis, le diplôme n’est pas le filtre le plus dur, parce que le recruteur a un problème : il ne sait pas évaluer la compétence. Elle est trop récente pour qu’un diplôme la certifie. Du coup il regarde ce que vous avez construit. C’est votre ouverture.
- 1
Un dépôt public de prompts documentés (un week-end)
Cinq à dix cas, sur le modèle des trois exemples plus haut : version naïve, ce qu’elle casse, version corrigée, pourquoi. Prenez-les dans le métier que vous quittez — c’est là que vous savez ce qui casse vraiment, et c’est précisément ce qu’un ingénieur généraliste ne sait pas. Une aide-soignante qui documente le résumé de transmissions infirmières a quelque chose qu’un diplômé de 23 ans n’a pas.
- 2
Un RAG qui tourne pour de vrai (deux à trois week-ends)
Prenez un corpus que vous connaissez : la convention collective de votre ancien secteur, la doc d’un logiciel, des comptes rendus. Découpez, indexez, interrogez. Le but n’est pas la prouesse technique, c’est de pouvoir répondre en entretien à « qu’est-ce qui a été dur ? » avec autre chose qu’une généralité. Le découpage, presque toujours.
- 3
Un jeu d’évaluations — la pièce qui vous distingue
Trente cas de test avec la sortie attendue, et un score avant / après vos corrections. C’est la partie que personne ne fait, y compris les diplômés, et c’est celle qui prouve que vous pensez comme un ingénieur : vous mesurez au lieu d’affirmer. Si vous ne devez faire qu’une seule chose de cette liste, faites celle-là.
- 4
En entretien : parlez chiffres, pas passion
« J’adore l’IA et je me forme tous les jours » ne vaut rien, tout le monde le dit. « Mon extracteur passait 62 % des cas, j’ai ajouté un champ de doute et un schéma strict, je suis à 91 %, et voilà les 9 % qui échouent encore » vous met immédiatement à part. Assumer les 9 % qui ratent est un signal de sérieux, pas un aveu de faiblesse.
Un avertissement, parce que je ne vends rien et que je peux me permettre d’être direct : ce chemin marche pour un premier poste d’AI Engineer junior ou pour des missions freelance. Il ne vous mettra pas à 90 k€ en six mois. Les gens qui vous promettent ça vous vendent une formation.
Ce métier est-il fait pour vous ?
Foncez si...
- Vous savez lire du Python et appeler une API sans que ça vous coûte votre soirée.
- Vous aimez le travail d’enquête : comprendre pourquoi une sortie sur 50 est fausse, pas juste constater que « ça marche à peu près ».
- Vous acceptez d’écrire des évaluations, c’est-à-dire des tests. C’est 60 % du métier réel et ce n’est pas la partie créative.
- Vous avez un domaine à vous — juridique, santé, compta, e-commerce. C’est ce qui vous rend meilleur qu’un ingénieur généraliste sur ce cas d’usage.
- Le changement permanent vous amuse. Un modèle sort, la moitié de vos réglages devient inutile, et ça ne vous déprime pas.
Passez votre chemin si...
- Vous cherchez un métier créatif où l’on écrit des textes toute la journée. Ce n’est pas ça, c’est de l’ingénierie logicielle avec un composant non déterministe.
- Vous visez l’intitulé « Prompt Engineer » sur votre carte de visite. Regardez le relevé plus haut : il n’est presque plus publié.
- Vous voulez un salaire à 90 k€ après une formation de 42 h. Les offres à ce niveau demandent du système, du déploiement, des évaluations.
- Vous voulez de la stabilité. Le périmètre du poste a changé trois fois en trois ans et rien n’indique que ce soit terminé.
- Vous n’aimez pas déboguer. Un LLM échoue de façon floue et intermittente : c’est le débogage le plus ingrat qui soit.
Les formations, comparées sans commission
Transparence. metiers-ia.fr affiche ailleurs des liens partenaires qui peuvent rapporter une commission, et c’est indiqué dans nos mentions légales. Cette page-ci n’en contient aucun, et aucun organisme cité ci-dessous ne nous rémunère. Si ça change un jour, ce sera écrit ici.
Tutoriel Prompt Engineering — Anthropic
Ce qu’on y apprend : Les techniques, expliquées par ceux qui construisent le modèle. Le meilleur rapport temps/valeur du marché.
L’écart avec le job : Aucun accompagnement, aucun certificat. Il faut de la discipline.
ChatGPT Prompt Engineering for Developers — DeepLearning.AI
Ce qu’on y apprend : Bases solides côté API et itération sur les prompts. Suppose que vous lisez du Python.
L’écart avec le job : Ne couvre ni le RAG en production, ni les évaluations, ni le déploiement.
Formation Prompt Engineer — Jedha
Ce qu’on y apprend : Productivité et outillage IA générative (ChatGPT, Gemini, Claude), accessible sans coder.
L’écart avec le job : Cible la productivité individuelle. Ce n’est pas ce que demandent les offres d’AI Engineer relevées ci-dessus.
Master informatique / TAL (Bac+5)
Ce qu’on y apprend : Bases réelles en ML, systèmes et données. C’est ce qui ouvre les postes à 70 k€+.
L’écart avec le job : Deux ans. Si vous êtes en reconversion à 35 ans, l’arbitrage n’est pas évident.
Mon avis, puisque je n’ai pas de programme à remplir : commencez par le gratuit. Le tutoriel d’Anthropic et le cours de DeepLearning.AI couvrent les techniques que 90 % des formations payantes revendent. Si après ça vous butez sur le déploiement, les évaluations, le RAG en production — alors payez, mais payez pour ça, pas pour apprendre le few-shot. Et regardez la ligne « écart avec le job » : une formation de 42 h qui vous rend plus productif est une bonne chose, ce n’est simplement pas ce que demandent les offres relevées plus haut.
Durées et tarifs vérifiés le 16 juillet 2026 sur les sites des organismes. Ils changent — vérifiez avant de vous engager.
Sources
- Relevé personnel des pages de résultats Indeed France et LinkedIn France, requêtes « prompt engineer », « ai engineer », « llm engineer », « machine learning engineer ». Mai à juillet 2026, dates par ligne dans le tableau.
- Anthropic, Effective context engineering for AI agents — définitions du prompt engineering et du context engineering.
- Répertoire ROME de France Travail — intitulés des fiches M1805, M1806, M1802, E1103, M1403 vérifiés le 16 juillet 2026.
- Jedha — Formation Prompt Engineer : durée et tarif relevés le 16 juillet 2026.
- Fiche métier Prompt Engineer de Guardia School — chiffres salariaux et code ROME relevés le 16 juillet 2026 pour comparaison.
Une erreur, un chiffre qui a bougé, un relevé que vous obtenez différent du mien ? Écrivez à yohann@kipdev.io, la page sera corrigée et la correction datée.
Questions fréquentes
Le métier de Prompt Engineer existe-t-il vraiment en 2026 ?
Les compétences existent et se paient. Le titre, beaucoup moins. Le 16 juillet 2026, la recherche « prompt engineer » renvoie « plus de 200 emplois » sur Indeed France et 905 sur LinkedIn, mais aucune des offres affichées en première page ne porte réellement cet intitulé : ce sont des postes d’AI Engineer, LLM Engineer ou Machine Learning Engineer. Visez les compétences, pas l’intitulé.
Quel est le code ROME du Prompt Engineer ?
Aucun. Le répertoire ROME de France Travail ne contient aucune appellation « Prompt Engineer ». Les fiches qui en annoncent un font un rattachement par proximité, et elles ne citent pas les mêmes codes : M1802 chez l’une, M1805/M1806/E1103/M1403 chez une autre. Un rattachement plausible est M1805 (Études et développement informatique).
Combien gagne un Prompt Engineer en France ?
Il n’existe pas de statistique fiable, puisque presque aucune offre ne porte le titre. La référence utile est la grille AI / ML Engineer : environ 35-45 k€ brut par an en début de carrière, 45-65 k€ confirmé, 70-100 k€ senior. Méfiez-vous des fiches annonçant 16 150 €/mois : ce chiffre ne correspond à aucune offre observable.
Peut-on devenir Prompt Engineer sans diplôme ?
Oui, mais pas sans preuves. Le diplôme n’est pas le filtre principal sur ces postes : le portfolio l’est. Un dépôt public avec 5 à 10 prompts documentés (version naïve, version corrigée, pourquoi), un petit RAG qui tourne et un jeu d’évaluations pèsent plus qu’une ligne sur un CV. C’est faisable en quelques week-ends.
Faut-il payer une formation au prompt engineering ?
Pas nécessairement. Les meilleures ressources sont gratuites : le tutoriel de prompt engineering d’Anthropic et le cours de DeepLearning.AI couvrent l’essentiel des techniques. Une formation payante comme celle de Jedha (42 h, 1 500 €, éligible CPF, vérifié le 16 juillet 2026) achète du cadre et de l’accompagnement, pas un savoir introuvable ailleurs.
Quelle différence entre prompt engineering et context engineering ?
Le prompt engineering porte sur la rédaction d’instructions, surtout le system prompt. Le context engineering, terme repris par Anthropic, désigne la gestion de l’ensemble des tokens présents pendant l’inférence : ce qu’on récupère, ce qu’on compresse, ce qu’on retire. C’est la partie qui se paie aujourd’hui, parce qu’elle relève de l’ingénierie et pas de la formulation.
Les fiches métiers correspondantes
Si vous avez lu jusqu’ici, la suite logique n’est pas la fiche Prompt Engineer — c’est celle d’Ingénieur IA, parce que c’est l’intitulé sous lequel ces offres sont publiées.
Prompt Engineer
Le Prompt Engineer est un spécialiste de l'interaction avec les modèles de langage (LLM) et les systèmes d'IA générative. Son rôle consiste à concevoir, optimiser et structurer les instructions (prompts) données aux modèles d'IA pour obtenir des résultats précis, fiables et adaptés aux besoins de l'entreprise. Métier émergent né avec l'essor de ChatGPT et des grands modèles de langage, le Prompt Engineer se situe à la croisée de la linguistique, de la logique et de la compréhension technique des systèmes d'IA. En 2026, ce profil est de plus en plus recherché par les entreprises qui souhaitent exploiter pleinement le potentiel de l'IA générative.
Ingénieur IA
L'Ingénieur IA (Ingénieur en Intelligence Artificielle) conçoit, développe et intègre des solutions intelligentes dans les systèmes informatiques des entreprises. Généraliste de l'intelligence artificielle, il maîtrise aussi bien les algorithmes de machine learning que les techniques de traitement du langage naturel, de vision par ordinateur ou de systèmes de recommandation. En 2026, l'Ingénieur IA joue un rôle central dans la transformation digitale des organisations, en rendant les applications et les processus plus intelligents et plus autonomes grâce à l'IA.
AI Product Manager
L'AI Product Manager est responsable de la stratégie, de la conception et du développement de produits intégrant l'intelligence artificielle. Il fait le lien entre les équipes techniques (data scientists, ingénieurs ML) et les parties prenantes business pour définir la vision produit, prioriser les fonctionnalités IA et s'assurer que les solutions développées apportent une réelle valeur aux utilisateurs. Ce rôle stratégique requiert une double compétence technique et business, ainsi qu'une compréhension fine des possibilités et des limites de l'IA.