# Ingénieur IA au Maroc : rôle, compétences et feuille de route

> Anass Essadikine est développeur full stack et ingénieur Data & IA, basé à Casablanca (Maroc). Il réalise des applications web avec Next.js, React et Spring Boot, et des solutions data et IA : tableaux de bord Power BI, pipelines de données, machine learning, assistants RAG et automatisation n8n.

- Version HTML : https://essadikine.com/fr/blog/ai-engineer-morocco-role-skills-roadmap
- English version (Markdown): https://essadikine.com/md/en/blog/ai-engineer-morocco-role-skills-roadmap.md

- Auteur : Anass Essadikine
- Publié le : 2026-11-14
- Mis à jour le : 2026-11-14

## En bref

Un ingénieur IA construit des logiciels qui utilisent des modèles de machine learning et des grands modèles de langage en production : assistants RAG, classifieurs, agents et pipelines associés. Au Maroc, les employeurs demandent Python, les bases du ML, les LLM, le RAG, le MLOps et un cloud. Un junior se prouve par deux ou trois projets déployés.

## Que fait un ingénieur IA ?

Un **ingénieur IA au Maroc**, comme ailleurs, construit des logiciels qui s'appuient sur des modèles de machine learning ou des grands modèles de langage (LLM) et les fait tourner de façon fiable en production. Le métier consiste moins à inventer de nouveaux algorithmes qu'à choisir le bon modèle, le connecter aux données de l'entreprise, l'intégrer dans une API ou une interface, mesurer sa qualité et maîtriser son coût.

Les missions typiques, dans une entreprise marocaine ou pour un client étranger :

- Construire un **assistant RAG** (génération augmentée par la recherche) qui répond à partir des documents internes ([comment construire un assistant RAG](https://essadikine.com/fr/blog/build-rag-assistant-company-documents)).
- Ajouter une **fonction LLM** à un produit existant : tri d'e-mails ou de tickets, extraction de champs depuis des PDF, résumés, chatbot en français, en arabe ou en darija.
- Entraîner ou ajuster un **modèle de ML classique** (prévision, scoring, détection d'anomalies) quand un LLM n'est pas le bon outil.
- Écrire les **pipelines** qui préparent les données, calculent les embeddings et mettent à jour les index.
- Concevoir des **agents IA et des automatisations** qui appellent des outils et des API ([les agents IA expliqués](https://essadikine.com/fr/blog/ai-agent-definition-examples-business)).
- Mettre en place l'**évaluation, la supervision et les garde-fous** : jeux de questions de test, suivi des erreurs, journaux, règles d'accès, coût par requête.

## Ingénieur IA, data scientist, ML engineer ou data engineer ?

Les intitulés se recoupent et chaque entreprise les emploie à sa façon, mais le centre de gravité de chaque rôle reste net.

| | Ingénieur IA | Data scientist | ML engineer | Data engineer |
|---|---|---|---|---|
| Objectif | Des fonctions IA dans un produit | Des analyses et modèles à partir des données | Des modèles entraînés, servis et supervisés à l'échelle | Des pipelines et entrepôts fiables |
| Travail typique | Applications LLM, RAG, agents, API | Analyse, expérimentations, statistiques | Pipelines d'entraînement, déploiement, MLOps | ETL / ELT, modélisation, orchestration |
| Outils clés | Python, API LLM, recherche vectorielle, FastAPI, Docker | Python, pandas, scikit-learn, notebooks | PyTorch, MLflow, Kubernetes, feature stores | SQL, Python, Airflow, dbt, Spark |
| Livrable | Une fonction utilisée par les utilisateurs | Un rapport, un modèle, une recommandation | Un modèle en production | Des données propres à temps |

Dans les petites structures, une même personne couvre souvent plusieurs colonnes. La partie données compte plus que beaucoup de débutants ne l'imaginent : une fonction IA ne vaut que par les données qu'elle retrouve. C'est pourquoi le [métier de data engineer](https://essadikine.com/fr/blog/data-engineer-morocco-role-salary-roadmap) est un voisin naturel de celui-ci.

## Quelles compétences les employeurs demandent-ils ?

Dans les offres d'ingénieur IA au Maroc et dans les offres à distance ouvertes aux candidats marocains, les mêmes blocs reviennent.

### Les fondamentaux

- **Python** : fonctions propres, structuration en modules, typage, tests, appels asynchrones aux API.
- **SQL et manipulation de données** : joindre, filtrer et nettoyer les données avant qu'elles n'atteignent un modèle.
- **Bases du machine learning** : séparation entraînement / test, surapprentissage, métriques comme la précision, le rappel ou la MAE. Un premier projet comme [une prévision des ventes en Python](https://essadikine.com/fr/blog/machine-learning-beginners-python-sales-forecast) couvre l'essentiel.
- **Git, Linux et Docker**.

### Deep learning et LLM

- **Deep learning** : ce que sont un réseau de neurones, un embedding et un transformer, avec PyTorch ou TensorFlow à un niveau pratique.
- **API LLM et modèles ouverts** : prompts, sorties structurées, appels de fonctions, limites de tokens, arbitrages entre coût et latence.
- **RAG** : découpage des documents, embeddings, recherche vectorielle (pgvector, une base vectorielle ou un moteur de recherche), reranking, citation des sources.
- **Agents et outils** : savoir quand un agent est utile et quand un workflow simple et déterministe est plus sûr.

### Production et MLOps

- **API** : FastAPI, Flask ou un back-end Java / Node qui appelle le modèle.
- **MLOps** : versionner données et modèles, entraînements reproductibles, CI/CD, suivi de la qualité et de la dérive.
- **Cloud** : un fournisseur maîtrisé en profondeur (Azure, AWS ou GCP) ; Azure OpenAI, Bedrock ou Vertex AI reviennent dans beaucoup d'offres.
- **Sécurité et protection des données** : données personnelles traitées avec soin, dans le respect de la loi marocaine 09-08 et des règles du client.

### Une compétence facile à montrer : l'évaluation

La plupart des projets de débutants s'arrêtent à « ça répond ». Les employeurs veulent voir que vous mesurez. Un contrôle minimal de la recherche en Python, sur un petit jeu de questions dont vous connaissez le bon document source :

```python
def hit_rate(questions, retrieve, k=5):
    """Part des questions dont le document attendu figure dans les k premiers résultats."""
    hits = 0
    for q in questions:
        top_ids = [doc["id"] for doc in retrieve(q["text"], k=k)]
        if q["expected_doc_id"] in top_ids:
            hits += 1
    return hits / len(questions)

# questions = [{"text": "Quelle est la politique de congés ?", "expected_doc_id": "rh-007"}, ...]
# print(f"hit rate @5 : {hit_rate(questions, retrieve):.0%}")
```

Cinquante questions bien choisies et cette fonction suffisent déjà à savoir si un changement de découpage ou d'embeddings a amélioré la recherche, avant même de lire les réponses générées.

## Quel est le salaire d'un ingénieur IA au Maroc ?

Les données salariales publiques sur ce métier précis au Maroc sont rares. La seule grille publiée que nous avons trouvée avec une ligne dédiée à l'ingénieur IA provient du site d'emploi marocain **Jobsquare** ([Salaires ingénieur informatique au Maroc en 2026](https://www.jobsquare.ma/blog/81/salaires-ingenieur-informatique-au-maroc-en-2026-grille-complete-par-specialite/), publiée en avril 2026). Pour un « IA engineer (LLMs, RAG, fine-tuning) », elle indique :

| Niveau (Jobsquare 2026) | Fourchette mensuelle en MAD |
|---|---|
| Junior | 15 000 à 22 000 |
| Confirmé | 25 000 à 45 000 |
| Senior | 45 000 à 80 000 |

Ces chiffres sont à lire avec prudence. La page précise que ses montants sont des salaires bruts mensuels pour le marché Casablanca-Rabat et conseille de retirer 10 à 15 % pour les autres villes, mais elle ne décrit pas comment les chiffres ont été collectés. Considérez-les comme une référence publiée, pas comme une enquête : les offres réelles varient fortement selon l'entreprise, le secteur, le télétravail pour des clients étrangers et le contenu réel du poste. Un intitulé « ingénieur IA » cache parfois un poste de data analyst ou de développeur, et l'inverse existe aussi.

## Feuille de route : ingénieur IA junior en 9 à 12 mois

Ce plan suppose des bases en programmation et 10 à 15 heures par semaine.

| Période | Priorité | Livrable |
|---|---|---|
| Mois 1 à 2 | Python, SQL, Git, Docker | Une petite API qui lit un jeu de données et sert des résultats |
| Mois 3 à 4 | Bases du machine learning avec scikit-learn | Un modèle de prévision ou de classification avec des métriques honnêtes |
| Mois 5 à 6 | Deep learning et embeddings | Une recherche sémantique sur quelques centaines de documents |
| Mois 7 à 8 | Applications LLM et RAG | Un assistant RAG avec citations et un jeu d'évaluation |
| Mois 9 à 10 | MLOps et cloud | L'assistant déployé avec CI/CD, journaux et estimation des coûts |
| Mois 11 à 12 | Agents, portfolio, candidatures | Un projet d'automatisation ou d'agent, un portfolio clair, des candidatures ciblées |

### Les projets de portfolio qui prouvent les compétences

Les recruteurs parcourent beaucoup de liens GitHub. Les projets qui se distinguent sont complets, déployés et expliqués :

1. **Un assistant RAG sur un vrai corpus** (réglementation publique, manuel produit, notes de cours) avec citation des sources, un jeu de test et un court retour sur ce qui n'a pas marché.
2. **Un projet de ML classique** avec une référence de base, un meilleur modèle et une métrique claire, pour montrer que vous savez quand un LLM n'est pas nécessaire.
3. **Une automatisation ou un agent** qui règle un vrai petit problème de bout en bout : par exemple, l'[automatisation de prospection avec n8n](https://essadikine.com/fr/portfolio/ai-prospecting-automation-n8n) transforme une capture d'offre d'emploi en offre suivie et en e-mail personnalisé.
4. **Une contribution à une plateforme riche en données**, si vous en avez une : la [plateforme Data & IA D&A Studio](https://essadikine.com/fr/portfolio/dna-studio-data-ai-platform) réunissait un assistant RAG sur des documents d'entreprise, de la détection d'anomalies et des tableaux de bord dans un même produit.

Pour chaque projet, le README doit répondre à quatre questions : quel problème, quelle architecture, comment la qualité a été mesurée, et quelle serait la suite.

## Travailler comme développeur IA freelance au Maroc

Beaucoup d'entreprises veulent un premier cas d'usage IA avant de recruter une équipe à temps plein, ce qui laisse de la place aux freelances. Les missions les plus fréquentes : assistants documentaires, tri d'e-mails ou de tickets, extraction de données depuis des PDF et automatisations entre outils existants. Quelques pratiques font la différence :

- **Commencer par un périmètre petit et mesurable** : un processus, une source de données, un critère de réussite validé par écrit.
- **Chiffrer la première étape, pas toute la vision** : d'abord une automatisation simple ou une preuve de concept, puis un devis pour l'assistant complet une fois les données connues.
- **Être explicite sur les données** : où elles sont stockées, quelle API les voit, ce qui est journalisé, qui y a accès.
- **Bien transmettre** : documentation, identifiants dans les comptes du client, courte vidéo du workflow.

Pour un exemple de formule, le [service d'automatisation IA et d'assistants RAG](https://essadikine.com/fr/services/ai-automation-rag) démarre à 1 000 MAD pour une automatisation simple, les assistants RAG étant chiffrés après un court échange. Pour l'aspect commercial des débuts, voir [trouver ses premiers clients comme développeur freelance au Maroc](https://essadikine.com/fr/blog/freelance-developer-morocco-first-clients).

## Conclusion

Le métier d'ingénieur IA au Maroc se situe entre le génie logiciel, la data et le machine learning. Les employeurs recherchent un bon niveau en Python, une compréhension pratique du ML et des LLM, des compétences en RAG et en évaluation, et la rigueur nécessaire pour mettre une fonction en production. Les informations salariales sont limitées : comparez les références publiées avec les offres réelles. Deux ou trois projets déployés, avec des métriques honnêtes, restent la preuve la plus claire pour un profil junior.

Pour voir ces compétences appliquées à des projets réels, consultez le [profil d'ingénieur Data & IA](https://essadikine.com/fr/data-ai-engineer).

## Questions fréquentes

### Quelle différence entre un ingénieur IA et un data scientist ?

Le data scientist explore les données, mène des expérimentations et construit des modèles pour répondre à des questions métier. L'ingénieur IA transforme modèles et LLM en fonctions produit qui tournent en production, avec API, supervision, évaluation et maîtrise des coûts. Dans les petites équipes, une même personne fait souvent les deux.

### Peut-on devenir ingénieur IA au Maroc sans master ?

La plupart des offres demandent un diplôme d'ingénieur ou un master, mais des projets déployés solides, un GitHub clair et un bon niveau en Python et SQL peuvent compenser, surtout dans les startups, les agences et les postes à distance. Le stage PFE reste la voie d'entrée la plus courante pour les étudiants.

### Quel est le salaire d'un ingénieur IA junior au Maroc ?

Les données publiques fiables sont rares. La grille Jobsquare 2026 indique 15 000 à 22 000 MAD brut par mois pour un ingénieur IA junior à Casablanca et Rabat, sans décrire sa méthode. Prenez-la comme une référence parmi d'autres et comparez-la aux fourchettes affichées dans les offres réelles.

### Faut-il maîtriser le deep learning pour travailler avec des LLM ?

Inutile d'entraîner de grands modèles, mais il faut comprendre les embeddings, les transformers, les tokens et pourquoi les modèles hallucinent. Ces notions aident à concevoir la recherche, les prompts et l'évaluation au lieu de deviner quand une réponse est fausse.

### Quel premier projet pour un futur ingénieur IA ?

Un assistant RAG sur un vrai corpus public, avec citation des sources et un petit jeu d'évaluation, est le premier projet le plus utile. Il couvre Python, les embeddings, la recherche vectorielle, les prompts, une API et le déploiement dans un seul livrable que les recruteurs comprennent vite.
