Find your next tech and IT Job or contract AI Agent

Contexte : Une entreprise technologique internationale en forte croissance recherche un consultant freelance pour accélérer le déploiement et l'industrialisation de solutions d'IA générative au service de ses opérations internes. L'objectif est de concevoir, développer et déployer des agents IA capables d'automatiser des processus métier, d'interagir avec différents outils de l'entreprise et d'améliorer significativement l'efficacité opérationnelle. Vous rejoindrez une équipe transverse travaillant en étroite collaboration avec les équipes Data, Architecture, Opérations et métiers. Missions : Conception et développement d'agents IA · Concevoir et développer des agents IA capables d'exécuter des tâches complexes et multi-étapes. · Définir les architectures d'agents : prompts, mémoire, outils, règles métier et mécanismes de contrôle. · Construire rapidement des prototypes puis les faire évoluer vers des solutions robustes et industrialisées. · Développer des cas d'usage concrets à forte valeur ajoutée pour les équipes internes. Intégration aux systèmes de l'entreprise · Connecter les agents aux applications internes et aux différentes sources de données. · Mettre en place les intégrations nécessaires via API, webhooks ou connecteurs. · Permettre aux agents d'agir directement sur les systèmes métiers dans un cadre sécurisé. · Garantir la fiabilité des échanges et des traitements automatisés. Industrialisation et amélioration continue · Mesurer la performance des agents déployés. · Analyser les retours utilisateurs et identifier les axes d'amélioration. · Optimiser la qualité, la fiabilité et la pertinence des réponses. · Définir les standards de développement et de maintenance des agents. Sécurité et gouvernance · Mettre en place les garde-fous nécessaires au bon fonctionnement des agents. · Garantir la conformité avec les exigences de sécurité et de gouvernance des données. · Documenter les cas d'usage, les limitations et les indicateurs de performance. Adoption et accompagnement · Accompagner les équipes dans l'utilisation des solutions déployées. · Participer à la diffusion des bonnes pratiques autour de l'IA générative. · Contribuer à la structuration d'un écosystème d'agents réutilisables et évolutifs. Profil recherché : · 3 à 7 ans d'expérience en développement logiciel, Data Engineering, Machine Learning ou IA appliquée. · Expérience concrète dans la conception et le déploiement de solutions basées sur les LLM. · Très bonne maîtrise de Python. · Bonne compréhension des architectures d'agents et des workflows IA. · Expérience des intégrations via API, webhooks et connecteurs. · Expérience de mise en production de solutions IA. Compétences recherchées : · IA Générative · LLM · Agentic AI · RAG · Prompt Engineering · Evaluation et monitoring des modèles · Tool Calling · Multi-agent systems · MCP (Model Context Protocol) · Développement · Python · SQL · APIs REST · JSON · Intégrations systèmes · Frameworks et outils Une expérience sur tout ou partie des outils suivants est appréciée : · LangChain · LangGraph · LlamaIndex · OpenAI · Anthropic · Mistral · Gemini · n8n · Make · Zapier · Cloud · AWS · GCP · Azure

Mission : Projeter, définir et piloter le développement du SI dans son ensemble. S'appuyer sur la stratégie de l’entreprise, notamment en matière de sécurité et de risques. Définir une architecture agile, pérenne et évolutive Piloter les développements, etc... Environnement technique : - Data Models, Data Lineage, …. - Maîtrise des techniques de l’environnement Data; Big Data; Analytics, - DataViz - Expertise en architecture SI - Expertise en architecture et modélisation BDD - Maitrise du SI de l’entreprise dans son ensemble : Afin de proposer la bonne solution pouvant s’intégrer dans le SI de l’entreprise, etc... Les missions sont: 1- Conception et développement d’agents autonomes avec LangGraph : - Architectur des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle). -Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows). -Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute). 2- Intégration avec des pipelines ML/MLOps existants : -Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines. -Automatisation de versioning des agents et leur déploiement. 3- Ingénierie des données et features pour les agents : -Construction des pipelines de données pour alimenter les agents -Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques). -Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases). 4- Tests et robustesse : -Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes). -Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith. -Documentation des limites et cas d’usage (ex: matrice de risques pour les décisions critiques). Compétences souhaitées: Expérience avancée avec LangGraph : -Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs. -Expérience en déploiement d’agents en production. Python et écosystème IA : -Bibliothèques : langgraph, langchain, llama-index, pydantic. -Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).

• Profil recherché : Business Analyst • Nombre de prestations : 2 • Contexte de la mission : Le projet s’inscrit dans la transformation digitale de la chaîne de valeur Commerciale. Il vise à déployer une fonctionnalité “Talk to your data”, permettant aux collaborateurs d’interroger les données en langage naturel grâce à un AI Agent (LLM) capable de générer automatiquement des requêtes SQL fiables. L’environnement technique repose sur Snowflake, incluant les fonctionnalités AI Cortex, et s’appuie sur une organisation Agile (Scrum). Le produit est actuellement utilisé par 35 utilisateurs, avec un objectif d’extension à 700+ utilisateurs d’ici fin 2026. La mission se concentre sur le backend et la couche sémantique, garantissant la qualité, la cohérence et la pertinence des requêtes générées par l’IA.

Contexte Dans le cadre de l'accélération de ses projets d'IA générative, notre client renforce plusieurs équipes travaillant sur des plateformes de Knowledge Graphs et d' IA agentique . L'objectif est de construire et d'industrialiser des architectures permettant d'exploiter des sources de données complexes au travers de graphes de connaissances et d'agents intelligents. Les expertises sur ces sujets étant encore rares, nous recherchons un consultant senior capable d'intervenir aussi bien sur les aspects architecture que sur l'industrialisation des plateformes. Missions Vous interviendrez sur plusieurs sujets autour des architectures IA de nouvelle génération : Concevoir et faire évoluer des plateformes de Knowledge Graphs . Participer à la modélisation et à l'intégration de multiples sources de données dans des graphes de connaissances. Développer des architectures d'IA agentique basées sur des frameworks modernes. Industrialiser les déploiements des plateformes Graph et IA. Concevoir et maintenir les pipelines CI/CD associés. Déployer les composants sur des environnements Kubernetes et Cloud. Accompagner les équipes projets dans les bonnes pratiques d'architecture et d'exploitation. Contribuer aux choix techniques et à la définition des standards autour des Graphs et des Agents IA.

🤖 Notre client, leader industriel français, fait face à un enjeu stratégique majeur : moderniser son support IT en exploitant les capacités de l'intelligence artificielle générative. Vous rejoindrez une équipe en charge de concevoir et d'industrialiser une plateforme interne révolutionnaire basée sur des agents IA autonomes, capables d'investiguer et de résoudre automatiquement des incidents IT critiques. **Contexte et enjeux** L'organisation dispose actuellement d'une expertise limitée sur les architectures Agentic AI et plateformes IA avancées. Votre mission consistera à combler ce gap d'expertise et à transformer la manière dont les équipes IT gèrent les incidents. La plateforme devra orchestrer intelligemment plusieurs systèmes d'entreprise (Splunk pour le monitoring, ServiceNow pour la gestion d'incidents, Grafana pour la visualisation, et autres outils internes) pour automatiser l'analyse des problèmes et proposer des solutions sans intervention humaine. **Responsabilités principales** Vous serez responsable de l'architecture et du développement d'une solution multi-agents utilisant les frameworks d'IA les plus avancés (Microsoft Agent Framework, LangChain). Vous concevrez des agents spécialisés capables de croiser les données provenant de multiples sources, d'analyser les logs complexes, de proposer des diagnostics et d'automatiser les workflows de résolution. Parallèlement, vous devrez assurer l'industrialisation complète : pipelines CI/CD robustes avec GitLab, déploiement en environnement Kubernetes avec Helm, observabilité fine (Grafana, Prometheus, OpenTelemetry) et conformité sécurité. **Environnement technique et méthodologie** Stack technique : Python 3.x en backend, orchestration d'agents IA via LangChain/Microsoft frameworks, intégration API REST, Kubernetes/Docker pour la containerisation, GitLab pour le versioning et la CI/CD, Helm pour la gestion des déploiements. Approche agile/Scrum avec itérations régulières et delivery incrémentale. Vous travaillerez dans un contexte industriel exigeant, avec des standards entreprise stricts en matière de qualité, sécurité et traçabilité. **Livrables et impact** Architecture détaillée des agents IA et workflows d'orchestration ; codebase Python production-ready avec couverture de tests ; pipelines CI/CD automatisées et sécurisées ; infrastructure Kubernetes maîtrisée ; documentation technique complète et transfert de compétences aux équipes support. Vous aurez l'opportunité rare de façonner une solution avant-gardiste en IA appliquée à l'IT ops, avec visibilité directe sur l'impact métier. **Conditions d'engagement** Basé à Clermont-Ferrand, avec 2 à 3 jours de présence sur site par semaine minimum. Mission démarrage immédiat, engagement jusqu'au 31 décembre 2026, renouvelable. Vous évoluerez aux côtés de petites équipes agiles et d'experts métier reconnus.

Contexte Dans le cadre de l’innovation autour du support IT, Michelin développe une plateforme interne basée sur l’IA (BibOps) pour automatiser l’analyse et la résolution des incidents. Le projet vise à mettre en place des agents IA autonomes (Agentic AI) capables d’investiguer des incidents en croisant plusieurs outils (Splunk, ServiceNow, Grafana…). 👉 Contexte clé : manque d’expertise interne sur l’IA avancée , nécessité d’un profil senior capable de structurer et industrialiser la solution. Positionnement Rôle : Développeur Senior Python orienté IA Position : référent technique sur les sujets IA / DevOps Collaboration avec : équipes IT / SRE équipes Data / Produit équipes Support Mission principale Concevoir, développer et industrialiser une plateforme d’agents IA avancés pour automatiser l’investigation des incidents IT. Missions principales 🧠 1. Développement IA Concevoir et implémenter des agents IA : Microsoft Agent Framework LangChain Mettre en place des architectures : multi-agents systèmes orchestrés Développer des solutions RAG (Retrieval Augmented Generation) Automatiser les workflows d’investigation IT ⚙️ 2. Backend & intégration Développer en Python Concevoir des APIs et services backend Connecter la plateforme IA aux outils internes : Splunk ServiceNow Grafana Mettre en place : tests unitaires tests d’intégration 🚀 3. DevOps & industrialisation Construire et maintenir des pipelines CI/CD (GitLab) Déployer sur Kubernetes (Docker, Helm) Mettre en place l’observabilité : Grafana Prometheus OpenTelemetry Garantir : qualité sécurité traçabilité 🔧 4. Run & exploitation Gérer les déploiements Kubernetes Assurer la sécurité : certificats gestion des credentials Participer aux : code reviews documentation technique Compétences requises ✅ Indispensables Python (3+ ans minimum) Expérience en : LLM / Agentic AI / orchestration IA Kubernetes + Docker CI/CD ( GitLab ) Observabilité : Grafana Prometheus Développement : APIs REST tests automatisés

Acteur international de la tech SaaS, notre client développe des solutions innovantes permettant à de grandes entreprises de digitaliser et automatiser leurs opérations à grande échelle. Présente à l’international avec plusieurs centaines de collaborateurs, l’entreprise poursuit aujourd’hui une forte accélération autour de l’IA générative et des systèmes agentiques afin d’automatiser des workflows métiers complexes. Dans ce contexte, elle recherche un profil capable de concevoir, industrialiser et déployer des agents IA internes à fort impact opérationnel. Poste basé à Paris ou Bordeaux avec présence sur site plusieurs jours par semaine. Le poste Vous rejoignez une équipe transverse travaillant sur la conception et l’industrialisation d’agents IA destinés à automatiser des processus métiers internes. L’objectif : transformer des expérimentations IA déjà lancées en véritables produits robustes, scalables et utilisés au quotidien par les équipes. Vous interviendrez sur des sujets mêlant : IA générative, orchestration d’agents, automatisation de workflows, intégration API, data, tooling interne. Vos missionsConception & développement d’agents IA Concevoir des agents IA orientés workflow métier. Construire des systèmes multi-étapes intégrant prompts, outils, mémoire et guardrails. Prototyper rapidement puis industrialiser les solutions développées. Intégration & automatisation Connecter les agents aux outils internes (CRM, data platforms, ticketing, documentation…). Développer des intégrations API, webhooks et connecteurs. Orchestrer des workflows automatisés fiables et maintenables. Amélioration continue Tester les agents avec les utilisateurs internes. Mesurer performance, adoption et qualité des résultats. Optimiser continuellement précision, robustesse et expérience utilisateur. Sécurité & gouvernance Mettre en place des mécanismes de validation, contrôle d’accès et sécurité. Garantir le respect des standards de gouvernance et conformité data. Documenter les agents et leurs usages. Accompagnement & adoption Participer à la diffusion des bonnes pratiques IA en interne. Accompagner les équipes dans l’adoption des nouveaux outils. Contribuer à la structuration d’un écosystème d’agents scalable.

Nous recherchons un Lead Agentic AI Engineer pour un Un éditeur de contenu français, audience massive, deux business qui tournent en parallèle : l'abonnement, qu'il faut faire grossir, et la régie pub, où il reste pas mal de valeur à aller chercher sur l'inventaire. La data plateforme est en pleine restructuration côté GCP, l'équipe data est en place (data scientists, BI Power BI en self-service, une CDP côté CRM), et on touche au bout du chantier d'infra. La direction veut passer à autre chose que du reporting et du dashboard. Le sujet est de mettre des agents en production sur des cas business qui pèsent sur le P&L, vraiment en production, pas une démo de plus. Concrètement, sur les 6 premiers mois, voilà à quoi va ressembler le job. Tu commences par regarder ce qui se passe vraiment dans la maison côté acquisition, monétisation de l'inventaire pub et fonctions support, et tu sors une liste courte de cas où un agent a du sens (et où il n'en a pas, c'est souvent là que les autres se plantent). Tu choisis deux ou trois cas et tu les mets en prod. Pas un POC, pas un notebook joli. Quelque chose qui tourne, qu'on mesure, qu'on monitore. En parallèle, il y a un chantier de fond : sortir l'équipe du modèle "dashboard" et installer une couche d'analyse comportementale temps réel sur l'audience, c'est le socle qui rend les agents intéressants ensuite. Et tu poses les fondations pour la suite : evals, observabilité, garde-fous, doc d'archi. Si la mission bascule en CDI à 12 mois, on parle aussi du build d'équipe à ce moment-là. Tu travailles en direct avec la régie sur les sujets de monétisation, avec le CRM sur l'activation et la segmentation, et avec les fonctions support sur tout ce qui peut se déléguer à un agent (assistance, ops, modération). C'est une boîte média, il faut aimer ça, savoir ce qu'est un CPM, comprendre pourquoi le directeur de la régie va te poser des questions sur le fill rate, pas sur ton archi. Côté technique Ce qu'on cherche n'est pas exotique mais c'est précis. Il faut avoir déjà mis au moins un système agentic en prod réelle, et savoir le raconter en détail : l'orchestration choisie, comment les outils sont branchés, comment tu fais les evals, ce que tu mesures côté business, ce qui a explosé une fois en prod et comment tu t'en es rendu compte. La stack tu fais avec ce que tu connais : LangGraph, Anthropic Agent SDK, OpenAI Agents, DSPy, du custom maison. L'important c'est d'avoir vraiment livré, pas d'avoir lu la doc. Au-delà de l'orchestration pure, il faut connaître les fondations qui font qu'un agent tient en prod : tool calling propre, evals offline et online, garde-fous, observabilité (LangSmith, Langfuse, Arize, du custom — peu importe), et la gestion des coûts API parce qu'à grande échelle ça compte. Sur la data, tu dois pouvoir lire et challenger un pipeline BigQuery avec Airflow ou Composer dessus, sans forcément vouloir tout refaire toi-même. La data team est là pour ça, mais tu dois pouvoir leur parler d'égal à égal. Côté GCP, tu utilises BigQuery au quotidien et tu sais te servir de Vertex, Cloud Run, Workflows quand c'est utile pour un système agentic. Si tu as un background data scientist ou ML engineer avant d'avoir basculé sur les LLM en 2023-2024, c'est un vrai plus. Tu connais le piège du "tout LLM" et tu sais quand revenir à du déterministe ou à du modèle classique. Si tu as touché un peu d'adtech, CPM, viewability, attribution, ce vocabulaire-là, c'est mieux, mais ça s'apprend en quelques semaines si tu es curieux. Ce qu'on regarde au-delà du CV C'est la partie qu'on peut difficilement vérifier sur LinkedIn mais qui fait la différence sur ce poste précis. D'abord la capacité à dire non. Quand on te propose un cas d'usage, tu dois pouvoir dire "ça, franchement, c'est un workflow déterministe, on n'a pas besoin d'un LLM" — et le défendre devant un sponsor qui voulait son agent. La maison a déjà eu des POC, on ne veut pas en rajouter un. Ensuite la capacité à parler à des non-techs sans intermédiaire. Tu vas te retrouver en réunion avec la régie, avec le marketing, peut-être avec le DAF, et il n'y aura pas de PM pour traduire. Si tu ne sais expliquer ton archi qu'à un autre ingé, ça ne marchera pas. Tolérer l'ambiguïté est un autre critère. On ne te donnera pas un objectif business un peu flou, à toi de remonter au vrai cas et au vrai produit là, et c'est OK. Bien composer avec l'équipe en place. Il y a des data engineers, une BI. Tu ne débarques pas en disant que tout ce qu'ils ont fait est nul. Tu t'appuies, tu écoutes, tu choisis tes batailles. Et puis l'honnêteté. On préfère quelqu'un qui dit "j'ai raté ça, voilà ce que j'en ai appris" à quelqu'un qui survend. Pareil sur les coûts, les délais, les limites des modèles. Quand un agent commence à coûter 4000€/jour en API, on veut le savoir, pas découvrir la facture en fin de mois. Le dernier critère c'est le sens du delivery. On a vu trop de profils brillants qui laissent 4 chantiers ouverts et zéro système en prod. Ici on veut au moins deux mises en prod sur 6 mois, pas un slide deck de roadmap.

Le contexte Tu intègres une équipe data de +12 personnes sur un projet à forte criticité : conception de workflows agentiques connectés à un écosystème data interne, avec de vrais enjeux business (CA, marge, pricing, promotion). Solide expérience en Machine Learning & optimisation (modèles prédictifs, algos de perf — idéalement pricing ou promotion) Data modeling pour alimenter des agents IA (input agents, référentiels produits) Maîtrise de l' IA générative et du NLP : conception de workflows agentiques (analyse de messages, génération de réponses, interaction automatisée) Stack & atouts appréciés Python (Pandas, NumPy, SciPy), Scikit-learn / TensorFlow / PyTorch, GCP , BigQuery & Looker Studio, Git / CI/CD, bonnes pratiques de craftsmanship (SOLID, tests, Sonar), méthodes agiles. Profil +7 ans en Data Science Python, Bac+5 (école d'ingé / université) ou équivalent Expertise hybride : Agentic AI + GenAI (LLM) + ML décisionnel Français courant (interactions métier)

Dans le cadre d’un programme stratégique de transformation des pratiques de développement, nous recherchons un(e) AI Lead Developer spécialisé(e) en Agentic AI Coding afin d’accompagner plusieurs équipes techniques dans l’adoption des nouveaux outils et méthodes de développement assisté par IA. Après un premier pilote concluant, l’objectif est désormais de déployer à plus grande échelle les pratiques d’Agentic Coding au sein d’équipes de développement d’environ 50 collaborateurs. Le principal livrable de la mission sera de rendre les développeurs autonomes dans l’usage des outils et méthodologies d’Agentic AI Coding.

AI Architect — Agentic AI, Secure AI Delivery & Business Automation (Luxembourg) We are looking for an AI Architect to design and build the foundation of a company-wide AI capability, starting with the delivery of our first production-grade AI application: an AI-enabled Data Hub for file ingestion, transformation, and intelligent automation. This is a hands-on architecture role in a regulated environment where AI must be secure, governed, and business-driven from day one.You will design and implement an enterprise AI architecture based on agentic AI , enabling automation, orchestration, and decision support across business processes. You will define: Where AI adds real business value vs. where existing systems remain How AI agents interact with enterprise data, APIs, and workflows The secure and scalable integration model for production use The governance and guardrails for responsible AI adoption Your first priority will be to deliver the AI-enabled Data Hub in production , in close collaboration with Product, DevSecOps, Business, Risk, and Compliance teams. 🤝 What you will do Design and deliver the first production AI application (Data Hub) Define reusable AI architecture patterns for the organisation Build secure, scalable AI delivery pipelines Work closely with business to identify high-value AI use cases Establish governance, guardrails, and compliance-by-design practices Support experimentation and transition to production at scale

Dans le cadre d’une démarche d’innovation et de transformation des pratiques métiers, notre Client du secteur bancaire basé à Paris recherche un profil expérimenté en ingénierie IA. La mission consiste à concevoir , prototyper et expérimenter des solutions basées sur des architectures d’IA générative et agentique , à destination de fonctions réglementaires et juridiques (notamment compliance et legal). L’objectif est de développer des preuves de concept (POC) exploitant des cas d’usage existants ou à identifier en collaboration avec les équipes métiers, en s’appuyant sur des approches LLM modernes. Ces POC devront être construits dans un cadre de développement structuré afin de permettre, lorsque pertinent, une trajectoire d’industrialisation.

Dans le cadre d’un programme de transformation, vous interviendrez sur la refonte de la gestion de portefeuille projets. L’objectif est de : Centraliser les données projets Suivre les budgets associés Automatiser les tâches récurrentes Identifier et implémenter des cas d’usage IA à forte valeur Missions principales Développement IA Identifier des cas d’usage pertinents d’IA dans les processus métier Concevoir et développer des agents IA (Agentic AI) Implémenter des solutions basées sur des LLM / GenAI (RAG, prompting, workflows) Data & automatisation Collecter, structurer et exploiter les données projets Automatiser les tâches récurrentes (reporting, suivi, consolidation) Connecter les agents IA aux différentes sources de données (API, bases, fichiers) Développement technique Développer des services en Python Construire des APIs et des workflows automatisés Participer à la mise en production (déploiement, monitoring, performance) Environnement technique Python LLM / GenAI (RAG, prompt engineering, agents IA) Frameworks : LangChain, LlamaIndex, CrewAI (ou équivalent) APIs, traitement de données Bases de données (SQL / NoSQL) Docker / environnements cloud (un plus)

Au sein d'une équipe IA Engineering Agentic (Manager, Lead Tech + 4 devs), tu interviens sur un projet stratégique de génération automatisée de contenu pour l'animation d'un site e-commerce . L'objectif : concevoir un système agentique de génération de briefs d'animation commerciale. Tes missions Développer des solutions d'extraction basées sur les LLM (sources non standardisées, fichiers Sheets) Automatiser le mapping de données multi-sources (manipulation, typage, formatage pour templates dynamiques) Déployer la solution sur GCP et l'intégrer à l'écosystème Google Concevoir les outils de pilotage et d'évaluation Stack & compétences attendues Indispensables : workflows multi-agents (protocoles A2A/ACUI), Google Cloud Platform (Vertex AI / Agent Platform, Cloud Run), parsing de données non structurées (PDF, images, tableaux). Appréciés : ADK / LangChain / LangGraph, FastAPI & Pydantic, bases vectorielles (embeddings, indexation), optimisation des coûts IA, évaluation LLM (QA, LLM-as-a-Judge), Python (Pandas, NumPy).

En tant qu'Architecte AI, vous serez chargé(e) de : • Participer à la définition des architectures IA de référence : structurer les composants fonctionnels et techniques des systèmes Agentic AI, définir les standards d'architecture, les patterns d'orchestration et les principes d'industrialisation des solutions IA du Groupe. • Contribuer à la construction d'un Agentic AI Blueprint : formaliser les concepts clés des agents IA (goal management, memory, planning, reflection, tools orchestration), les principes de design (modularity, composability, security by design) et les architectures de référence pour les projets IA du Groupe. •