Find your next tech and IT Job or contract MLOps

developpement un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning, inspiré des approches DS-STAR et MLE-STAR de Google Research. Son architecture repose sur un cœur générique associé à des plugins spécialisés. Le système automatise notamment les activités suivantes : analyse et formalisation du problème ; proposition et priorisation d'expériences ; génération, exécution et correction du code ; validation expérimentale et évaluations rétrospectives ; études d'ablation et sélection robuste des modèles. La mission consiste à faire évoluer ce framework selon deux axes prioritaires, tout en garantissant la qualité scientifique, la reproductibilité des expérimentations et l'intégration des développements dans l'écosystème existant. Objectif 1 — Amélioration du plugin Event Forecasting : Consolider un plugin capable d'intégrer des événements dans les prévisions de séries temporelles, selon un protocole scientifique rigoureux. Les travaux porteront notamment sur : découverte, qualification et représentation structurée des événements ; modélisation de leur probabilité d'occurrence, de leur date de début, de leur durée, de leur intensité, de leur direction, de leur incertitude et de leur impact ; production de scénarios sans événement, central, optimiste, pessimiste et de stress ; intégration de méthodes statistiques, de Machine Learning et de Deep Learning adaptées ; prise en compte stricte de la date de publication des informations afin d'éviter toute fuite temporelle ; mise en place de tests placebo, d'évaluations rétrospectives événementielles et de comparaisons avec un modèle de référence sans événements ; amélioration de la robustesse, de la reproductibilité et de l'interprétabilité des résultats. Objectif 2 — Cas d'usage IoT : détection de pannes : Concevoir et intégrer dans RAFA un plugin dédié aux données IoT et à la maintenance prédictive. Les travaux porteront notamment sur : détection précoce des anomalies et des signaux précurseurs de panne ; estimation de la probabilité de panne et, lorsque les données le permettent, de la durée de vie utile restante ; exploitation de séries temporelles multivariées issues de capteurs, avec gestion des données manquantes, du bruit et des changements de régime ; comparaison d'approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie ; évaluation des modèles selon des protocoles temporels réalistes et mesure de leur capacité de généralisation à de nouveaux équipements ; production d'alertes explicables, hiérarchisées et exploitables par les équipes métier. Livrables attendus : plugins Event Forecasting et IoT intégrés, testés et documentés dans RAFA ; protocoles expérimentaux, jeux de tests, modèles de référence et résultats comparatifs reproductibles ; code source versionné, documentation technique et guide de prise en main ; synthèses des travaux, recommandations et présentation régulière des résultats ; transfert de connaissances vers les équipes internes. Critères de réussite : amélioration mesurable des performances par rapport aux modèles de référence ; absence de fuite temporelle et respect des protocoles de validation définis ; reproductibilité des expérimentations et traçabilité des résultats ; qualité, maintenabilité et intégrabilité du code livré ; appropriation des développements et de la documentation par les équipes internes.

Le responsable recherche un ingénieur DevOps expérimenté pour assurer la réalisation technique et l'exploitation de la plateforme IA opérée par l'équipe IA Ops de la cellule d'expertise IA. La plateforme héberge l'ensemble des cas d'usage IA et data science du groupe, de l'expérimentation à la mise en production. La prestation porte sur le déploiement, l'automatisation, le monitoring et la fiabilisation de l'infrastructure et des environnements applicatifs nécessaires à la mise en production des cas d'usage IA, dans le respect du cadre industriel et de sécurité du SI. L'environnement technique actuel repose sur des technologies éprouvées (Linux/RHEL, Docker, Ansible, PostgreSQL, plateforme Dataiku DSS, infrastructure GPU on-premise). Une nouvelle stack technique, plus largement open source et orientée industrialisation des modèles, est en cours d'étude et sera progressivement déployée sur la durée de la prestation ; l'ingénieur DevOps contribuera à son évaluation et à sa mise en œuvre. Réalisation technique et exploitation : Déploiement et paramétrage de l'infrastructure, des environnements et du code packagé sur le périmètre data science / IA Mise en place et maintien de pipelines d'intégration et de déploiement continu (CI/CD) Automatisation via Infrastructure as Code (Ansible) Développement de scripts de monitoring des traitements et des modèles Configuration et administration des outils de la plateforme (orchestration, registre de modèles, supervision) Maîtrise d'un environnement Linux (idéalement RHEL) et des conteneurs (Docker, Kubernetes) L'ingénieur veille au respect des processus et du cadre industriel SI, ainsi qu'aux bonnes pratiques de versioning (code et configuration), de reproductibilité et de traçabilité. Il contribue à la définition et à la diffusion de standards techniques au sein de l'équipe (templates de projets, guidelines de développement, socle d'industrialisation) et assure une veille technologique active sur l'écosystème DevOps et d'industrialisation IA.

Contexte de la mission : Nous recherchons un Architecte IA / MLOps pour rejoindre une DSI en pleine transformation autour de l'intelligence artificielle. Vous intégrerez le Pôle Architecture Logicielle & IA et participerez à la conception, au cadrage et à l'industrialisation de solutions d'IA à forte valeur ajoutée. Votre rôle sera d'accompagner la mise en œuvre d'architectures IA robustes et évolutives, couvrant aussi bien le Machine Learning traditionnel que l'IA générative (LLM, RAG, Agents IA), tout en garantissant leur intégration au système d'information, leur gouvernance et leur exploitation en production. Vous interviendrez en étroite collaboration avec les équipes Data Engineering, Architecture, Développement et les différents métiers afin d'accélérer l'adoption de l'IA à l'échelle de l'entreprise. Les avantages de la mission : Mission longue avec une forte visibilité. Participation à la stratégie IA d'un grand acteur du secteur financier. Interventions sur des sujets innovants autour de l'IA générative et des architectures de nouvelle génération. Environnement technique moderne et orienté industrialisation. Collaboration avec des équipes expertes en Data, Cloud et Architecture. Forte autonomie et rôle clé dans les choix techniques. Télétravail partiel avec 2 à 3 jours de présence par semaine sur site à Toulouse. Opportunité d'avoir un impact concret sur les futurs usages IA de l'entreprise.

Contexte de la mission Notre objectif est de transformer notre stratégie de pricing grâce à la donnée et à l'intelligence artificielle. Nous voulons passer d'une tarification traditionnelle à une tarification dynamique, plus intelligente et prédictive, capable d'équilibrer la rentabilité de l'entreprise et la perception de la valeur par nos clients. Pour porter cette ambition, au sein de notre équipe digital data Pricing nous concevons, développons et industrialisons les algorithmes et les produits Data qui piloteront nos prix de manière proactive et agile. Objectifs et livrables Le consultant interviendra sur un scope large, allant de l'analyse exploratoire à la mise en production (MLOps). Les chantiers majeurs identifiés pour les prochains mois sont : • Élasticité Prix: Optimisation des algorithmes d'élasticité prix existants, avec un focus majeur sur la modélisation pour le lancement de nouveaux produits. • Moteur de Promotion : Développement d'un algorithme d'optimisation des campagnes promotionnelles. • Tarification Dynamique : Analyses exploratoires préliminaires et formulation de propositions pour un moteur d'aide à la décision (Dynamic Pricing “home-made”). • Industrialisation & MLOps : Optimisation des modèles existants, intégration de nouvelles sources de données, APIzation et automatisation des pipelines (Ops). • Agent amélioration : Contribution sur notre agent pricing. • Monitoring : Mise en place d'un tracking robuste de la performance des modèles et de la qualité de la donnée. Nous recherchons un profil hybride et autonome, capable de naviguer entre la vision produit et la technique. Hard skills: • Core Tech : Maîtrise avancée de Python et de son écosystème Data Science / ML (Pandas, Scikit-Learn, TensorFlow/PyTorch). • ML Engineering & MLOps : Expérience solide en mise en production d'algorithmes à grande échelle, packaging de modèles, CI/CD (Git) et industrialisation d'API. • Data & Cloud : Pratique des environnements Cloud (AWS / Databricks appréciés) et manipulation de gros volumes de données (Spark, dbt). Soft skills: • Product Ownership & Proactivité : Capacité à creuser le besoin métier, clarifier les exigences et proposer des solutions concrètes sans attendre un cahier des charges figé. • Leadership technique : Autonomie pour piloter des sujets de bout en bout et interagir avec des interlocuteurs variés (équipes Data, Tech et Métier). • Langues : Anglais courant indispensable. Une expérience préalable ou un fort background sur des problématiques de Pricing (élasticité, yield management, optimisation de marge) sera grandement valorisée.

Dans le cadre d'un programme stratégique de transformation autour des processus KYC (Know Your Customer), nous recherchons un Développeur IA / Python Senior H/F pour rejoindre une équipe internationale et contribuer à la conception de solutions innovantes basées sur l'Intelligence Artificielle Générative. Vos missionsDévelopper et optimiser des solutions IA et Machine Learning répondant à des enjeux métiers complexes Concevoir et intégrer des architectures basées sur les LLM, le RAG et les agents IA Développer des API et microservices permettant l'industrialisation des solutions Participer à la mise en place de pipelines MLOps et de bonnes pratiques CI/CD Collaborer étroitement avec les équipes Data Science, Architecture et Métier Garantir la qualité, la robustesse et la performance des développements Contribuer à la veille technologique et au partage des bonnes pratiques autour de l'IA générative

Nous recherchons un Data Scientist H/F pour intervenir sur des projets innovants autour de l'IA Générative et des LLM au sein d'un grand acteur de la protection sociale en France. L'objectif est de développer et d'optimiser une solution IA capable de générer des réponses automatiques aux demandes des adhérents. Ces réponses couvrent un large éventail de sujets : demandes de renseignement, réclamations et actions diverses sur leurs contrats. Vos missionsDévelopper et optimiser des modèles Machine Learning et LLM Concevoir des solutions basées sur le RAG (Retrieval-Augmented Generation) Industrialiser les modèles et pipelines IA Participer à la mise en place des bonnes pratiques MLOps et LLMOps Produire une documentation technique de qualité

Le consultant interviendra sur l'ensemble du cycle de vie des solutions AI/ML, de l'identification des cas d'usage jusqu'à la mise en production, avec un fort enjeu de sécurité, scalabilité et industrialisation. Missions principales : - Identifier, analyser et prioriser les cas d'usage AI/ML appliqués à la cybersécurité et à l'IAM. - Développer des modèles de Machine Learning permettant de détecter les comportements utilisateurs anormaux, les schémas d'accès suspects et les potentielles menaces de sécurité. - Concevoir, tester et déployer des modèles AI/ML scalables intégrables aux plateformes de cybersécurité. - Développer des solutions AI, LLM et Advanced Analytics. - Concevoir et optimiser les prompts, les sorties structurées et les mécanismes d'évaluation des modèles. - Mettre en place le monitoring et l'évaluation des solutions AI/ML. - Industrialiser les modèles et solutions analytiques jusqu'à leur mise en production. - Garantir la qualité, la maintenabilité, les tests et l'intégration continue. - Prendre en charge les projets de bout en bout, de la phase de découverte jusqu'à la livraison. - Collaborer avec les équipes Engineering, Cybersécurité et métiers.

Nous recherchons un Architecte Solution IA Agentique pour accompagner la définition et l'industrialisation d'une architecture d'IA agentique au sein d'un environnement SI complexe, critique et fortement réglementé. L'enjeu de la mission est de définir un cadre technique, architectural, sécuritaire et réglementaire permettant d'intégrer des agents IA en production de manière maîtrisée. Vous interviendrez sur des sujets à forts enjeux d'architecture et de gouvernance, avec une réelle capacité à influencer les choix structurants. Missions : • Définir l'architecture cible d'une plateforme d'agents IA / LLM. • Concevoir les principes d'orchestration multi-agents, de gestion d'état et de niveaux d'autonomie. • Définir les mécanismes de validation humaine (human-in-the-loop) et de supervision. • Cadrer l'exposition des agents aux systèmes d'entreprise : MCP, API Management, passerelles d'accès, IAM et gestion des droits. • Définir les principes de sécurité des systèmes agentiques : moindre privilège, propagation d'identité, prompt injection, gestion des contenus non fiables, traçabilité et auditabilité. • Cadrer les architectures RAG industrielles, notamment sur des corpus techniques volumineux, versionnés et soumis à habilitations. • Définir les méthodes permettant d'évaluer objectivement la performance et les gains des solutions IA. • Contribuer aux choix d'hébergement, Cloud, on-premise, souveraineté, GPU et MLOps. • Prendre en compte les exigences RGPD, AI Act, NIS2/OSE et les contraintes de sécurité associées. • Produire des documents d'architecture, règles d'usage et dispositifs de maîtrise des risques de niveau comité. • Challenger les choix techniques et contribuer à la définition d'un cadre réutilisable sur d'autres périmètres.

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,

Contexte de la mission Dans le cadre du développement et de l'industrialisation d'une plateforme d'Intelligence Artificielle, nous recherchons un Architecte Plateforme IA capable de concevoir, déployer et maintenir l'infrastructure logicielle et matérielle nécessaire au cycle de vie des modèles et services IA. L'architecte fera le lien entre les équipes Machine Learning, Software Engineering et DevOps/SRE, en garantissant la performance, la sécurité, la scalabilité et la fiabilité de la plateforme. Mission de 6 mois maximum, avec possibilité de pré-embauche. Missions principalesConcevoir et industrialiser une plateforme IA capable de supporter des usages à grande échelle. Définir et optimiser les architectures RAG (Retrieval-Augmented Generation) : Advanced RAG, Graph RAG et Agentic RAG. Concevoir des architectures d'intégration de données expertes dans les modèles d'IA. Mettre en place et optimiser les processus MLOps / LLMOps : déploiement, monitoring et gestion du cycle de vie des modèles. Garantir la confidentialité et la sécurité des données, notamment dans le cadre du RGPD et de l'AI Act. Piloter l'infrastructure Cloud et l'orchestration Kubernetes. Optimiser la scalabilité, les performances et les coûts d'inférence des modèles IA (GPU/CPU, token management). Participer à la mise en œuvre d'une plateforme répondant aux exigences de souveraineté numérique.

Contexte d'utilisation chez Limagrain Compétences attendues Niveau RAG end-to-end Retrievers & embeddings Assistants scientifiques, juridiques et métiers sur corpus internes. Optimiser la récupération de sources fiables. Ingestion, parsing, OCR, structure, chunking, embeddings, indexation, retrieval, reranking, génération et citations. Indispensa ble Dense/sparse/hybride, metadata filters, multi query, parent-child, contextual retrieval, vector stores et évaluation du retrieval. Indispensa ble Analyse documentaire Exploiter PDF, Word, PowerPoint, Layout-aware parsing, OCR, extraction Indispensa Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Technologies / savoir-faire Contexte d'utilisation chez Limagrain Compétences attendues Niveau tableaux, scans et dossiers complexes. tables/images, métadonnées, déduplication, classification et validation. ble VLM & VQA Analyser images, figures, schémas, parcelles, maladies, rapports et documents multimodaux. Vision-language models, visual question answering, grounding, OCR multimodal, évaluation et limites. Avancé Gestion du contexte Maîtriser qualité, coût et mémoire des agents. Context engineering, fenêtres, compression, résumé, mémoire court/long terme, cache, provenance et isolation. Indispensa ble Single-agent Automatiser une tâche métier avec outils et garde-fous. ReAct/tool calling, structured outputs, validation, retries, human-in-the-loop et permissions. Indispensa ble Multi-agent Décomposer les workflows complexes entre agents spécialisés. Supervisor, router, planner-executor, handoffs, shared state, parallélisme, consensus et contrôle des boucles. Avancé LangChain / LlamaIndex Assembler modèles, retrievers, tools et chaînes RAG. Intégrations, loaders, chains, agents, structured output et composants remplaçables. Avancé LangGraph Orchestration stateful et durable de workflows agentiques. Graphes, état, checkpoints, streaming, interruptions, human-in-the-loop et reprise. Avancé LangSmith Tracing, debugging, datasets, évaluations et monitoring.

L'équipe travaille sur des algorithmes de détection d'objets d'intérêt stratégique sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler de l'imagerie satellite SAR. La personne intègrera une squad de 5 à 7 personnes. Les missions principales sont: - Développer, entraîner et tester des algorithmes de deep learning partant en production. - Contribuer à la stack d'outils MLOps de l'équipe pour garantir sa viabilité sur le long terme et améliorer la productivité de l'équipe.

Consultant AI Engineer intervenant sur le développement de solutions d'IA générative, avec une expertise en Python, RAG et intégration applicative dans un environnement Dataiku. Missions principales : Développer des assistants conversationnels et solutions d'IA générative. Concevoir et faire évoluer des applications basées sur le RAG. Développer des connecteurs d'intégration. Assurer l'interface entre le frontend et le backend par Dataiku via APIs Participer aux POC et à l'industrialisation des cas d'usage IA. ( ML, ..) Développer et maintenir les IHM dédiées aux assistants conversationnels et solutions RAG Documenter les développements et assurer la qualité du code.

Dans le cadre du déploiement d'une solution d'intelligence artificielle, un Administrateur Système confirmé / Ingénieur OpenShift-Kubernetes est recherché pour accompagner l'intégration et l'industrialisation de la solution au sein d'un environnement d'entreprise complexe. Le consultant interviendra à l'interface entre l'éditeur de la solution IA et les équipes internes Infrastructure, Sécurité, Architecture et Exploitation. La mission comporte une forte dimension de cadrage technique, conseil, coordination et transfert de compétences. Responsabilités : Accompagner l'intégration technique de la solution avec l'éditeur ; Analyser les prérequis infrastructure et contribuer au cadrage de la solution ; Déployer et configurer les composants containerisés sur OpenShift / Kubernetes ; Participer à la conception et à la mise en œuvre de l'architecture technique ; Coordonner les travaux avec les équipes Infrastructure, Sécurité et Exploitation ; Mettre en œuvre les exigences de sécurité et de conformité ; Identifier les risques techniques et contribuer à leur traitement ; Participer à l'industrialisation de la solution ; Mettre en place ou contribuer aux pipelines CI/CD ; Packager et automatiser le déploiement de la solution ; Garantir les mécanismes de disponibilité, redondance et exploitabilité ; Participer à la supervision et au maintien en conditions opérationnelles ; Accompagner les phases de tests et de mise en production ; Assurer le transfert de compétences auprès des équipes internes. Livrables attendus : Dossier d'Architecture Technique (DAT) ; Dossier d'Exploitation (DEX) ; Documentation d'installation et de déploiement ; Documentation des procédures d'exploitation ; Documentation CI/CD et industrialisation ; Guides techniques et procédures de troubleshooting ; Supports de transfert de compétences.

Chez ATLANSE, nous accompagnons nos clients dans la conception d'infrastructures résilientes, l'amélioration de la performance de leur production applicative, l'optimisation et le développement de leurs environnements de travail ainsi que l'exploitation et la valorisation des données. Pour cela, nous nous appuyons sur nos consultants confirmés et experts ou à fort potentiel, reconnus pour leurs compétences techniques, leur compréhension métier et leurs pratiques éprouvées. Vous interviendrez en tant que développeur.euse IA dans le cadre du déploiement de projets IA stratégiques. Vous travaillerez en étroite collaboration avec le Tech Lead et le chef de projet IA pour apporter expertise technique et vision projet. Votre rôle Développement et implémentation IA · Développer des solutions IA et data en environnements de pré-production et de production · Implémenter des cas d'usage IA variés (NLP, assistants intelligents, RAG, classification, résumé, extraction) · Mettre en œuvre des pipelines IA de bout en bout (ingestion des données, traitement, modèles, évaluation) en intégrant des mécanismes de contrôle et d'amélioration continue · Faire évoluer et optimiser les solutions existantes Architecture IA, arbitrages et sécurisation technique · Contribuer aux choix d'architecture IA et data · Sélectionner, évaluer et intégrer des modèles (open source ou via API) en tenant compte des enjeux de coûts, sécurité, souveraineté et pérennité · Concevoir et industrialiser des architectures RAG (indexation, retrieval, génération, évaluation) · Participer aux arbitrages techniques et à la priorisation des sujets · Structurer, expliquer et documenter les choix techniques Coordination technique et collaboration · Travailler en étroite collaboration avec le tech lead, les développeurs et data scientists · Assurer une coordination technique fluide avec le chef de projets IA · Expliquer les sujets techniques à des profils non techniques · Contribuer à la capitalisation des connaissances via la documentation technique et les outils collaboratifs (Confluence)

Nous recherchons un Data Scientist Senior pour rejoindre une équipe Data Science & Analytics et intervenir à 100 % sur un projet stratégique à fort enjeu. La mission combine Data Science, Machine Learning, optimisation, IA Générative et industrialisation, avec une forte proximité avec les équipes métiers dans un environnement international. Missions principalesConcevoir, développer et industrialiser des solutions Data & IA. Cadrer les nouveaux cas d'usage avec les différentes parties prenantes. Extraire, explorer, analyser et transformer des volumes importants de données. Concevoir et entraîner des modèles prédictifs. Développer des pipelines de construction et d'industrialisation des modèles. Travailler sur des problématiques de Machine Learning, clustering, optimisation et Deep Learning. Concevoir et développer des solutions autour des LLM et agents IA. Développer, déployer et monitorer des services Data fiables et capables de passer à l'échelle. Participer aux choix d'architecture et proposer les technologies les plus adaptées. Contribuer aux bonnes pratiques de développement, de déploiement et d'industrialisation. Accompagner les utilisateurs dans l'adoption des solutions développées. Présenter les résultats et recommandations aux équipes techniques et métiers. Environnement techniqueStack principale : Python SQL scikit-learn Machine Learning LLM / GenAI Git Docker S3 Parquet Écosystème complémentaire : Kubernetes GitLab / CI/CD Airflow Kafka Spark Bash Prometheus / Grafana / Loki Kestra Compétences Data ScienceMachine Learning & modèles prédictifs Clustering Statistiques Deep Learning LLM / IA Générative Optimisation / Recherche Opérationnelle Heuristiques Industrialisation et monitoring des modèles