Les missions sont: 1- Conception et développement d'agents autonomes avec LangGraph : - Architecture 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).
Ingénieur IA : Mistral & AWS Le rôle consiste à concevoir, développer et déployer des solutions d'IA générative et agentique, avec une forte expertise autour de la plateforme Mistral et de son industrialisation à grande échelle. L'AI Engineer intervient sur l'intégration, la configuration et l'optimisation des LLM, ainsi que sur la mise en place de solutions d'agents autonomes et multi-agents, de pipelines techniques et de mécanismes d'évaluation, de monitoring et de détection des hallucinations et biais. Il contribue également au déploiement sécurisé des solutions, à leur versioning et à leur industrialisation avec Python, Docker, Kubernetes et CI/CD, en collaboration avec les équipes IT, Data, DevOps et Sécurité. Une attention particulière est portée aux contraintes RGPD, AI Act, sécurité, explicabilité et auditabilité. Technologies clés : Mistral, LLM, Python, LangChain, AutoGen, CrewAI, Docker, Kubernetes, CI/CD, fine-tuning, transfer learning, prompt engineering, few-shot learning et multi-agent systems.
