Almatek recherche pour l'un de ses clients Un Ingénieur LLM sur Annecy. Le rôle : construire des cas d'usage IA réels avec les équipes de développement (pipelines RAG, agents, harnais d'évaluation, composants TypeScript réutilisables), puis rendre ces équipes autonomes. Indispensable (sinon le profil ne pourra pas être retenu) : 1. Systèmes LLM déjà mis en production (pas seulement des POC / prototypes) 2. Maîtrise de TypeScript / Node.js 3. Expérience concrète de RAG (Retrieval-Augmented Generation) et de flux agentiques (pas uniquement des appels d'API simples) 4. Anglais professionnel et français courant Un plus : - Construction de harnais et de jeux de données d'évaluation - SDK Vercel AI, AWS Bedrock, API Anthropic (modèles Claude) - Bibliothèques de composants réutilisées par d'autres équipes Détails : - Démarrage : 1er décembre 2026 - Durée : 6 mois renouvelable - Rythme : 3 jours par semaine sur site - Lieu : Annecy
Périmètre & Responsabilités Pipelines RAG (Retrieval-Augmented Generation) : conception et mise en œuvre des stratégies de récupération, segmentation (chunking), reclassement (reranking) et recherche hybride. Les décisions sur le stockage et la couche vectorielle sont encore ouvertes ; vous y contribuerez. Ce travail s'inscrit dans la construction de systèmes RAG adaptés aux besoins des cas d'usage. Architecture d'agents : modèles d'utilisation d'outils (tool use), flux de raisonnement en plusieurs étapes, conception avec humain dans la boucle (human-in-the-loop), gestion des fenêtres de contexte. Harnais d'évaluation : échafaudage de tests construit en coordination avec l'ingénieur LLMOps (LLM Operations). Ingénierie des prompts : prompts structurés, conception few-shot, modèles de chaîne de pensée (chain-of-thought). Bibliothèque de composants partagés : composants TypeScript réutilisables issus des cas d'usage, qui alimentent le SDK (Software Development Kit) IA interne du client, en complément de la surface de développement de l'équipe Platform. Lancement et construction de cas d'usage aux côtés des ingénieurs FDE (Forward Deployed Engineer) et des équipes de livraison. Exigences techniques Compétences obligatoires - Systèmes LLM en production : capacité à faire passer des systèmes basés sur des LLM du prototype au déploiement en production, en passant par le harnais d'évaluation. - RAG et récupération d'information : conception de pipelines de récupération, connaissance des points de rupture d'un RAG naïf et des compromis entre approches dense, clairsemée (sparse) et hybride. - Modèles agentiques : appels d'outils et flux d'agents en plusieurs étapes, y compris leurs caractéristiques de fiabilité. - Évaluation : conception de jeux de données d'évaluation pertinents pour des domaines inconnus. La capacité de rédaction est évaluée pendant le processus de construction. - Stack principale : TypeScript et Node.js. - Langues : anglais professionnel et français courant. Environnement technique de référence - SDK Vercel AI et AWS Bedrock comme environnements représentatifs. - Modèle principal : Claude, via l'API Anthropic et Claude Enterprise.
Un grand groupe industriel international met en place une organisation dédiée à l'intelligence artificielle afin d'apporter des capacités d'ingénierie IA structurées à ses équipes de développement logiciel. Cette organisation comprend une équipe Platform, responsable des infrastructures partagées, et une équipe Enablement, qui accompagne les équipes d'ingénierie et produit dans la livraison de cas d'usage IA avant de leur transférer les compétences nécessaires pour travailler en autonomie. Au sein de l'équipe Enablement, vous interviendrez sur des cas d'usage réels aux côtés des équipes de livraison. Vous concevrez les modèles, harnais de test et composants réutilisables qui soutiennent l'intégration de l'IA dans l'ensemble du cycle de vie du développement logiciel. Vos responsabilités comprendront : La conception et la mise en œuvre de pipelines RAG, incluant les stratégies de récupération, la segmentation des contenus, le reclassement des résultats et la recherche hybride. La contribution aux choix concernant le stockage des données et la couche vectorielle. La conception d'architectures agentiques intégrant l'utilisation d'outils, des flux en plusieurs étapes, la gestion des fenêtres de contexte et des mécanismes avec intervention humaine. La création de harnais d'évaluation en coordination avec l'ingénieur LLMOps. La conception de prompts structurés, d'approches few-shot et de modèles de raisonnement adaptés aux cas d'usage. Le développement de composants TypeScript réutilisables destinés à alimenter un SDK IA interne. Le lancement et la construction de cas d'usage avec les ingénieurs FDE et les équipes de livraison. La création d'artefacts, de modèles et de composants partagés permettant aux équipes internes de développer ensuite leurs propres solutions IA. L'environnement technique de référence comprend TypeScript, Node.js, le SDK Vercel AI, AWS Bedrock, Claude, l'API Anthropic et Claude Enterprise. Le succès de la mission reposera sur la livraison en production de 4 à 6 cas d'usage, accompagnés de références de qualité documentées, ainsi que sur la codification de modèles réutilisables et leur adoption autonome par les équipes d'ingénierie et produit
