Mission freelance Ingénieur IA & Sécurité

Mission : Programme d’ingénierie et de sécurisation des systèmes d’intelligence artificielle générative et agentique, visant à tester, évaluer et intégrer des garde-fous (“AI guardrails”) pour renforcer la fiabilité, la conformité et la sécurité des modèles de langage (LLMs) et agents IA.

Profil recherché : Ingénieur confirmé (jusqu’à 6 ans d’expérience) en IA, sécurité des modèles et MLOps, capable d’évoluer dans un environnement international et collaboratif, à la croisée de la technique, de la recherche et de la gouvernance IA.

• Évaluation et tests des solutions de garde-fous IA :
  
  
  
  • Identifier et évaluer des solutions de sécurité open source et commerciales pour LLM et applications agentiques.
  
  
  • Mettre en place un framework de test automatisé pour mesurer performance, latence et robustesse.
  
  
  • Concevoir et réaliser des scénarios d’attaques adversariaux (ex : prompt injection, jailbreaks).
  
  
  • Analyser les résultats et produire des rapports d’évaluation (précision, compatibilité, intégration).
  
  
  • Assurer le monitoring des performances et de la gestion mémoire des modèles testés.
  
  
  
  


• Intégration et industrialisation :
  
  
  
  • Concevoir des blueprints d’intégration pour incorporer les garde-fous dans les pipelines IA et stacks MLOps existants.
  
  
  • Travailler à leur intégration dans les workflows LLM, RAG, et agents, en utilisant des plateformes cloud (Azure, AWS, GCP).
  
  
  • Collaborer avec les équipes de sécurité, conformité, d’ingénierie pour définir des indicateurs et seuils de sécurité.
  
  
  • Garantir la compatibilité avec les frameworks et technologies Asiatech AI.
  
  
  • Contribuer à la documentation et à la mise en œuvre de pratiques d’IA responsable (conformité aux standards européens).
  
  
  
  


• Partage de connaissances et support transverse :
  
  
  
  • Animer des ateliers sur la sécurité des modèles IA.
  
  
  • Contribuer à la rédaction de livrables techniques, whitepapers et documentation interne.
  
  
  • Être référent technique sur les pratiques de test et d’évaluation des LLMs.
  
  
  • Diffuser les bonnes pratiques au sein des équipes Data, ML, Sécurité.
  
  
  
  

• Framework de test des garde-fous IA : outils automatisés pour simulation d’attaques et mesure de robustness.


• Rapports d’évaluation : performance, latence, intégration, fiabilité.


• Plans d’intégration (blueprints) : architectures de référence et bonnes pratiques pour l’implémentation dans les workflows LLM/RAG.


• Documents de partage : ateliers, documentation interne, publications techniques.