Mission freelance développeur Cloud & IA(H/F)

La mission cible un ingénieur IA senior (7–12 ans d’expérience) capable de concevoir, développer, orchestrer et industrialiser des agents autonomes basés sur des LLM, dans un environnement Azure + Databricks + Snowflake, avec une forte composante développement front-end et back-end.

Le profil doit être hands-on, capable de livrer rapidement, tout en maîtrisant les enjeux d’architecture, de performance, de supervision et de gouvernance des modèles.

🧠 1. COMPÉTENCE CLÉ ABSOLUE : AGENTIC AI

Le candidat doit savoir développer des agents autonomes capables de :

• interagir entre eux,

• utiliser des outils (API, fonctions, bases de données…),

• suivre des workflows complexes,

• partager un contexte ou une mémoire (MCP),

• gérer l’orchestration (planification, reasoning, tool use).

Technos attendues :
✔ LangChain (agents, tools, memory)
✔ AutoGen (Microsoft)
✔ Model Context Protocol (MCP)
✔ Frameworks multi-agents / orchestrateurs

Le cœur de la mission est la création et l’orchestration d’agents autonomes utilisés dans des cas d’usage métier réels.

💻 2. COMPÉTENCE FULL STACK – FRONT + BACK

Le profil doit être en capacité de livrer des applications permettant aux utilisateurs d’interagir avec les agents.

Front-end requis :

✔ React / TypeScript
✔ UI simple pour consommer les agents
✔ Handling d’état / appels d’API

Back-end requis :

✔ Python (FastAPI / Flask)
✔ API REST exposant les agents et modèles
✔ Intégration de workflows / orchestrateurs agentiques

☁️ 3. DOMAINE CLOUD : MICROSOFT AZURE (EXPERT)

Maîtrise avancée exigée :
✔ Azure AI Foundry
✔ Azure Machine Learning
✔ Azure Cognitive Services
✔ Azure Functions
✔ Azure Storage / Eventing
✔ Azure DevOps / CI-CD

Le profil doit savoir déployer des agents et des modèles en production dans Azure.

🧩 4. PIPELINES RAG – DATAbRICKS / SNOWFLAKE

Le candidat doit savoir construire des pipelines pour :

• ingestion documentaire,

• vectorisation,

• recherche sémantique,

• fine-tuning / modèles spécialisés,

• ingestion de données dans Snowflake et/ou Databricks.

Outils attendus :
✔ Databricks Lakehouse
✔ Snowpark
✔ Vector DBs (FAISS, Chroma, Qdrant…)

🔬 5. ÉVALUATION, TESTS, SUPERVISION DES AGENTS

Le profil doit savoir :

• créer des tests unitaires / fonctionnels pour agents,

• évaluer qualité / performance / robustesse,

• monitorer drift / latence / erreurs,

• mettre en place des logiques de garde-fous (guardrails),

• gérer MLOps / AgentOps.

🛠 6. TECHNOS GENAI REQUISES

✔ Hugging Face
✔ Transformers
✔ OpenAI API
✔ Modèles GPT / diffusion / Llama / Mistral
✔ Prompt engineering
✔ Fine-tuning
✔ Tool-use (function calling, outils personnalisés)

👤 7. SENIORITÉ & SOFT SKILLS ATTENDUS

• 7–12 ans d’expérience

• Capacité à parler avec les métiers, IT, data, architecture

• Autonomie, rigueur, capacité à diagnostiquer les bugs agentiques

• Curiosité active (veille GenAI indispensable)

• Capacité à construire des POCs puis à les industrialiser

• Bon niveau d’anglais (écrit/oral)

L’environnement combine IA Générative, Cloud Azure, développement applicatif, orchestration d’agents et ingénierie Data moderne.

🏢 1. Contexte organisationnel

• Grande entreprise du secteur construction / BTP / infrastructure

• Travail au sein d’une équipe Data/IA / Innovation / Architecture

• Collaboration directe avec :

  • architectes cloud

  • équipes data (Snowflake, Databricks)

  • équipes IT / sécurité

  • métiers utilisateurs (fonctionnels)

• Mission prévue à 3/5 au début → charge progressive

• Démarrage début d’année

• Télétravail : TBD (probablement hybride)

• Anglais courant nécessaire pour documentation / outils / échanges techniques

☁️ 2. Stack Cloud / DevOps

L’environnement technique est 100% orienté Azure, avec :

Cloud

• Azure AI Foundry

• Azure Machine Learning

• Azure Cognitive Services

• Azure Functions

• Azure App Services / Container Apps

• Azure Storage (Blob, Tables…)

• Azure Monitor / Application Insights

CI/CD & Ops

• Azure DevOps

• Git / GitHub

• Pipelines CI/CD

• Monitoring / observabilité des agents et modèles

🤖 3. Stack IA / GenAI / Agentic AI

C’est le cœur du poste.

Frameworks Agents

• LangChain (agents, tools, memory)

• AutoGen (Microsoft)

• MCP (Model Context Protocol)

• A2A (Agent-to-Agent paradigms)

Modèles & APIs

• GPT / OpenAI API

• Modèles Azure OpenAI

• Modèles HF (Transformers, Diffusion)

• Techniques :

  • RAG

  • Fine-tuning

  • Retrieval pipeline

  • Evaluation agentique

Outils d'ingénierie IA

• Hugging Face

• MLflow

• Vector Databases (FAISS, Chroma, Qdrant)

🧩 4. Stack Data & Pipelines

Le rôle interagit avec l’écosystème data de l’entreprise :

Databricks

• Lakehouse

• PySpark

• Feature stores

• Intégration pipelines LLM

Snowflake

• Snowpark

• Tables & ingestion

• Vector functions potentielles

Pattern de travail

• Pipelines d’ingestion

• Nettoyage, transformations

• Indexation vectorielle pour RAG

• Optimisation performance / coût

💻 5. Stack Développement

Le développeur doit être opérationnel sur :

Backend

• Python (expert)

• FastAPI / Flask

• Développement d’API REST pour exposer les agents

Frontend

• React (impératif)

• Typescript

• UI pour permettre la consommation des agents IA

• Fronts dédiés / spécifiques selon les cas d’usage

Qualité logicielle

• Tests unitaires

• Tests fonctionnels agents

• Code review

• Architecture logicielle modulaire

🧑‍🤝‍🧑 6. Mode de travail

• Méthodologie agile / itérative

• Travail en équipe pluridisciplinaire : Data, IT, Métiers, Cloud, Architecture

• Construction de POCs → industrialisation progressive

• Forte collaboration avec l’équipe centrale architecture pour validation technique

• Environnement stimulant & innovant autour de la GenAI