Trouvez votre prochaine offre d’emploi ou de mission freelance CrewAI

Dans le cadre de sa stratégie de transformation digitale et du déploiement de l'intelligence artificielle générative, une grande entreprise souhaite renforcer son dispositif d'expertise autour des agents IA et des solutions d'automatisation. L'objectif est d'accélérer l'identification, le développement, l'industrialisation et le déploiement de cas d'usage à forte valeur ajoutée basés sur les technologies d'IA générative. L'intervenant accompagnera les équipes tout au long du cycle de vie des projets, depuis la phase de conception jusqu'à la mise en production et le support des solutions déployées.

Contexte de la mission L'équipe MTA (Modélisation et Technologies Avancées) conçoit et industrialise les composants IA utilisés par les métiers. Ses principales missions incluent : Développement des API Développement de chatbots : internes (ex. Jarvis) et externes (assistants métiers). Création d'agents IA : capables d'exécuter des workflows, interagir avec des API, orchestrer des outils, et automatiser des tâches complexes. Intégration avancée des modèles LLM : Mistral, GPT, Claude, etc. Contribution technique aux plateformes transverses : IALAB, IAP, GED/PHX, RPA, etc. Participation aux démonstrations système : sujets chatbots, workflows automatisés, IALAB, etc. Pour soutenir la montée en puissance des usages IA, le client souhaite renforcer l'équipe MTA avec un développeur expérimenté spécialisé en agents IA, orchestration, chatbots avancés et intégrations SI. Objectifs et livrables 1 Développer des agents IA avancés pour les métiers Conception d'agents capables d'appeler des API, déclencher des outils internes, et exécuter des actions complexes. Gestion de scénarios multi-étapes : analyse ® décision ® action ® supervision. Construction de "tooling IA" : actions, connecteurs, permissions, wrappers. Alignement avec les procédures SSI, DPO et gouvernance IA. 2 Conception ou amélioration de chatbots métiers Développement d'assistants IA pour piloter la documentation, les workflows, la qualification documentaire, etc. Implémentation des mécanismes clés : mémoire, récupération d'information, contextualisation. Optimisation UX des interactions : prompts, actions, réponses structurées. Support multi-modèles : Mistral Large, GPT-4o, Claude 3.7, etc. 3 Intégration et orchestration avec le SI Appels sécurisés vers les API internes : ERP, GED, RPA, CRM, PHX, etc. Connexion aux outils d'orchestration existants : RPA, IALAB, pipelines documentaires. Mise en place d'exécuteurs d'outils avec gestion fine des autorisations et logs. 4 Industrialisation et fiabilisation Observabilité complète : logs, métriques, traçabilité, monitoring des coûts. Tests unitaires et end-to-end pour chatbots et agents. Contribution aux frameworks internes : libs maisons, conventions IA. Participation aux démos système, PI planning et increments Agile. Développement Python expert : FastAPI, async, architectures modulaires. Très bonnes bases en Node.js/TypeScript pour certains agents front ou services d'intégration. Développement orienté API-first. Bonne pratique des patterns d'architecture cloud : Azure Functions, containers, CI/CD. DévSecOps: You Build It And You Run It. IA et Agents Maîtrise de la conception d'agents IA outillés (ReAct, Agentic Workflow, Toolformer-like). Connaissance des frameworks agents : LangChain, LlamaIndex, CrewAI, Semantic Kernel ou équivalents. Forte capacité à modéliser des workflows IA/métiers dans des environnements complexes. Excellente maîtrise des LLM (Mistral, GPT, Claude). 3 Chatbots Conception de flows conversationnels complexes. Intégration de modules mémoire, RAG, reformulation. Optimisation de prompts avancés. Conscience UX conversationnelle : turn-taking, clarifications automatiques. 4 Intégration et Données Appels API REST/GraphQL internes. Interaction avec GED, bases documentaires, data lakes. Utilisation ou construction de {*}connecteurs métier{*}. 5 Qualité, Sécurité et Gouvernance Logs, audit, monitoring : Grafana, Prometheus, Langfuse. Compréhension des contraintes de sécurité des agents : permissions d'actions, filtrage des commandes, sandboxing, conformité interne IA. Forte autonomie et capacité à mener des sujets en transverse. Pédagogie et vulgarisation pour les métiers utilisant les chatbots/agents. Capacité à documenter : guides, API docs, schémas. Esprit produit : proposer, challenger, prioriser, démontrer. Participation active aux rituels Agile et aux démonstrations. 1 Langages et Frameworks Python (FastAPI, async) Node.js/TypeScript Frameworks agents : LangChain, LlamaIndex, CrewAI, Semantic Kernel 2 Modèles et IA LLM : Mistral, GPT, Claude RAG (Retrieval-Augmented Generation) Mémoire et contextualisation 3 Intégration et Orchestration API : REST, GraphQL Outils internes : ERP, GED, RPA, CRM, PHX, IALAB, IAP Connecteurs métier 4 Cloud et DevOps Kafka Azure Functions Containers CI/CD 5 Observabilité et Sécurité Grafana Prometheus Langfuse SSI, DPO, gouvernance IA Compétences demandéesCompétencesNiveau de compétence CI/CD Containers Connecteurs métier SSI, DPO, gouvernance IA KAFKA API : REST, GraphQL LLM : Mistral, GPT, Claude Mémoire et contextualisation Prometheus Python (FastAPI, async) Grafana Langfuse Outils internes : ERP, GED, RPA, CRM, PHX, IALAB, IAP Frameworks agents : LangChain, LlamaIndex, CrewAI, Semantic Kernel Node.js/TypeScript Azure Functions RAG (Retrieval-Augmented Generation)

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.

Le prestataire mène actuellement la mise en place du Centre d'excellence (CoE) du projet Agentic. Notre mission consiste à aller au-delà de l'automatisation statique et à construire un écosystème sophistiqué d'agents autonomes dotés de capacités de raisonnement, capables de gérer des flux de travail financiers complexes. Au sein de cette équipe, vous ne vous contenterez pas de développer des API traditionnelles ; vous concevrez la « colonne vertébrale de l'intelligence », c'est-à-dire l'infrastructure hautement performante, évolutive et résiliente qui permet aux grands modèles linguistiques (LLM) et aux systèmes multi-agents d'interagir avec les données et les outils d'entreprise de la banque. MissionsConcevoir et mettre en œuvre l'architecture backend pour les agents autonomes à l'aide de frameworks d'orchestration avancés tels que LangGraph, Google ADK et CrewAI. Développer et normaliser des interfaces d'agents à l'aide de FastMCP (Model Context Protocol) afin de garantir une utilisation fluide des outils et une récupération des données sans heurts pour les LLM. Concevoir et maintenir des microservices asynchrones haute performance en Python capables de gérer des boucles de raisonnement complexes et des tâches d'agent de longue durée. Mettre en œuvre des modèles de communication robustes et pilotés par les événements à l'aide de systèmes de messagerie afin de gérer les transitions d'état et les flux de données au sein des systèmes multi-agents. Diriger la conteneurisation et l'orchestration des services d'IA à l'aide de Docker et de Kubernetes, en garantissant une haute disponibilité et une faible latence. Outils et environnementProgrammation de base : maîtrise avancée de Python (programmation asynchrone, indication de types), expérience avec Rust ou C++ Frameworks d'agents : LangGraph, CrewAI, Google ADK ; AutoGen, LangChain (privilégié) Connectivité IA : FastMCP (Model Context Protocol) ; Semantic Kernel, LlamaIndex (privilégié) Architecture : microservices, conception orientée événements, API RESTful ; modèles de conception de systèmes distribués (privilégié) Données et messagerie : SQL (PostgreSQL), middleware orienté messages ; bases de données vectorielles (apprécié) DevOps et cloud : Docker, Kubernetes, Jenkins, Artifactory ; Google Cloud Platform (GCP) (apprécié) Tests/assurance qualité : tests automatisés, Cucumber/BDD ; tests de performance/de charge pour la latence des grands modèles de langage (LLM) (apprécié) Conditions de travailAu moins 8 ans d'expérience professionnelle en ingénierie logicielle backend. Expérience avérée dans la conception et le déploiement de systèmes d'entreprise distribués à grande échelle. Connaissance approfondie de l'écosystème Python et des modèles de conception logicielle modernes. Excellente maîtrise de l'anglais ; capacité à communiquer des concepts techniques complexes aux parties prenantes au sein du Centre d'excellence (CoE). Capacité à s'épanouir dans un environnement en constante évolution où les méthodologies d'IA changent rapidement.