Trouvez votre prochaine offre d’emploi ou de mission freelance LangGraph à Paris

Nous recherchons un Lead Agentic AI Engineer pour un Un éditeur de contenu français, audience massive, deux business qui tournent en parallèle : l'abonnement, qu'il faut faire grossir, et la régie pub, où il reste pas mal de valeur à aller chercher sur l'inventaire. La data plateforme est en pleine restructuration côté GCP, l'équipe data est en place (data scientists, BI Power BI en self-service, une CDP côté CRM), et on touche au bout du chantier d'infra. La direction veut passer à autre chose que du reporting et du dashboard. Le sujet est de mettre des agents en production sur des cas business qui pèsent sur le P&L, vraiment en production, pas une démo de plus. Concrètement, sur les 6 premiers mois, voilà à quoi va ressembler le job. Tu commences par regarder ce qui se passe vraiment dans la maison côté acquisition, monétisation de l'inventaire pub et fonctions support, et tu sors une liste courte de cas où un agent a du sens (et où il n'en a pas, c'est souvent là que les autres se plantent). Tu choisis deux ou trois cas et tu les mets en prod. Pas un POC, pas un notebook joli. Quelque chose qui tourne, qu'on mesure, qu'on monitore. En parallèle, il y a un chantier de fond : sortir l'équipe du modèle "dashboard" et installer une couche d'analyse comportementale temps réel sur l'audience, c'est le socle qui rend les agents intéressants ensuite. Et tu poses les fondations pour la suite : evals, observabilité, garde-fous, doc d'archi. Si la mission bascule en CDI à 12 mois, on parle aussi du build d'équipe à ce moment-là. Tu travailles en direct avec la régie sur les sujets de monétisation, avec le CRM sur l'activation et la segmentation, et avec les fonctions support sur tout ce qui peut se déléguer à un agent (assistance, ops, modération). C'est une boîte média, il faut aimer ça, savoir ce qu'est un CPM, comprendre pourquoi le directeur de la régie va te poser des questions sur le fill rate, pas sur ton archi. Côté technique Ce qu'on cherche n'est pas exotique mais c'est précis. Il faut avoir déjà mis au moins un système agentic en prod réelle, et savoir le raconter en détail : l'orchestration choisie, comment les outils sont branchés, comment tu fais les evals, ce que tu mesures côté business, ce qui a explosé une fois en prod et comment tu t'en es rendu compte. La stack tu fais avec ce que tu connais : LangGraph, Anthropic Agent SDK, OpenAI Agents, DSPy, du custom maison. L'important c'est d'avoir vraiment livré, pas d'avoir lu la doc. Au-delà de l'orchestration pure, il faut connaître les fondations qui font qu'un agent tient en prod : tool calling propre, evals offline et online, garde-fous, observabilité (LangSmith, Langfuse, Arize, du custom — peu importe), et la gestion des coûts API parce qu'à grande échelle ça compte. Sur la data, tu dois pouvoir lire et challenger un pipeline BigQuery avec Airflow ou Composer dessus, sans forcément vouloir tout refaire toi-même. La data team est là pour ça, mais tu dois pouvoir leur parler d'égal à égal. Côté GCP, tu utilises BigQuery au quotidien et tu sais te servir de Vertex, Cloud Run, Workflows quand c'est utile pour un système agentic. Si tu as un background data scientist ou ML engineer avant d'avoir basculé sur les LLM en 2023-2024, c'est un vrai plus. Tu connais le piège du "tout LLM" et tu sais quand revenir à du déterministe ou à du modèle classique. Si tu as touché un peu d'adtech, CPM, viewability, attribution, ce vocabulaire-là, c'est mieux, mais ça s'apprend en quelques semaines si tu es curieux. Ce qu'on regarde au-delà du CV C'est la partie qu'on peut difficilement vérifier sur LinkedIn mais qui fait la différence sur ce poste précis. D'abord la capacité à dire non. Quand on te propose un cas d'usage, tu dois pouvoir dire "ça, franchement, c'est un workflow déterministe, on n'a pas besoin d'un LLM" — et le défendre devant un sponsor qui voulait son agent. La maison a déjà eu des POC, on ne veut pas en rajouter un. Ensuite la capacité à parler à des non-techs sans intermédiaire. Tu vas te retrouver en réunion avec la régie, avec le marketing, peut-être avec le DAF, et il n'y aura pas de PM pour traduire. Si tu ne sais expliquer ton archi qu'à un autre ingé, ça ne marchera pas. Tolérer l'ambiguïté est un autre critère. On ne te donnera pas un objectif business un peu flou, à toi de remonter au vrai cas et au vrai produit là, et c'est OK. Bien composer avec l'équipe en place. Il y a des data engineers, une BI. Tu ne débarques pas en disant que tout ce qu'ils ont fait est nul. Tu t'appuies, tu écoutes, tu choisis tes batailles. Et puis l'honnêteté. On préfère quelqu'un qui dit "j'ai raté ça, voilà ce que j'en ai appris" à quelqu'un qui survend. Pareil sur les coûts, les délais, les limites des modèles. Quand un agent commence à coûter 4000€/jour en API, on veut le savoir, pas découvrir la facture en fin de mois. Le dernier critère c'est le sens du delivery. On a vu trop de profils brillants qui laissent 4 chantiers ouverts et zéro système en prod. Ici on veut au moins deux mises en prod sur 6 mois, pas un slide deck de roadmap.

Ingénieur Data Senior – Spécialiste Graphes Lieu : Paris, France (hybride - télétravail flexible) Contrat : Contrat renouvelable de 12 mois Date de début : Dès que possible À propos de l’entreprise Notre client est une institution financière mondiale de premier plan, opérant à l’avant-garde des marchés de capitaux, de la banque d’investissement et des services financiers. Axée sur l’innovation, l’organisation investit massivement dans des plateformes de données avancées et des solutions basées sur l’IA pour transformer le fonctionnement des systèmes financiers complexes. Vous rejoindrez une équipe d’innovation à fort impact travaillant sur des initiatives d’IA de pointe dans un environnement réglementé à l’échelle de l’entreprise, où les données, la performance et la fiabilité sont essentielles. Présentation du rôle Nous accompagnons une équipe Innovation qui développe des agents pilotés par l’IA de nouvelle génération. Ce poste est centré sur la conception et le déploiement de systèmes de données basés sur des graphes, servant de fondation à une plateforme avancée d’IA agentique. Une solide expertise en bases de données graphes est indispensable. Responsabilités principales Concevoir, développer et optimiser des structures de connaissances basées sur des graphes Développer et maintenir des pipelines de données scalables alimentant des moteurs de graphes en temps réel Collaborer avec les ingénieurs IA pour soutenir des agents contextuels et orientés relations Contribuer aux décisions d’architecture dans un environnement réglementé à fort enjeu Compétences requises Solide expérience en data engineering (Python, pipelines, modélisation de données) Expertise pratique approfondie des bases de données graphes (Memgraph, LightGraph ou équivalent) Expérience avec des écosystèmes de données complexes (APIs, streaming, sources type CMDB) Atouts Expérience avec les pipelines LLM, RAG ou frameworks agentiques Anglais écrit et oral obligatoire Français apprécié (non indispensable)

Dans le cadre de ses activités d’innovation et de transformation, le Secrétariat Général d'un grand compte bancaire source un profil pour une mission de conseil en ingénierie IA orientée R&D. L’objectif est de concevoir et prototyper des outils agentiques à destination des métiers de la Compliance et du Legal, en explorant les apports des architectures basées sur LLM. Les POC devront s’appuyer sur des use cases existants ou à construire avec les équipes métier. Cette démarche de R&D a vocation à construire des POC fonctionnels dans les standards de développement du Groupe, avec un objectif d’industrialisation facilité pour les cas validés. La mission s’inscrit dans une démarche expérimentale avec un fort enjeu de transformation des pratiques métiers.

Contexte Développement de solutions agentique pour soutenir le programme IA et nos ambitions sur des sujets structurants : automatisation des process, parcours de vente, augmentation des fonctions commerciales, ... Parmis les principaux chantiers identifiés : - Worflow AI et Agentic AI pour les process - Assistants et agents sur les parcours de nos espaces clients et vente pour nos assurés - Bases de connaissances, RAG Factory, ... - Socle et process LLMOps et evaluation de performance, ... Description Conception et développement de solutions IA générative end-to-end, intégration de LLM, développement d'agents autonomes, mise en place de RAG, pipelines d'ingestion, orchestration multi-agents, process et outils d'évaluation de performance, LLM as a Judge, Optimisation itérative

Notre client dans le secteur Banque et finance recherche un AI Engineer – AIOps & Observabilité H/F Descriptif de la mission: Description de mission Contexte et objectif de la mission Au sein de la Direction IT Production d'un grand groupe du secteur financier, le stream « Observabilité » porte un projet stratégique d'optimisation du MTTR (Mean Time To Repair) par l'automatisation de l'analyse d'incidents. L'objectif est de réduire drastiquement le temps d'identification des causes racines (Root Cause Analysis – RCA) en exploitant les données d'observabilité grâce à des technologies d'Intelligence Artificielle et de Machine Learning. Le prestataire sera intégré au stream « Observabilité » et travaillera en collaboration étroite avec l'équipe « Core IA », en charge de la plateforme agentique. Missions principales • Développer des agents intelligents spécialisés dans le diagnostic technique en s'appuyant sur les frameworks LangChain et LangGraph • Concevoir et déployer des jobs de détection d'anomalies automatisés pour identifier les dérives comportementales des systèmes • Ingérer et analyser les logs via Elasticsearch et les métriques de performance/APM via Dynatrace • Corréler les différentes sources de données d'observabilité pour produire des diagnostics actionnables • Industrialiser des modèles LLM appliqués à la RCA, transformant les données brutes en analyses exploitables par les équipes IT • Contribuer à l'amélioration continue des pipelines d'observabilité dans un environnement de production contraint Environnement technique • Langage : Python (expertise requise) • Observabilité : Elasticsearch (Log Management), Dynatrace (Monitoring / APM) • IA / LLM : LangChain, LangGraph, Machine Learning (Anomaly Detection) • Contexte : Intégration continue en environnement de production bancaire

Contexte du projet Mon client industrialise une plateforme interne d'agents IA destinée à ses équipes métiers et IT. Le projet, en phase d'industrialisation, vise à mettre à disposition dans un cadre gouverné des agents conversationnels et décisionnels capables de répondre à des cas d'usage opérationnels en s'appuyant sur les données et systèmes internes de la banque (gestion d'incidents, topologie applicative, gestion des changements, etc.). Mission: L'Ingénieur IA intervient au sein de l'équipe plateforme et contribue au développement, à la qualification et à la mise en production d'agents IA orchestrés sous LangGraph. Le périmètre de la mission couvre : • Conception et développement d'agents autonomes en Python avec LangGraph (StateGraph, multi agents, human-in-the-loop, intégration LLM, prebuilt tools). • Intégration des agents avec des composants RAG, des bases de connaissances internes et des sources opérationnelles via API. • Optimisation des stratégies de prompt engineering et des mécanismes de contrôle (function calling, tool use, plan-and-execute). • Mise en place et enrichissement des suites d'évaluation (eval datasets, monitoring comportemental, détection de dérive et d'hallucinations) sous LangSmith. • Industrialisation : versioning, packaging conteneur, intégration CI/CD GitLab, conformité aux standards de la plateforme. • Documentation des agents, contribution à la matrice de risques et aux runbooks d'exploitation.