Trouvez votre prochaine offre d’emploi ou de mission freelance Large Language Model (LLM)

En tant que Développeur Sinequa LLM, vous interviendrez sur : Le développement, la configuration et l’intégration de solutions Sinequa. L’optimisation et le déploiement de modèles LLM au sein de l’écosystème Sinequa. La mise en place et l’évolution des pipelines de données. La gestion et le tuning des connecteurs et des index. La contribution à l’amélioration continue des performances et de la pertinence des moteurs de recherche. La rédaction de la documentation technique et fonctionnelle. Le support technique auprès des équipes internes.

Mission Vous interviendrez sur un projet stratégique de structuration de la connaissance métier , dont les principaux objectifs sont : Concevoir et structurer des ontologies métier robustes . Définir une architecture sémantique permettant d’alimenter et fiabiliser des LLM via des graphes de connaissances. Apporter une expertise critique et stratégique sur les approches hybrides (symbolique + génératif). Transformer des enjeux métiers complexes en POC pertinents et structurés . Alimenter, structurer et fiabiliser les chaînes de connaissance au service d’applications IA explicables. Optimiser l'efficience des modèles (maîtrise des coûts/tokens) au sein d'un environnement souverain. L’IA générative (LLM, RAG, GraphRAG, modèles souverains) est intégrée en surcouche dans une architecture de connaissance maîtrisée (RDF / OWL / SPARQL).

Les missions du poste Dans le cadre d'un projet international stratégique, nous recherchons un(e) Ingénieur IA & Produits pour contribuer au développement de solutions d'IA avancées dédiées à l'enrichissement de contenus et de produits à forte valeur ajoutée. L'architecture technique et les problématiques seront alignées avec celles déjà déployées par l'équipe française, avec une forte dimension Prompt Engineering avancé et évaluation des performances. Vous interviendrez au croisement de la recherche appliquée, de l'ingénierie IA et de la logique produit. Vos missions - Prompt Engineering avancé - Concevoir et optimiser des stratégies de prompting complexes - Développer des chaînes de prompts robustes et industrialisables - Adapter les prompts selon les cas d'usage métier - Gérer la variabilité et la stabilité des outputs - Evaluation & métriques - Concevoir des pipelines d'évaluation des prompts - Définir des métriques de qualité (pertinence, factualité, robustesse) - Mettre en place des benchmarks comparatifs - Optimiser les performances selon précision / latence / coûts - Développement & mise en production - Concevoir des solutions intégrant LLM, Deep Learning et architectures agentiques - Développer des workflows multi-agents - Implémenter des modèles NLP (classification, extraction, enrichissement) - Industrialiser les solutions en environnement produit

Nous recherchons un LLM Engineer confirmé / senior avec un fort background Data Scientist , pour intervenir sur des projets stratégiques autour de l’ IA Générative et des architectures RAG sur AWS. 🎯 Contexte de la mission Vous intégrerez une équipe en charge de concevoir et industrialiser des solutions IA basées sur des LLM , avec des enjeux forts de performance, sécurité et scalabilité. L’objectif : passer du prototype à la production sur des cas d’usage métier à fort impact. ⚙️ Missions principales Concevoir et développer des solutions basées sur des LLM . Mettre en place des architectures RAG (Retrieval Augmented Generation) . Développer des agents IA avec LangChain / LlamaIndex ou frameworks équivalents. Déployer et industrialiser les solutions sur AWS . Optimiser les performances (fine-tuning, embeddings, prompt engineering avancé). Collaborer avec les équipes Data, IT et métiers pour cadrer les cas d’usage. Participer aux phases de POC puis d’industrialisation.

Lead MLOps – Expert PythonRAG Conversationnel Production (Azure Cloud – Full Microsoft) Dans un contexte cabinet / finance / environnement régulé, nous recherchons un Lead MLOps senior , expert Python, ayant déjà mis en production un RAG conversationnel sur Azure . Il ne s’agit pas d’un rôle de Data Scientist ni d’un profil POC. Nous cherchons un Lead Engineering capable d’industrialiser, structurer et opérer un système GenAI en production , dans un environnement complexe et multi-acteurs. Mission Transformer un RAG conversationnel (POC ou existant) en système production-grade . Concevoir et structurer l’architecture technique sur Azure Cloud . Mettre en place les pipelines CI/CD et MLOps adaptés aux systèmes LLM/RAG. Déployer, monitorer et opérer la solution en production. Définir les standards de gouvernance IA, versioning, auditabilité et conformité. Interagir étroitement avec les architectes Azure et équipes Ops Cloud . Être force de proposition, cadrer, arbitrer et assumer les décisions techniques. Passer du POC à la PROD de manière structurée et mesurable . Expertise Azure (indispensable) Maîtrise concrète des environnements Azure : Azure OpenAI Azure AI Search / Vector Search Azure ML / Fabric / Databricks Azure DevOps / GitHub Actions AKS ou services managés Azure Monitoring Azure (logs, métriques, alerting) Capacité à dialoguer techniquement avec les architectes et équipes Ops Azure. RAG Conversationnel – Exigences Architecture modulaire (ingestion / retrieval / génération découplés) Gestion du contexte conversationnel Optimisation retrieval (chunking, reranking, hiérarchisation) Contrôle des hallucinations Monitoring qualité & performance Évaluation automatisée (LLM-as-a-Judge, métriques retrieval, A/B testing) MLOps – Cœur du rôle Pipelines CI/CD pour ML / GenAI Versioning code / data / modèles Tests unitaires & intégration Monitoring technique (latence, coûts, erreurs) Monitoring sémantique (qualité des réponses) Rollback & gestion des incidents Gouvernance IA & standards engineering Engineering Python expert (FastAPI, modularité, clean architecture) Structuration claire du code Gitflow maîtrisé Scalabilité & résilience Documentation et standards d’équipe Profil recherché 7–10+ ans d’expérience Lead MLOps / ML Engineering senior Expérience démontrée de mise en production RAG conversationnel sur Azure Habitué aux environnements cabinet / finance / régulés Leadership affirmé, capacité à s’imposer Capable de proposer des solutions pragmatiques et surtout de les exécuter Environnement de travail Localisation : Paris centre Télétravail partiel possible Environnement exigeant mais agile Culture d’équipe forte, esprit “team spirit” Mode de fonctionnement dynamique, proche d’un esprit startup Forte exposition aux enjeux stratégiques IA Ce que nous ne recherchons pas Profils orientés uniquement Data Science RAG prototype / non production-grade Expérience Azure superficielle Manque d’expérience MLOps réelle Profil incapable de structurer et gouverner

Nous recherchons un Agent Engineer spécialisé sur l’écosystème Google Cloud afin de contribuer au développement d’agents conversationnels basés sur l’intelligence artificielle générative. La mission s’inscrit dans un programme stratégique visant à enrichir l’expérience client grâce aux LLM et à automatiser certaines interactions du centre de relation client. Le consultant interviendra sur des cas d’usage concrets mêlant voicebot intelligent et agents conversationnels d’auto-diagnostic , avec un objectif clair : améliorer la compréhension des demandes clients et augmenter le taux de résolution au premier contact. Le rôle implique à la fois des compétences d’ingénierie IA, d’architecture technique et d’industrialisation des modèles . Rôle attendu Concevoir et développer des agents conversationnels basés sur des LLM au sein de l’écosystème Google Cloud Participer à l’évolution d’un voicebot existant en intégrant des capacités d’IA générative Concevoir un agent d’auto-diagnostic conversationnel permettant aux utilisateurs de diagnostiquer certaines pannes de manière autonome Mettre en place des architectures RAG (Retrieval-Augmented Generation) afin d’enrichir les réponses des agents Implémenter et optimiser les solutions sur Vertex AI et Dialogflow CX Contribuer à l’industrialisation des modèles : évaluation des LLM, tests de robustesse, métriques de performance et bonnes pratiques AIOps

Contexte de la mission Missions principales : Développement et programmation : 1. Contribution au développement de la plateforme python (évolution d'architecture, développement de nouveaux modules et librairies) 2. Contribution à la maintenance logicielle 3. Participer à l'amélioration continue des performances (prompt engineering, développement chaine de traitement IA, optimisation des traitements) 4. Maitrise des pipelines de déploiement 5. Participation active aux revues de code Collaboration avec les métiers et les Business Analysts 1. Travailler en synergie avec les équipes métiers et les Business Analysts pour comprendre les besoins et les enjeux spécifiques. 2. Traduire les exigences métier en solutions techniques innovantes et adaptées. 3. Pilotage technique des projets en autonomie Recherche et innovation : 1. Mener une veille technologique sur les dernières avancées en IA générative. 2. Proposer des idées innovantes pour de nouveaux projets ou améliorations. Documentation : Rédiger une documentation technique claire

Contexte L'équipe du client travaille sur le développement des algorithmes de détection d'anomalie sur des pièces industrielles. L'équipe est composée d'une dizaine de personnes (Data scientist, deep learning ingénieur, ML engénieur) et travaille sur une dizaine de projet par an pour développer des solutions d'aide au contrôle industriel. Les données traitées sont des images sous des formes variées (ultrasons, rayons X, tomographie, images visibles, vidéo, etc...) Pour produire les détecteurs (ou algorithme), l'équipe s'appuie sur une stack d'outils internes permettant l'industrialisation du travail des Deep Learning Scientist. La stack se divise en : une stack d'outils génériques (AI Platform) servant toutes nos lignes de produit, développée par l'équipe AI engineering. une stack d'outils spécifiques à l'équipe contrôle non destructif, développée par l'équipe CND elle-même. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer l'équipe pour contribuer à plusieurs projets CND. Soft skills Votre esprit est rigoureux, créatif et méticuleux. Vous avez un bon esprit critique, ainsi que de bonnes capacités d'analyse des résultats et de prise de recul. Vous avez une bonne capacité à travailler en équipe, et de bonnes compétences en communication. Vous êtes pragmatique, et orienté résultat.

Pour le compte d’un grand groupe international (client masqué) , nous recherchons un·e Ingénieur·e Backend pour intervenir sur une plateforme d’ IA générative déployée à grande échelle en interne. Tu rejoindras une équipe technique travaillant sur une solution stratégique qui vise à améliorer la productivité des collaborateurs grâce à l’intégration de modèles de langage (LLM). Ton rôle consistera à concevoir, développer et maintenir des services backend performants, robustes et scalables , capables de gérer un volume élevé d’interactions IA, d’orchestrer différents fournisseurs de LLM et d’assurer l’intégration fluide avec le SI existant. Missions principales : Conception et développement de microservices backend Développement et optimisation d’ API REST à forte volumétrie Orchestration et intégration de LLM (plusieurs providers) Contribution à la scalabilité, performance et fiabilité de la plateforme Participation à l’architecture backend et aux choix techniques Collaboration en environnement Agile avec équipes produit, IA et DevOps

Contexte de la mission Dans le cadre de ses initiatives visant à améliorer la performance énergétique et à accélérer la décarbonation de ses activités, le client recherche un Product Engineer IA / ML . La mission s’inscrit au cœur des activités Énergie (bâtiments, sites industriels, réseaux, production) et consiste à accompagner les Business Units dans la conception, le développement et l’industrialisation de solutions d’intelligence artificielle à fort impact opérationnel. Le prestataire interviendra comme acteur clé entre les équipes métier, Data Science et IT , avec un objectif clair de passage à l’échelle et de déploiement multi-BU. 2. Objectifs de la mission Développer et déployer des solutions IA/ML industrielles visant l’optimisation de la performance énergétique et la réduction de l’empreinte carbone Transformer des problématiques opérationnelles complexes en produits IA robustes, maintenables et prêts pour la production Garantir l’intégration des solutions dans la plateforme data du Groupe et leur réplicabilité à l’échelle des Business Units Assurer un impact métier mesurable en lien direct avec les enjeux énergétiques et environnementaux 3. Missions et responsabilités Le Product Engineer IA / ML sera en charge de : Concevoir, développer et déployer des solutions IA/ML scalables, du POC à la production Collaborer étroitement avec les équipes Data Science et IT pour assurer la faisabilité technique, la qualité des données et l’industrialisation Construire et maintenir une bibliothèque de composants IA/ML explicables et réutilisables Intégrer les solutions dans la plateforme data Groupe pour un déploiement multi-BU Orchestrer la livraison end-to-end des cas d’usage, en garantissant robustesse, performance et traçabilité Produire une documentation complète (blueprints, guides d’implémentation, bonnes pratiques) afin de faciliter la réplication des solutions Favoriser la collaboration transverse entre Business Units, équipes Data, IT et fonctions centrales Contribuer au partage de connaissances et à la montée en compétence des équipes internes 4. Compétences requisesCompétences techniques IA générative et agents : Expert Machine Learning & Deep Learning : Expert MLOps et industrialisation des modèles : Confirmé Data Engineering : Avancé Efficacité énergétique et enjeux de décarbonation : Avancé Compétences transverses Capacité à transformer des enjeux métier en produits IA industrialisables Forte culture produit et orientation impact mesurable Capacité à travailler en environnement complexe et multi-acteurs Autonomie, rigueur technique et sens du delivery

Nous recherchons un(e) Lead Product Owner pour piloter la conception et la livraison à l’échelle industrielle de produits innovants, centrés sur l’IA et les données, pour la franchise de Recherche en Valeurs Mobilières côté vente (sell-side). Vous orchestrerez une équipe interfonctionnelle (Analystes de Recherche, Ventes, Corporate Access, Data Scientists/Ingénieurs, UI/UX et ingénieurs full-stack) afin de créer des services sécurisés, multilingues et prêts pour le client, améliorant la portée, la qualité et la monétisation de la recherche. Périmètre du produit : trois piliers 1. Production augmentée par l’IA pour les Analystes de Recherche Génération et assemblage de documents de recherche multilingues avec supervision humaine. Capacités clés : ingestion et templating de documents, traduction/adaptation du ton, sourcing de données, suggestions de mise à jour de modèles, résumés factuels avec citations et validation. 2. Engagement client augmenté par l’IA pour les Ventes Agents intégrés pour réduire le temps de préparation et augmenter le temps consacré aux clients et à l’analyse à forte valeur ajoutée. Capacités clés : récupération sécurisée de données internes et externes, requêtes conversationnelles, préparation ciblée de matériel client, automatisation du flux de capture d’alpha, intégration avec CRM et outils collaboratifs. 3. Monétisation & expérience client Transformation de la propriété intellectuelle en revenus récurrents via différents formats : ensembles de données, abonnements, contenus générés par IA (chatbots, podcasts, vidéos, etc.). Capacités clés : empaquetage de données, génération de contenu multi-format, analyse de l’utilisation et de la monétisation, distribution conforme aux droits. Contexte technologique : Modernisation d’une plateforme mixte : systèmes existants (CRM, portail web de Recherche) et nouvelles solutions IA (Azure RAG, Microsoft Copilot, plateformes de données et IA). Livraison de produits RAG/LLM/Agents à l’échelle avec garde-fous, observabilité et contrôle des coûts. Responsabilités clés : Définir la feuille de route 3 ans et quantifier la valeur via OKRs. Concevoir des expériences RAG/agents, automatiser les flux, sécuriser les données et superviser la qualité humaine. Intégrer les flux de données, assurer la conformité des licences et collaborer avec les équipes Juridique/Conformité. Gérer le backlog, rédiger les PRD, définir les SLOs, livrer de manière itérative et soutenir le lancement des offres client.

Au sein de la direction Data & IA d’un grand groupe international, vous interviendrez sur la conception, le déploiement et l’adoption d’une plateforme d’IA agentique basée sur les technologies de GenAI . L’organisation a déjà industrialisé plusieurs solutions GenAI largement utilisées en interne et entre dans une nouvelle phase stratégique visant à généraliser des agents IA à l’échelle du groupe. Vous jouerez un rôle central entre les équipes métiers, IT et Data & IA afin d’accélérer l’industrialisation des cas d’usage GenAI et la montée en maturité de la plateforme. Vos responsabilités incluent notamment : Accompagnement des équipes projets sur l’ensemble du cycle de vie des cas d’usage GenAI (idéation, cadrage, conception, mise en production, support). Contribution à la définition de l’architecture cible de la plateforme IA agentique. Participation à la mise en place des bonnes pratiques de sécurité, de conformité et de gouvernance autour de la GenAI. Contribution à la diffusion de la culture IA au sein de l’organisation.

La l'équipe RAD-LAD (Reconnaissance Automatique de Documents et Lecture Automatique de Documents) a pour objectif de savoir reconnaître le maximum de documents clients possible et d'en extraire le maximum de données possibles pour aider le conseiller au quotidien. L'équipe souhaite élargir son panel de documents reconnus et moderniser les technologies utilisées (LLM notamment). * Tester différents LLM peu importe le provider (aws, gcp, azure) * Préparer les jeux de données * Définir les conditions de succès et d’échec et paramétrer les outils de benchmark (IA tools par exemple) afin de comparer les résultats attendus * Faire des développements sur les produits de la squaq (Java / Python)

Expert Python / IA – LLM - Orleans Localisation : Orléans Modalités : Démarrage en full présentiel, puis possibilité de 3 jours de télétravail par semaine Contexte : Plusieurs sujets stratégiques autour de l’intelligence artificielle et des modèles de langage (LLM) sont actuellement en cours, ce qui motive la recherche d’un expert Python capable d’accompagner ces initiatives. Descriptif du poste : L’expert Python interviendra sur des projets de développement back-end intégrant des briques IA. Il participera à la conception, au développement et à l’optimisation de solutions exploitant des modèles de langage (LLM), ainsi qu’à l’industrialisation de ces usages dans le SI existant. Il sera force de proposition sur les choix techniques et les architectures. Compétences attendues : Expertise confirmée en développement Python Expérience sur des projets IA / Machine Learning et/ou LLM Maîtrise de frameworks Python (Django, Flask, FastAPI ou équivalent) Expérience dans l’intégration et l’exploitation de modèles de langage (API, pipelines, prompt engineering, etc.) Connaissance des architectures API, du traitement de données et des environnements Linux Autonomie, capacité d’analyse et sens de la collaboration

Vous interviendrez en tant que développeur.euse IA dans le cadre du déploiement de projets IA stratégiques. Vous travaillerez en étroite collaboration avec le Tech Lead et le chef de projet IA pour apporter expertise technique et vision projet. Votre rôle Développement et implémentation IA · Développer des solutions IA et data en environnements de pré-production et de production · Implémenter des cas d’usage IA variés (NLP, assistants intelligents, RAG, classification, résumé, extraction) · Mettre en œuvre des pipelines IA de bout en bout (ingestion des données, traitement, modèles, évaluation) en intégrant des mécanismes de contrôle et d’amélioration continue · Faire évoluer et optimiser les solutions existantes Architecture IA, arbitrages et sécurisation technique · Contribuer aux choix d’architecture IA et data · Sélectionner, évaluer et intégrer des modèles (open source ou via API) en tenant compte des enjeux de coûts, sécurité, souveraineté et pérennité · Concevoir et industrialiser des architectures RAG (indexation, retrieval, génération, évaluation) · Participer aux arbitrages techniques et à la priorisation des sujets · Structurer, expliquer et documenter les choix techniques Coordination technique et collaboration · Travailler en étroite collaboration avec le tech lead, les développeurs et data scientists · Assurer une coordination technique fluide avec le chef de projets IA · Expliquer les sujets techniques à des profils non techniques · Contribuer à la capitalisation des connaissances via la documentation technique et les outils collaboratifs (Confluence)

Partenariats & écosystème plateformes •Cartographier l’écosystème et identifier les bons interlocuteurs chez les éditeurs / intégrateurs. •Préparer, conduire et restituer les workshops partenaires (AWS, Microsoft, MuleSoft, Snowflake, etc.). •Évaluer les offres (agents frameA. Partenariats & écosystème plateformes •Cartographier l’écosystème et identifier les bons interlocuteurs chez les éditeurs / intégrateurs. •Préparer, conduire et restituer les workshops partenaires (AWS, Microsoft, MuleSoft, Snowflake, etc.). •Évaluer les offres (agents frameworks, orchestration, outils d’observabilité, sécurité, gouvernance, intégration SI). B. Discovery & use cases Agentic AI (génériques + aéronautique) •Animer des ateliers de discovery (métier, IT, sécurité, data, ops) pour : oDéfinir des use cases transverses (support, IT ops, knowledge assistant, dev productivity, workflow automation, etc.) ; oDéfinir des use cases aéronautiques (ex. maintenance, supply chain, engineering, flight ops, qualité, conformité, MRO, documentation technique). •Formaliser chaque use case : objectifs, périmètre, acteurs, triggers, tâches agentiques, dépendances, données, risques, critères de succès. •Prioriser via une grille valeur/risque/effort (quick wins vs “strategic bets”). C. Recommandations plateformes, architectures, trajectoire •Proposer des patterns d’architecture Agentic AI (RAG, tool-use, multi-agent vs single-agent, event-driven workflows, human-in-the-loop). •Recommander des plateformes / briques (cloud, iPaaS, API management, vector DB, orchestration, MLOps/LLMOps). •Définir la trajectoire : MVP → industrialisation, critères de passage en prod, exigences non fonctionnelles.