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

Bonjour à tous 😀 🎯 Contexte : Dans le cadre du développement de ses capacités en Intelligence Artificielle Générative , nous recherchons un Data Engineer spécialisé sur Databricks pour intervenir sur des cas d’usage innovants à forte valeur ajoutée. Le poste combine des enjeux de data engineering, machine learning et mise en production dans un environnement moderne. 🛠️ Missions principales Concevoir et développer des modèles de Machine Learning (GenAI) Collecter, préparer et exploiter les données Développer des pipelines d’ingestion et de transformation Assurer la mise en production et le monitoring des modèles (MLOps) Intervenir sur des sujets d’architecture RAG et fine-tuning Conseiller sur les choix techniques et les cas d’usage 🧩 Environnement technique Python / SQL / Pandas Databricks Machine Learning / Deep Learning (LLM, Transformers) Architectures GenAI (RAG, fine-tuning) Cloud AWS MLOps

🚀 Solution Architect Azure / .NET / AI-Augmented Development - ASAP - Mission longue 📍 La Défense - 𝗛𝘆𝗯𝗿𝗶𝗱𝗲 🗣️ 𝗘𝗻𝗴𝗹𝗶𝘀𝗵 𝗺𝗮𝗻𝗱𝗮𝘁𝗼𝗿𝘆 Dans le cadre d'un programme stratégique de modernisation au sein d'un grand groupe industriel, nous recherchons un(e) Senior Solution Architect capable de piloter la conception et la livraison de solutions applicatives cloud Azure à fort enjeu métier. 🎯 Votre rôle Vous interviendrez comme référent technique sur l'ensemble du cycle de vie des applications : • Analyse des besoins métier et cadrage technique • Conception d'architectures applicatives modernes sur Azure • Pilotage de la delivery avec des équipes internationales (onshore/offshore) • Définition des standards d'architecture, de sécurité et de qualité logicielle • Industrialisation des pratiques DevOps et CI/CD • Accompagnement des équipes de développement et mentoring technique 🤖 AI-Augmented Development Nous recherchons un profil ayant une réelle appétence pour les nouvelles pratiques d'ingénierie logicielle assistées par l'IA : • GitHub Copilot, Cursor, Claude ou outils équivalents • Prompt Engineering appliqué au développement logiciel • Workflows Specification-to-Code • Génération et revue de code assistées par IA • Mise en place de garde-fous et de standards de qualité autour des usages IA ☁️ Environnement technique • Microsoft Azure • App Services, Azure Functions, API Management, Key Vault • .NET Core / C# • Angular • Azure DevOps, GitHub • Terraform / Bicep • SQL Server, PostgreSQL, MongoDB, CosmosDB • Architectures Microservices & APIs #Freelance #SolutionArchitect #AzureArchitect #MicrosoftAzure #DotNet #Angular #SoftwareArchitecture #DevOps #GitHubCopilot #AIAugmentedDevelopment #GenAI #DigitalTransformation

Mission Dans le cadre de projets stratégiques Cloud & IA Générative au sein d’un grand groupe bancaire, nous recherchons un Architecte Cybersécurité afin d’accompagner les équipes sur les sujets sécurité liés aux infrastructures Cloud, containers et IA. Vos missions Accompagnement cybersécurité des projets Cloud, Containers et IA Générative Réalisation d’analyses de risques et recommandations de sécurité Validation des besoins et baselines sécurité Mise en œuvre du Security by Design Participation à la définition des standards sécurité Contribution à la sécurisation des architectures Kubernetes/OpenShift et Infrastructure as Code Compétences requises Expertise sécurité Cloud (AWS / Azure / GCP) Très bonnes connaissances Kubernetes / Docker / OpenShift Expérience sécurité des containers et images Connaissances IA Générative : LLM, RAG, guardrails, agentique Maîtrise des problématiques OAuth2, JWT, OWASP Expérience en analyse de risques et architecture sécurité Anglais professionnel Compétences appréciées Terraform / Infrastructure as Code DevSecOps Certifications : CISSP, CCSP, GIAC, CKS Profil Architecte Cybersécurité / Cloud Security Architect Expérience en environnement bancaire ou critique appréciée Forte capacité d’analyse et de communication

Missions Conception et développement de services Data et IA pour la connaissance clients et la performance business Pilotage de la performance commerciale Détection d’insights, recommandations, prédictions Détails techniques Machine Learning : IA générative et agentique : techniques de mises en œuvre de LLMs, architectures RAG et agentiques, … Techniques NLP / NLU : embeddings, transformers, BERT, … Machine learning : régression, classification, clustering, détection d’anomalies, moteur de recommandations, séries temporelles Deep learning (architectures, transfert learning, fine tuning, …) IA responsable et de confiance, IA explicable, maîtrise des biais Maîtrise de Python pour la data science (sklearn, pytorch, keras, LangChain, LangGraph, …) Bases vectorielles et d’indexation texte et embeddings : Elasticsearch, Faiss, … Expérience avec la plateforme Dataiku Outils informatiques Langage : Python Prototypage : Gradio, Streamlit Outil de versioning : git Cloud : AWS Bedrock Expérience avec une architecture On prem serait un plus Curiosité intellectuelle, autonomie et réactivité Capacité de communication : capacité à analyser et synthétiser, pédagogie Force de proposition : capacité à proposer des solutions innovantes

Contexte & Enjeux Les données de marché de référence (futures, yields, FX, indices, obligations) présentent de nombreuses anomalies non détectées, non tracées et souvent corrigées manuellement. Cette situation entraîne une perte de temps significative et impacte la confiance des équipes Research & Prediction. Objectif de la mission Structurer, fiabiliser et industrialiser les contrôles de qualité sur les données de marché, avec une approche à la fois technique et analytique. Les 3 axes principaux 1. Audit Cartographie complète des contrôles existants Identification des gaps par classe d’actifs Construction d’un backlog priorisé 2. Implémentation Développement d’une librairie modulaire de quality checks en Python Remédiation des données historiques Gestion des escalades avec les fournisseurs de données (Bloomberg) 3. Industrialisation & IA Mise en place d’un monitoring automatisé (dashboards KPI, alerting) Industrialisation des contrôles en production Réalisation d’un POC basé sur des LLMs pour : Génération semi-automatique de contrôles Analyse des causes racines des anomalies

🎯 ML Engineer – Industrialisation & Agents IA Nous accompagnons actuellement un de nos clients dans le cadre du renforcement de ses équipes Data / IA, avec un enjeu fort autour de l’industrialisation des modèles et du développement d’agents basés sur les LLM. Dans ce contexte, nous recherchons un ML Engineer , avec un niveau d’expérience ouvert (à partir de 4 ans jusqu’à expert), pour intervenir sur des sujets à forte valeur ajoutée. Missions Concevoir et développer des agents IA basés sur des LLM Participer à l’ industrialisation des modèles de Machine Learning Mettre en place et optimiser des pipelines MLOps Assurer le déploiement, le monitoring et la performance des modèles en production Collaborer avec les équipes Data, IT et métiers pour intégrer les solutions IA dans les outils existants Contribuer aux bonnes pratiques CI/CD, automatisation et GitOps 🛠️ Environnement technique IA / LLM : LangChain, LangGraph, LLM MLOps : MLflow, Kubeflow DevOps / Industrialisation : CI/CD, GitOps Data / ML : Machine Learning (profil ex Data Scientist apprécié)

Le prestataire sera le garant de l'intelligence analytique appliquée aux flux opérationnels. Ses responsabilités principales incluent : Conception d'algorithmes de détection d'anomalies : Développement de jobs (Python) permettant l'identification proactive de signaux faibles sur les infrastructures et applications. Corrélation de données multi-sources : Mise en place de logiques de corrélation entre les logs (Elasticsearch) et les métriques de performance/topologies (Dynatrace). Modélisation pour la Root Cause Analysis (RCA) : Structuration des données d'observabilité pour permettre leur exploitation par les LLM (via les frameworks LangChain/LangGraph de l'équipe Core). Réduction du bruit (Noise Reduction) : Optimisation des mécanismes d'alerting par le Machine Learning pour isoler les incidents critiques des faux positifs. Profil recherché – Compétences Techniques : +++ Culture Ops : Bonne compréhension des architectures IT bancaires et des problématiques de haute disponibilité. Expertise Python : Développement de scripts de traitement de données et d'automatisation. Observabilité avancée : Maîtrise de l'écosystème Dynatrace et de la suite Elastic. l'expertise sur d'autres outils d'observabilité sera également étudiée. Data Science / ML : Solides connaissances en algorithmes de détection d'anomalies (Unsupervised Learning, Time Series Analysis). * IA Générative : Compréhension des interactions avec les LLM (Prompt engineering technique et structuration de données pour RAG/Agents).

Conception et optimisation des invites Concevoir, améliorer et maintenir des invites de haute qualité (système, instructions, exemples, etc.). Développer des stratégies d'invites avancées : enchaînement de pensées, interactions multiples, routage, utilisation d'outils. Créer et gérer un référentiel d'invites standardisées pour les principaux cas d'usage du secteur bancaire. Intégration aux produits Collaborer avec les équipes Données et Informatique pour intégrer des invites optimisées aux assistants conversationnels. Gérer le versionnage et le suivi du cycle de vie des invites. Accompagner les équipes métiers dans la définition de leurs besoins et l'identification des cas d'usage d'IA à forte valeur ajoutée. Évaluation et assurance qualité Mettre en œuvre des cadres de test robustes : analyse comparative, analyse des hallucinations, contrôles de précision. Réaliser des tests A/B et mettre en place des outils d'évaluation semi-supervisée. Surveiller et améliorer en continu les performances conversationnelles. Conformité, Sécurité et Gouvernance Garantir la conformité aux exigences réglementaires (secteur bancaire, RGPD, loi sur l'IA). Créer et diffuser des bonnes pratiques pour les équipes métiers.

Contexte et environnement Le pôle conçoit et opère des plateformes « as a service » facilitant la mise en place d'architectures modernes, distribuées et hautement résilientes pour l'ensemble des entités d'un grand groupe bancaire. Le poste s'inscrit au sein de l'équipe GenAI du domaine d’expertise Data & IA, avec pour mission de concevoir des offres IA à l'échelle dans des environnements Cloud public ou privé. Périmètre d'intervention Le périmètre s'étend de la conception du service à son maintien en condition opérationnelle en production. Le candidat évoluera dans un environnement technique complexe, distribué, sécurisé et hautement disponible, au sein d'une équipe dédiée aux produits et services d'intelligence artificielle. Missions principales Mise en œuvre opérationnelle et technique des produits IA : Apporter une expertise technique et participer à la conception des architectures IA Industrialiser et automatiser le déploiement de plateforme agentique dans un environnement on premise ou cloud Participer à la mise en place de services managés en intégrant les contraintes de sécurité, compliance et gouvernance Documenter les offres et services et assurer leur mise en production Démontrer la valeur des offres d'IA générative auprès des entités/clients internes Réaliser des présentations et démos pour promouvoir les offres et services Participer aux daily meetings animés par le Product Owner Contribuer aux réunions de co-construction de la roadmap Prendre en charge les éléments de la backlog formalisée par le Product Owner Assurer le lead technique sur un produit au sein de la squad Participer à l'ensemble des rituels de la squad, de la plateforme et du pôle Participer aux astreintes techniques du pôle Compétences métiers requises Expérience en déploiement et manipulation du workload data Maîtrise des stacks IA sur AWS, GCP et/ou on-premise, avec expérience en déploiement de processus MLOps et LLMOps Maîtrise des fondamentaux de conteneurisation et des pratiques CI/CD Expérience dans le développement de projets AI/ML, d'exploitation et d'optimisation de produits IA Connaissance approfondie des meilleures pratiques en matière de sécurité des données et de conformité Environnement technique Cloud et Infrastructure : AWS (EKS, Sagemaker, Bedrock), GCP (GKE, Vertex AI), stack on premise, Kubernetes, Openshift, Docker Développement et Automatisation : Terraform, Python, SQL, Ansible, Jenkins, GitLab CI, Kestra Data et IA : Artifactory (Jfrog), orchestration de workload IA (Dataiku ou MLflow), bases de données vectorielles (Opensearch, RDS, Elastic Search, PG Vector, MongoDB Atlas) Observabilité : Dynatrace, CloudWatch, Prometheus, Grafana, X-Ray (appréciées) Compétences comportementales Excellent relationnel Agilité Esprit d'équipe Force de proposition Rigueur et sens de l’organisation

Dans le cadre du renforcement d’une équipe technique, nous recherchons un développeur confirmé pour intervenir sur des projets applicatifs en forte évolution, intégrant des technologies modernes et des solutions d’intelligence artificielle. Vous participerez à l’ensemble du cycle de développement, de la conception à la mise en production, dans un environnement exigeant mêlant développement fullstack, intégration de services IA/LLM et pratiques DevOps. À ce titre, vos principales missions seront : Concevoir, développer et intégrer de nouvelles fonctionnalités (backend et frontend) Développer et maintenir des API en Python (FastAPI ou Django) Participer à l’intégration de solutions basées sur des modèles d’intelligence artificielle (LLM, APIs IA, LangChain, etc.) Assurer la maintenance évolutive et corrective des applications Optimiser les performances et la qualité du code Contribuer aux pipelines CI/CD et aux pratiques DevOps (Docker, Kubernetes) Rédiger et maintenir la documentation technique (architecture, API, procédures de déploiement) Vous évoluerez dans un environnement technique moderne, avec des enjeux forts autour de la qualité logicielle, de la sécurité et de la performance, notamment sur des problématiques de recherche documentaire (Elasticsearch) et de déploiement sur cloud souverain.

🧠 Intitulé du poste Machine Learning Engineer – MLOps / IA / GCP 🎯 Mission principale Assurer l’ industrialisation, le déploiement et l’exploitation en production de solutions de Machine Learning , dans un environnement cloud (Google Cloud Platform), en intégrant des pratiques avancées de MLOps, CI/CD et data engineering . 🚀 Responsabilités clés Déployer et maintenir des applications ML en production Concevoir et orchestrer des pipelines de données Automatiser les déploiements ML Développer des solutions de monitoring et observabilité des modèles Participer à l’ intégration des modèles ML dans les produits digitaux Collaborer avec les data scientist pour transformer les cas d’usage en solutions industrialisées, scalables et robustes Contribuer à la stratégie ML et à la roadmap technique Promouvoir les bonnes pratiques MLOps et software engineering Participer au coaching et mentoring des équipes 🛠️ Compétences techniques requises (impératives) ☁️ GCP 🐍 Python +++ 🤖 Machine Learning / IA ⚙️ MLOps/LLM

Intégré(e) aux équipes d'un de nos clients grand compte, votre mission portera sur l'industrialisation et l'automatisation de certaines tâches liées aux migrations d'applications et de données, notamment la génération de documentation, les certifications et le paramétrage, afin de gagner du temps et fiabiliser les déploiements. Le détail de vos missions sera le suivant : - Analyser les processus actuels de l'usine de migration (migration de données, paramétrage, certification) afin d'identifier les opportunités d'automatisation les plus pertinentes. - Concevoir et mettre en œuvre des solutions d'automatisation personnalisées, en s'appuyant sur les dernières avancées de l'IA générative et de l'agentique. - Développer des outils et scripts pour automatiser la génération de livrables (rapports, documentation, scripts de test, etc.) ou pans de processus. - Accompagner les équipes (migration de données, paramétreur, certificateur) dans l'adoption et l'utilisation des nouvelles solutions automatisées. - Assurer la maintenance et l'amélioration continue des solutions déployées. Environnement technique à maîtriser : IA Générative - Compréhension des Large Language Models (LLMs) et de leur fonctionnement. - Expérience dans l'utilisation et le fine-tuning de modèles comme GPT, Llama, Mixtral, ou équivalents. - Capacité à générer divers types de contenus : code, documentation, spécifications, rapports, etc. - Connaissance des techniques de Prompt Engineering avancées. Agentique (Autonomous Agents) - Compréhension des architectures et des frameworks d'agents autonomes (ex: LangChain, Auto-GPT...). - Capacité à concevoir et implémenter des agents capables d'exécuter des tâches complexes de manière autonome ou semi-autonome. - Expérience dans la gestion de la mémoire, de la planification et de l'exécution d'actions par des agents. Développement : - Excellente maîtrise de Python - Compétences en JavaScript, TypeScript, ou autres langages orientés web. - Frameworks d'IA/ML : bibliothèques comme TensorFlow, PyTorch, Scikit-learn. - Bases de données relationnelles : SQL et/ou NoSQL. - API et intégration : APIs RESTful et services externes. - Outils de CI/CD - Cloud Computing : familiarité avec au moins une plateforme cloud majeure (AWS, Azure, GCP) et ses services IA. - Conteneurisation : Docker, Kubernetes. - Pratique de l'agilité (SCRUM, SAFE)