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

Avelsen recherche pour l'un de ses clients, un groupe de luxe, un(e) Senior AI Engineer. Contexte Le groupe accélère sur l'IA générative et agentique. Plusieurs agents ont été développés par des prestataires externes et doivent maintenant être internalisés : intégration à l'environnement Azure, reprise des évolutions, déploiement et gestion du run. D'autres projets sont à cadrer et à prototyper. Exemples de projets : Traitement automatisé des avis consommateurs, avec réponse automatique et ouverture de tickets support Assistant de création de contenu emailing, à enrichir avec de la traduction/localisation Agent CRM de recommandation de stratégies de communication client (personnalisation, timing, boucle de rétroaction) Vos missions Reprendre les agents existants (Python, GitLab) et les mettre en production avec les équipes Data Engineering et MLOps : CI/CD, conteneurisation, observabilité Mettre en place le monitoring et l'alerting (qualité des réponses, dérive, latence, coûts) ainsi que le suivi FinOps Cadrer de nouveaux cas d'usage avec les équipes métier : faisabilité, KPIs, critères d'acceptation Concevoir et prototyper des architectures RAG, agents et multi-agents, avec des protocoles d'évaluation rigoureux Documenter et assurer le transfert de connaissances aux équipes internes

Les missions sont les suivantes :Assurer le maintien en conditions opérationnelles des infrastructures GPU et Kubernetes : supervision, mise à jour du GPU Operator, gestion des incidents et amélioration continue des plateformes. Déployer et exposer des solutions d'intelligence artificielle en production, notamment via le packaging de modèles avec vLLM, SGlang, llama.cpp ou des outils équivalents. Mettre en place et administrer des API sécurisées permettant l'accès aux modèles IA, en tenant compte des contraintes de performance, de disponibilité et de sécurité. Réaliser des travaux d'optimisation et de benchmark : analyse des performances, quantisation des modèles, suivi des indicateurs et reporting mensuel. Concevoir et maintenir des pipelines de fine-tuning et d'entraînement, en veillant à la traçabilité des expérimentations et à leur intégration dans les chaînes CI/CD. Contribuer à l'automatisation, à la fiabilisation et à l'industrialisation des déploiements IA, en lien avec les équipes infrastructure, DevOps, data et sécurité. Rédiger et maintenir la documentation technique, les procédures d'exploitation et les bonnes pratiques liées aux plateformes MLOps. Animer des ateliers internes, accompagner la montée en compétences des équipes et assurer une veille régulière sur les évolutions technologiques IA, MLOps et Cloud Native. Participer aux sujets de conformité et de sécurité : respect des référentiels ISO 27001/HDS, gestion des secrets, bonnes pratiques de sécurisation et contribution aux audits.

Octopus Group recherche un Ingénieur IA / MLOps pour accompagner l'équipe IA transverse d'un grand acteur des médias sur des produits d'information. Vous développerez et industrialiserez des services d'IA, d'IA générative, de NLP et de transcription audio. Vos missions : • Concevoir des architectures LLM, des chaînes RAG, des embeddings et des bases vectorielles. • Développer et exposer des API métiers : speech-to-text, classification de contenus, titraille SEO et contextualisation. • Mettre en production les services IA avec Docker, Kubernetes et GitLab CI/CD. • Suivre les expérimentations et évaluer les réponses via MLflow, LLM-as-judge et jeux de référence. • Surveiller les dérives des prompts et améliorer la fiabilité. • Collaborer avec les équipes techniques et vulgariser les solutions auprès des utilisateurs 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 du groupe. Le poste s'inscrit au sein de l'équipe GenAI du domaine d'expertise Data & IA, avec pour mission le déploiement, l'industrialisation et l'exploitation de la plateforme GPUaaS et LLMaaS On-Premise. Cette initiative majeure vise à offrir des solutions agentiques souveraines et sécurisées pour l'ensemble des entités du groupe. 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 • Industrialiser et automatiser le déploiement de plateforme dans un environnement on premise sécurisés • Contribuer à l'évolution de l'architectures de la plateforme • 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 • Réaliser des présentations et démos pour promouvoir les offres et services • Maintenir en conditions opérationnelles et de sécurité les plateformes IA déployées (run) • Collaborer au sein d'une dev team selon les méthodes agiles • Participer aux daily meetings animés par la Product Owner • Contribuer aux réunions de co-construction de la roadmap • Prendre en charge les éléments de la backlog formalisée par la Product Owner • Participer à l'ensemble des rituels de la squad, de la plateforme et du pôle • Participer aux astreintes techniques du pôle

Nous recherchons un Data Scientist IA confirmé, orienté MLOps / LLMOps, pour assurer le fonctionnement opérationnel, la maintenance et les évolutions mineures d'une plateforme d'IA générative en production. L'objectif est de garantir la continuité de service, la performance et la sécurité de la plateforme, tout en contribuant à son industrialisation. Missions : - Assurer le Run et le maintien en conditions opérationnelles de la plateforme IA. - Analyser et corriger les anomalies, gérer le backlog et les demandes récurrentes. - Réaliser les opérations de maintenance et les petites évolutions. - Surveiller les performances, notamment du RAG, et proposer des améliorations. - Renforcer les pratiques MLOps / LLMOps, l'observabilité et les chaînes CI/CD. - Automatiser les tâches récurrentes et les tests (jeux de test, intégration). - Contribuer à la conformité RGPD et aux exigences de sécurité. - Participer aux expérimentations en Lab et à leur industrialisation dans les socles techniques. Environnement technique : - Développement : Python (API), React - IA générative : LangChain, LangGraph, Langfuse, Mistral AI, Vertex AI, RAG - Base de données : PostgreSQL vectorisé - Cloud : GCP (S3NS), Cloud Run, GCS - Ops : MLOps, LLMOps, DevOps, CI/CD, observabilité Profil recherché - 5 ans d'expérience minimum en tant que Data Scientist avec une maitrise de la stack technique mentionnée. - Double compétence IA générative et exploitation / industrialisation de plateformes. - Capacité à gérer le Run, investiguer les incidents et corriger les anomalies. - Profil autonome, débrouillard, astucieux et pragmatique. Positionnement : Profil Ops / MLOps / LLMOps, davantage orienté exploitation, automatisation et maintenance que développement de nouvelles fonctionnalités complexes.

Dans le cadre d'un projet stratégique autour de la recommandation et de l'IA, nous recherchons un Machine Learning Engineer expérimenté pour concevoir, développer et industrialiser des pipelines Data et ML de bout en bout. Vous intégrerez une équipe pluridisciplinaire composée de Data Scientists, Data Engineers, développeurs, Tech Lead et Product Owner, au sein d'un environnement fortement orienté Data, ML et Cloud. Vos missionsConcevoir et développer des data pipelines de bout en bout : ingestion, transformation, stockage et exposition des données. Concevoir et industrialiser des pipelines ML : préparation des données, entraînement, évaluation, publication et inférence. Participer à la conception et à l'évolution d'architectures Data / ML sur GCP. Mettre en place les mécanismes de qualité, reproductibilité, monitoring et observabilité des pipelines. Industrialiser les modèles ML pour des usages en production, notamment en inférence temps réel. Participer à l'évolution du socle DataOps / MLOps et des outils d'orchestration. Optimiser les solutions existantes en matière de performance, fiabilité, maintenabilité et coûts Cloud. Participer au Run et à la résolution des incidents sur les pipelines et services existants. Garantir la qualité des développements : tests, revue de code, documentation et bonnes pratiques d'ingénierie. Collaborer avec les équipes Data, ML et Software Engineering afin de partager les bonnes pratiques. Environnement techniqueData Engineering : BigQuery, dbt, Kafka, streaming, data modeling, Terraform. ML / MLOps : Python, Deep Learning, embeddings, Docker, Kubernetes, Git, ZenML ou outils similaires, ML pipelines, inférence temps réel. Cloud : GCP, architectures Cloud distribuées.

Nous recherchons un Ingénieur IA expérimenté pour assurer le fonctionnement opérationnel, la sécurisation et les évolutions d'une plateforme d'IA générative en production. Votre rôle consistera à garantir la performance du service, à renforcer la stratégie de test et d'intégration (CI/CD), et à mener les mises en conformité réglementaires (RGPD) et de sécurité nécessaires avant la transition vers la DSI. Missions principales : Assurer la continuité de service, la stabilité et la performance de la plateforme en production (gestion des incidents, backlog, support). Piloter les évolutions mineures et rédiger la documentation technique associée (spécifications, schémas). Mettre la plateforme en conformité avec les exigences réglementaires (RGPD) et les standards de sécurité du Groupe. Renforcer la stratégie de test et d'intégration au sein de la chaîne CI/CD (automatisation, constitution de jeux de test). Contribuer à l'optimisation des performances du RAG et de l'architecture existante.

Nous recherchons un AI Engineer expérimenté pour une mission longue durée au sein d'un grand groupe, autour du maintien en condition opérationnelle et de l'évolution d'une plateforme d'intelligence artificielle générative. Contexte de la mission: Vous interviendrez sur une plateforme d'IA générative en production, avec pour objectifs de garantir sa stabilité, d'améliorer ses performances, de renforcer sa sécurité et de contribuer à l'industrialisation des solutions IA. Vos principales missions : Assurer la continuité de service et le bon fonctionnement de la plateforme IA. Optimiser les performances des solutions LLM et RAG. Contribuer à la sécurisation de la plateforme et à sa mise en conformité RGPD. Renforcer les stratégies de tests, automatiser les contrôles et améliorer la chaîne CI/CD. Participer aux évolutions techniques et à l'industrialisation des solutions d'IA générative. Mettre en place des pratiques d'observabilité et d'amélioration continue. Compétences techniques recherchées: IA générative : LLM, RAG, LLMOps, MLOps. Data Engineering : Hadoop, Hive, Spark, Kafka, Cloudera. Business Intelligence : Power BI, Cognos, Essbase. ETL et intégration de données : DataStage, Informatica, Talend. Industrialisation : DevOps, CI/CD, automatisation des tests, observabilité. Sécurité : protection des données, conformité RGPD et maîtrise des risques.

Au sein du domaine Data & IA, vous rejoindrez une équipe dédiée aux plateformes GenAI et participerez au déploiement, à l'industrialisation et à l'exploitation d'une plateforme GPUaaS et LLMaaS On-Premise. L'objectif est de mettre à disposition des entités du groupe des solutions IA agentiques, souveraines, sécurisées et hautement disponibles. Vous interviendrez sur l'ensemble du cycle de vie de la plateforme, de sa conception jusqu'à son maintien en conditions opérationnelles en production. Vos missionsIndustrialiser et automatiser le déploiement de plateformes IA dans des environnements On-Premise sécurisés. Contribuer à l'évolution de l'architecture de la plateforme. Participer à la mise en place de services managés en intégrant les contraintes de sécurité, de conformité et de gouvernance. Documenter les offres et services et accompagner leur mise en production. Réaliser des présentations et démonstrations des solutions développées. Assurer le MCO/MCS des plateformes IA en production. Participer à la résolution des incidents et au maintien de la disponibilité et de la sécurité des plateformes. Collaborer au sein d'une équipe Agile / Dev Team. Participer aux daily meetings, ateliers de co-construction et rituels de la squad. Prendre en charge les éléments de backlog définis avec la Product Owner. Contribuer à la roadmap de la plateforme. Participer aux astreintes techniques du pôle. Compétences techniques recherchées GPU / IA / MLOpsExpérience avec des plateformes ou infrastructures GPU. Connaissance de solutions d'orchestration GPU : , Slurm, Volcano, ClearML, KAI Scheduler, etc. Bonne compréhension des architectures IA / Machine Learning. Connaissance de frameworks tels que PyTorch, TensorFlow, Transformers. Expérience MLOps / AI Platform / ML Platform appréciée. Une expérience GenAI / LLM constitue un plus. Kubernetes / ConteneurisationKubernetes / OpenShift. Docker. Expérience significative en environnement de production. Une certification CKA / CKAD ou OpenShift constitue un plus. InfrastructureExpérience en environnement On-Premise. Infrastructure distribuée, sécurisée et hautement disponible. Connaissances Cloud : AWS, GCP, Azure, Scaleway, etc. DevOps / AutomatisationGitLab CI/CD. Jenkins. Infrastructure as Code / automatisation. Python et Bash. Go constitue un plus. Kestra constitue un plus. Supervision / ObservabilitéPrometheus. Grafana. ELK Stack. Dynatrace. Outils / MéthodologiesJira / Wiki / outils Atlassian. Méthodes Agiles. Expérience du fonctionnement en équipe produit / plateforme.

ContexteNotre équipe développe des algorithmes de détection d'objets d'intérêt militaire sur images satellites. Pour faire face à une hausse de charge, l'équipe renforce sa squad dédiée au Retraining Kit, un outil qui permettra aux clients de réentraîner certains détecteurs sur leurs propres données et cas d'usage. Le kit s'appuie sur les modules internes de l'AI Factory (préparation des données, lancement et suivi des entraînements, évaluation, packaging du détecteur réentraîné). Le socle technique et le cadrage sont déjà définis. Vous rejoignez une squad pour construire et fiabiliser l'outillage. MissionsDévelopper l'outillage du Retraining Kit en vous appuyant sur les modules existants de l'AI Factory. Adapter les librairies et composants pour un déploiement chez des clients : packaging, suppression des dépendances réseau, images Docker autonomes. Fiabiliser le kit pour un déploiement client : tests de bout en bout, amélioration des workflows, qualité logicielle, documentation d'installation et d'utilisation. Contribuer à la vie de la squad (revues de code, rituels agiles, partage avec les Deep Learning Scientists). Environnement techniquePython, PyTorch, Docker CI/CD Linux, GPU Il n'y a aucune dimension LLM / GenAI sur ce poste dans un premier temps.

Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, GenAI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP). Pour accompagner les projets, il est recherché un Chef de projet Intégration, DevOps & ML Engineer expérimenté intervenant à l'interface entre les équipes Métier / Data Science et les équipes Infrastructure / Exploitation. Le prestataire formera un binôme technique avec une ingénieure ML/MLOps déjà en poste afin d'assurer la continuité de service et de faire évoluer deux volets de cas d'usage ML en production. Volet 1 : Cas d'usage ML sur AWS : traitement de données opérationnelles à grande échelle, EDA sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel, services serverless et génération documentaire ; environnement technique : Amazon SageMaker, Amazon Bedrock, Lambda, S3, Glue, Kinesis/Firehose, Athena, Comprehend/Textract, boto3 ; socles data ELK et BigQuery ; IaC Terraform. Volet 2 : Cas d'usage MLOps sur Azure : industrialisation de modèles de bout en bout (versionning, pipelines d'entraînement, gate d'évaluation, registry, blue/green, monitoring de drift), déploiement multi-sites et optimisation incluant des modèles d'optimisation par renforcement (RL / SAC) ; environnement technique : Azure Machine Learning, Microsoft Fabric / OneLake, Azure DevOps, Azure AI, AKS, IaC Terraform / Bicep. Objectifs : concevoir et maintenir des architectures cloud hybrides AWS / Azure pour charges IA ; développer et fiabiliser pipelines CI/CD ML ; intégrer services cognitifs managés ; développer modules Terraform réutilisables ; accompagner la modernisation vers conteneurs et serverless ; assurer support N3 IA/Data et montée en compétence du Run ; auditer et optimiser les coûts Cloud IA, garantir sécurité et conformité des données. Livrables attendus : dossiers d'architecture de référence, modules Terraform versionnés, pipelines MLOps automatisés, audits FinOps IA, documentation d'exploitation et fiches de transfert vers le Run. Démarrage : ASAP. Abonnez-vous à la page NaxoTech sur LinkedIn pour découvrir nos offres régulières

Contexte : Pour un grand groupe du secteur des médias, nous recherchons un développeur IA / LLMOps pour renforcer une équipe IA transverse. Vous intervenez sur des cas d'usage IA générative, NLP et speech-to-text appliqués aux offres d'information, de la conception jusqu'à la mise en production. Vos missions : Concevoir des architectures LLM et mettre en place des solutions RAG (embeddings, bases vectorielles) Développer et exposer des API métiers : speech-to-text, classification de contenus, génération de titres SEO, contextualisation Industrialiser les modèles : Docker, Kubernetes, pipelines CI/CD GitLab Piloter la qualité des LLM avec MLflow : suivi d'expérimentations, évaluation (LLM-as-judge, golden datasets), drift de prompts Participer aux tests de performance et au monitoring des services en production Expliquer les sujets IA à des interlocuteurs non techniques

Chez ATLANSE, nous accompagnons nos clients dans la conception d'infrastructures résilientes, l'amélioration de la performance de leur production applicative, l'optimisation et le développement de leurs environnements de travail ainsi que l'exploitation et la valorisation des données. Pour cela, nous nous appuyons sur nos consultants confirmés et experts ou à fort potentiel, reconnus pour leurs compétences techniques, leur compréhension métier et leurs pratiques éprouvées. 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)

Nous recherchons un Architecte IA/MLOps H/F qui conçoit, cadre et met en œuvre les architectures IA industrielles (ML classiques et IA générative), en garantissant leur cohérence avec le SI, leur industrialisation via le MLOps, et leur observabilité en production. Il/Elle intervient de la faisabilité technique au passage à l'échelle, en lien étroit avec la DSMC (valeur métier) et dans le respect des cadres Groupe (Design Authority IA, sécurité, conformité). Missions principales Cadrage technique & architecture IA Réaliser les études de faisabilité technique IA (données, intégration, sécurité, MLOps). Définir les architectures cibles IA (ML prédictif, RAG, GenAI), alignées avec : le SI existant, les standards Groupe, le socle technique commun (CI/CD, API, SCOM) Formaliser les choix dans des dossiers d'architecture. Prototypage & validation des cas d'usage Piloter ou réaliser des POC IA rapides (4–6 semaines) en lien avec la DSMC. Tester la viabilité des modèles, des données et des chaînes techniques. Documenter résultats, limites, risques techniques et conditions d'industrialisation MLOps & industrialisation Définir et mettre en œuvre les chaînes MLOps : Accompagner l'intégration des solutions IA dans le SI existant. Contribuer au catalogue de services IA de la DSI Observabilité IA & fiabilité Définir et déployer les principes de ML Observability : Mettre en place les alertes et indicateurs nécessaires au pilotage. Contribuer à la stratégie de run IA avec les équipes concernées Gouvernance des modèles IA Contribuer à la gouvernance IA DSI / DSMC : Participer aux comités IA et Architecture. Garantir la conformité des solutions avec les exigences RGPD / AI Act (en lien avec les instances dédiées) Référent IA & accompagnement des équipes Agir comme référent technique IA pour la DSI. Accompagner Data Engineers, équipes projets et prestataires. Diffuser les bonnes pratiques IA / MLOps (standards, patterns, retours d'expérience). Contribuer à la montée en compétence globale sur l'IA industrielle

ContexteAu sein d'une division AI & Innovation d'un grand groupe international, une équipe dédiée à l'industrialisation et à la mise en production des solutions IA recherche un profil expérimenté pour assurer l'ownership technique d'un produit Data Science Platform. L'équipe compte une cinquantaine d'experts répartis sur plusieurs pôles : Solutions Engineering, Automation Engineering, Infrastructure Engineering, Product Office et Client Services. La plateforme de Data Science / MLOps est utilisée par plusieurs centaines de Data Scientists et repose sur des environnements Cloud et On-Premise. Elle s'intègre également à plusieurs infrastructures, plateformes et services d'IA générative en production. L'environnement s'appuie notamment sur : Des infrastructures Cloud et On-Premise Des environnements Kubernetes / OpenShift Des infrastructures GPU pour le training et l'inférence Des pratiques DevSecOps, GitOps, MLOps et LLMOps L'automatisation des infrastructures, plateformes et produits via leurs API Des enjeux forts de sécurité, observabilité, auditabilité, traçabilité et gouvernance MissionsEn tant qu'Expert Technique Data Science Platform, vous serez notamment en charge de : Participer à la conception technique et fonctionnelle du produit en collaboration avec les équipes Solutions Engineering et DevSecOps. Assurer le respect des exigences de sécurité, conformité, confidentialité et production IT. Définir et mettre en œuvre les mécanismes permettant aux équipes métiers et IT d'assurer leur propre gouvernance du produit. Construire, maintenir et faire évoluer la roadmap technique du produit en fonction des besoins des utilisateurs. Accompagner au quotidien les utilisateurs et décideurs métiers et IT et promouvoir les bonnes pratiques d'utilisation de la plateforme. Superviser les opérations critiques : changements, déploiements, mises à jour et évolutions, avec une vision de bout en bout des impacts. Organiser et documenter la gestion des incidents, notamment les analyses de root cause et la coordination entre les différentes équipes. Assurer la relation technique avec les fournisseurs et partenaires intervenant sur le produit : éditeurs, équipes d'industrialisation et équipes infrastructure. Contribuer à l'amélioration continue des processus et à l'alignement avec les autres équipes Data & IA. Être force de proposition sur l'automatisation, l'industrialisation et l'évolution des pratiques MLOps / LLMOps. Environnement de travailEsprit Team Play et forte collaboration transverse Environnement international et technologique Autonomie, rigueur et exigence de qualité Fort sens du service Curiosité et veille technologique Appétence pour le partage de connaissances Forte culture de l'automatisation Anglais courant indispensable : échanges avec des fournisseurs et utilisateurs internationaux, documentation principalement en anglais Environnement de travail MacOS ou Windows au choix

Les missions sont: 1- Conception et développement d'agents autonomes avec LangGraph : - Architecture des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle). -Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows). -Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute). 2- Intégration avec des pipelines ML/MLOps existants : -Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines. -Automatisation de versioning des agents et leur déploiement. 3- Ingénierie des données et features pour les agents : -Construction des pipelines de données pour alimenter les agents -Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques). -Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases). 4- Tests et robustesse : -Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes). -Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith. -Documentation des limites et cas d'usage (ex: matrice de risques pour les décisions critiques). Compétences souhaitées: Expérience avancée avec LangGraph : -Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs. -Expérience en déploiement d'agents en production. Python et écosystème IA : -Bibliothèques : langgraph, langchain, llama-index, pydantic. -Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).