Dans le cadre d'un nouveau programme, notre client recherche un Ingénieur IA / Intégrateur DevOps expérimenté pour concevoir, déployer et sécuriser les fondations techniques nécessaires à l'exploitation de solutions d'IA générative et agentique à grande échelle. Vos missions - Concevoir l'architecture technique des solutions IA. - Déployer et administrer les environnements cloud et les composants d'infrastructure. - Mettre en place les dispositifs de sécurité, IAM et gestion des secrets. - Industrialiser les pipelines CI/CD et les pratiques Infrastructure as Code. - Intégrer les composants IA : LLM, gateways, orchestrateurs agentiques, APIs et connecteurs. - Déployer les outils de monitoring, supervision et logging. - Garantir la robustesse, la scalabilité, la maîtrise des coûts et la réversibilité de la plateforme. - Participer aux choix d'architecture et aux recommandations d'industrialisation. Compétences clés Cloud & Infrastructure : Azure, AWS ou GCP, Kubernetes, OpenShift. DevOps / DevSecOps : CI/CD, GitOps, Terraform, IaC, automatisation. Sécurité : IAM, gestion des secrets, conformité, traçabilité, réversibilité. Observabilité : monitoring, logs, supervision, exploitation. Plateforme IA : LLMOps, gateways LLM, orchestration agentique, APIs, connecteurs et bases
Contexte de la mission Solution Digibot : développement d'un chatbot pour le périmètre financement & innovation Le but est de faciliter la réalisation d'acte de gestion (ex changement de RIB). Compétences : Compétences essentielles : Angular 17+ ( connaissance) JAVA 21/25 (expertise) Springboot 3.x / 4.x Kafka (connaissance) MongoDB AWS s3 (connaissance) Web Service REST Kubernetes EKS (connaissance) Jenkins (connaissance) Usage IA (mode agent, skills, instructions ... etc) sinon par ailleurs : Python Connaissances et pratique des architectures web et microservices Connaissance et pratique de Gitlab, Jira, Confluence, Jenkins(CI/CD), coding best pratices(Sonar, Artifactory, BDD, review,...), connaissances LLM, agent IA, prompts structurés MCP Pydantic + pydantic-settings HTTPX (calls API/LLM) Appels LLM Anthropic / Mistral /openAI Objectifs et livrables Besoin d'un front qui permette les interactions entre les clients et le chatbot "Actes de Gestion" Compétences demandéesCompétencesNiveau de compétence Angular 17+ Confirmé Kafka Confirmé JAVA 21/25 Expert
Au sein du pôle digital d'un grand groupe international, vous rejoignez l'équipe d'optimisation des parcours clients digitaux dans le cadre de son renforcement. L'objectif est de développer des modèles analytiques avancés pour optimiser les parcours clients, améliorer la conversion, personnaliser l'expérience digitale et maximiser la performance des actions marketing et opérationnelles. Vous interviendrez au cœur des sujets clés de l'équipe : Clustering et segmentation comportementale : segmenter les utilisateurs selon leur navigation, leurs transactions et leurs usages digitaux, et identifier personas, micro-segments, intentions et points de friction. Systèmes de recommandation : concevoir des recommandations personnalisées de contenus et de services additionnels selon une approche hybride (collaborative, contenu et séquentielle). Modèles prédictifs : prédire la conversion, le churn et la complétion du funnel, prévoir les volumes par étape du parcours et classifier les comportements (drop-off, intention, scoring). Attribution multi-touch : construire des modèles de Markov (1er et 2e ordre) et de Shapley, mesurer le poids de chaque point de contact (email, WalkMe, AB Tasty, notifications, pages clés) et calculer le ROI des actions menées. IA générative et LLM : développer des modèles capables d'interpréter automatiquement les résultats analytiques, de détecter les irritants et de générer des recommandations pour orienter les décisions. COMPÉTENCES TECHNIQUES ATTENDUES Langages : Python avancé (programmation orientée objet), SQL. Data platform : Snowflake, Dataiku DSS (scénarios, job scheduling), notebooks Jupyter. Machine learning : supervisé et non supervisé (K-means…), deep learning, séries temporelles, feature engineering, SHAP. Modélisation marketing : attribution multi-touch (Markov, Shapley), recommender systems, scoring, prédiction de conversion et de churn. IA générative : LLM, NLP, embeddings, classification sémantique.
