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

Contexte : Dans le cadre du développement de son Centre d'Excellence IA, notre client, acteur majeur du secteur de l'assurance, recherche un Machine Learning Engineer spécialisé en IA Conversationnelle, NLP et IA Générative. Vous interviendrez sur la conception, le développement et l'industrialisation de solutions de chatbots et voicebots destinées à améliorer l'expérience client et les parcours métiers (relation client, gestion des sinistres, assistance, etc.). Vous accompagnerez les projets de bout en bout, depuis la compréhension des besoins métiers jusqu'à la mise en production des modèles. Missions : Recueillir et formaliser les besoins métiers ainsi que les parcours conversationnels. Concevoir des architectures de chatbots et voicebots adaptées aux usages. Développer, entraîner, ajuster et évaluer des modèles de Machine Learning et de NLP. Intégrer des briques vocales (ASR, TTS) dans les solutions conversationnelles. Mettre en place des pipelines MLOps pour l'entraînement, le déploiement et le suivi des modèles. Assurer le monitoring des performances, détecter les dérives et optimiser les modèles en continu. Analyser les conversations utilisateurs afin d'améliorer les parcours, les prompts et la qualité des réponses. Collaborer avec les équipes Data, IA, IT et les métiers dans une approche agile.

Contexte Le client intègre des technologies d'Intelligence Artificielle Générative au sein de son SOC afin d'automatiser l'analyse de menaces, de contextualiser les alertes de sécurité et d'assister les analystes. L'objectif est de concevoir des modèles de langage (LLM/SLM) souverains et ultra-spécialisés en cybersécurité. Le/la consultant(e) travaillera en collaboration directe avec l'équipe R&D Cyber et l'équipe SOC, dans un environnement de recherche et développement agile. Rôle et responsabilités principales Fine-tuning de LLM open-source (Llama, Mistral, Qwen…) sur des données de cybersécurité (logs, rapports CTI, playbooks) Mise en œuvre de techniques d'apprentissage par renforcement pour limiter les hallucinations et sécuriser les réponses générées Définition et application des formats de prompt et de conversation pour l'entraînement des modèles • Structuration et formatage des datasets d'entraînement textuels Mise en place de pipelines d'évaluation et de benchmarking pour mesurer la performance des modèles "Cyber" face aux standards du marché Vulgarisation des concepts IA auprès de profils cybersécurité (analystes SOC, RSSI) Collaboration directe avec l'équipe R&D Cyber et l'équipe SOC Livrables attendus Modèles LLM/SLM fine-tunés et spécialisés en cybersécurité Datasets d'entraînement structurés et formatés (ChatML, Alpaca) Pipelines d'évaluation et de benchmarking (interne et standards du marché) Rapports de performance comparative des modèles

Mission Dans le cadre du lancement d'une nouvelle plateforme d'IA Agentique (conception, hébergement, orchestration, sécurisation et exécution d'agents IA autonomes en architecture multi-agents), le Tech Lead Migration accompagnera les projets agentiques existants dans leur migration vers cette plateforme. À ce titre, il/elle interviendra sur : La rédaction des guidelines de migration à destination des équipes projets (Confluence) L'analyse des incidents et anomalies rencontrés lors des migrations (Jira / ServiceNow) La planification et le suivi des tâches de support à la migration (Jira) L'élaboration de propositions de solutions techniques Le développement de composants CI/CD ou de code d'appui aux projets si nécessaire Environnement technique : GCP / GKE · GitLab CI / ArgoCD · Dynatrace · Kong / Apigee · LLM (Mistral, Google, autres)

Nous recherchons pour l'un de nos clients un(e) Ingénieur IA – Google Cloud Platform (H/F). Pour le département IT Operations & Finance, nous recherchons un profil disposant d'une forte expertise en ingénierie IA afin de concevoir des agents IA, mettre en place des échanges agent à agent, et les intégrer dans un environnement Google Cloud Platform. L'objectif est de passer d'une preuve de concept à des solutions fiables, sécurisées et industrialisées, grâce à une approche mêlant développement Python, API, orchestration d'agents, observabilité et CI/CD. Missions principales Concevoir et développer des agents IA pour certains cas d'usage métiers. Développer des API et services Python asynchrones avec FastAPI. Conteneuriser les applications et les déployer sur Cloud Run. Mettre en place des serveurs MCP pour exposer de manière sécurisée des outils et données internes aux agents. Développer des workflows d'agents à l'aide du framework Concevoir des mécanismes de communication agent à agent basés sur des événements et/ou du RPC. Définir les schémas de messages, le routage, les mécanismes de retry et la gestion d'état. Intégrer les solutions avec Vertex AI ou un équivalent pour les appels modèles, les filtres de sécurité et les évaluations. Mettre en place l'observabilité : logs, traces, métriques, monitoring. Définir des guardrails de sécurité : DLP, gestion des secrets, IAM. Documenter l'architecture, les procédures d'exploitation et assurer la passation à l'équipe. Accompagner l'équipe métier dans l'adoption de cas d'usage liés à l'IA générative.

Dans le cadre du développement de son pôle Intelligence Artificielle, notre client recherche un Tech Lead Machine Learning / IA capable de garantir l'excellence technique des solutions IA développées et industrialisées. Véritable référent technique, vous définirez les standards d'architecture et de développement, piloterez les choix technologiques et accompagnerez les équipes Data Science, Data Engineering et Software dans la conception et la mise en production de solutions IA robustes, scalables et sécurisées. Vous interviendrez sur des projets innovants autour de l'IA Générative, des LLM et des architectures MLOps dans un environnement Cloud. Vos missionsArchitecture & Engineering IADéfinir les standards d'architecture Machine Learning et IA. Concevoir des architectures robustes, évolutives et sécurisées. Concevoir et valider les pipelines ML de bout en bout : Data ingestion Entraînement Validation Déploiement Monitoring Garantir la qualité technique des solutions mises en production. Industrialiser les modèles IA via les meilleures pratiques MLOps. Leadership techniqueÊtre le référent technique du pôle IA. Encadrer les équipes Data Science, Data Engineering et Software Engineering. Diffuser les bonnes pratiques de développement. Réaliser des revues de code et audits techniques. Accompagner la montée en compétence des équipes. Choix technologiquesDéfinir les standards techniques de la plateforme IA. Superviser les choix des frameworks et outils : Frameworks Machine Learning Outils MLOps Cloud Azure / Google Cloud Garantir la cohérence globale de l'écosystème technique. Gouvernance & QualitéAuditer les solutions IA sur les aspects : Performance Robustesse Scalabilité Sécurité Maintenabilité Coûts (FinOps) Définir les standards de gouvernance des modèles et des données. Assurer le suivi de la qualité des modèles en production. Contribution produitParticiper aux phases de cadrage des projets IA. Contribuer à la roadmap technologique IA. Collaborer étroitement avec : Product Owner IA Data Scientists Data Engineers Développeurs Software Innovation & VeilleAssurer une veille permanente sur les innovations autour de : IA Générative LLM RAG Agents IA MLOps Cloud Architectures Data Compétences techniques recherchéesIntelligence ArtificielleMachine Learning Deep Learning IA Générative Large Language Models (LLM) Prompt Engineering RAG (Retrieval-Augmented Generation) Évaluation de modèles Systèmes agentiques (Agents IA) DéveloppementPython (expert) Programmation orientée objet Développement logiciel MLOps / DevOpsGit Docker Kubernetes CI/CD MLflow CloudMicrosoft Azure Google Cloud Platform (GCP) InfrastructureTerraform Infrastructure as Code (IaC) ArchitectureAPI REST Microservices Architectures distribuées Architectures scalables Déploiement de modèles en production Exploitation des modèlesMonitoring des modèles IA Optimisation des performances Scalabilité Gouvernance des données Sécurité des modèles Compétences comportementalesLeadership technique reconnu. Excellentes capacités de communication. Esprit de mentoring et de transmission. Forte capacité à structurer des standards de développement. Sens de l'innovation. Esprit d'analyse et de résolution de problèmes. Capacité à prendre des décisions techniques structurantes. Orientation résultats et qualité.