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

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.