Trouvez votre prochaine offre d’emploi ou de mission freelance Prompt Engineering

Nous recherchons un AI Engineer pour accompagner un projet stratégique autour de l’intelligence artificielle générative, des graph databases et de la valorisation de données dans un environnement cloud GCP. Le consultant interviendra sur la conception, le développement et l’industrialisation de solutions IA intégrant Neo4j, des modèles LLM, des mécanismes de RAG et des services cloud Google Cloud Platform. La mission nécessitera une très bonne maîtrise des bases de données orientées graphe, notamment Neo4j, ainsi qu’une capacité à concevoir des knowledge graphs exploitables dans des cas d’usage IA avancés. Le consultant participera à la modélisation des graphes, à l’optimisation des requêtes Cypher, à l’administration et à l’optimisation de Neo4j, ainsi qu’à l’exploitation de la Graph Data Science Library. Il contribuera également à des travaux autour du NLP, des LLM, du prompt engineering et de l’intégration de frameworks tels que LangChain ou LlamaIndex. La mission s’inscrit dans un environnement technologique moderne, combinant intelligence artificielle, data engineering, APIs, cloud et industrialisation logicielle.

Critères de sourcing pour AI Engineer · Copilot Studio Domaines d'expertise techniques (must have): Maîtrise des architectures d'agents conversationnels Copilot Studio intégrés à Microsoft 365 (Teams, Outlook, SharePoint) Solides connaissances en LLM, RAG, embeddings, prompt engineering Expérience avec Frameworks d'orchestration, notamment Semantic Kernel (exigé) ou équivalent Développement d'extensions custom : plugins, connecteurs, MCP Compétences en Dataverse (modèle de données, requêtes, connecteurs) Maîtrise de Power Automate, Dynamics 365 CE pour intégration et orchestration Expérience sur Azure : AI Foundry, API Management, Azure Functions Sensibilité DevSecOps, gestion Entra ID / RBAC / OAuth2 Langages principaux : Python (principal), C#, JavaScript Certifications souhaitées : AI-102, AI-900, AZ-204 Contexte métier (must have) : Expérience ou appétence pour secteurs Finance, Wealth Management, Asset Management, Advisory Capacité à travailler en binôme avec Product Owner / Business Analyst Modalités et environnement de travail : Mission longue durée, démarrage ASAP (prévue pour 16 juin 2026) Lieu : Paris 8e, en mode hybride 50/50 (2 jours télétravail/semaine) Participation à l'évolution d'une plateforme IA interne et delivery d'agents conversationnels Critères complémentaires : Veille active sur évolutions Copilot Studio / AI Foundry Monitoring qualité réponses en production, optimisation coûts appels Dataverse et Copilot Studio Connaissance appréciée de Microsoft Fabric, App Insights et observabilité Préférences : Expérience en industrialisation, conception technique et delivery Autres : Poste en mode temporaire au sein d'un groupe financier international

Banque privée – Paris Démarrage ASAP temps Plein 2 jours de télétravail Contexte : Au sein d’un Centre d’Excellence IA Générative, intervention sur le développement de solutions d’IA générative et d’agents conversationnels basés sur Microsoft Copilot Studio. La mission combine l’évolution d’une plateforme IA stratégique et le déploiement de cas d’usage métiers pour différentes directions de l’entreprise. Principales missions : Conception et développement d’agents conversationnels sous Microsoft Copilot Studio. Intégration avec l’écosystème Microsoft (Power Platform, Dataverse, Azure, Microsoft 365). Mise en œuvre de solutions basées sur les LLM, RAG, prompt engineering et orchestration d’agents. Suivi de la performance, optimisation des coûts et amélioration continue des solutions. Collaboration avec les équipes produit, architecture et DevSecOps pour industrialiser les usages IA.

Contexte du projet Mon client industrialise une plateforme interne d'agents IA destinée à ses équipes métiers et IT. Le projet, en phase d'industrialisation, vise à mettre à disposition dans un cadre gouverné des agents conversationnels et décisionnels capables de répondre à des cas d'usage opérationnels en s'appuyant sur les données et systèmes internes de la banque (gestion d'incidents, topologie applicative, gestion des changements, etc.). Mission: L'Ingénieur IA intervient au sein de l'équipe plateforme et contribue au développement, à la qualification et à la mise en production d'agents IA orchestrés sous LangGraph. Le périmètre de la mission couvre : • Conception et développement d'agents autonomes en Python avec LangGraph (StateGraph, multi agents, human-in-the-loop, intégration LLM, prebuilt tools). • Intégration des agents avec des composants RAG, des bases de connaissances internes et des sources opérationnelles via API. • Optimisation des stratégies de prompt engineering et des mécanismes de contrôle (function calling, tool use, plan-and-execute). • Mise en place et enrichissement des suites d'évaluation (eval datasets, monitoring comportemental, détection de dérive et d'hallucinations) sous LangSmith. • Industrialisation : versioning, packaging conteneur, intégration CI/CD GitLab, conformité aux standards de la plateforme. • Documentation des agents, contribution à la matrice de risques et aux runbooks d'exploitation.

Almatek recherche pour l'un de ses clients, un Data Scientist senior et IA/machine Learning sur Lyon. Profil recherché : Data Science & Machine Learning • Maîtrise des techniques de ML supervisé et non supervisé • Expérience en NLP : embeddings, analyse textuelle, extraction d’entités, classification de texte • Connaissance d LLM & IA Générative • Expérience intégration LLM • Connaissance des approches RAG, prompt engineering, et fine-tuning • Capacité à travailler avec des modèles LLM fournis par un tiers (FAB IA SNCF) à travers une API standard. Plateforme Databricks & Data Engineering • Maîtrise de Databricks : Unity Catalog, Delta Lake, MLflow, Génie, notebooks et pipelines • Compétences en SQL avancé et Python • Capacité à concevoir et optimiser des pipelines de données et des workflows de traitement

Contexte Nous recherchons un Développeur IA pour contribuer à la transformation des processus ITSM grâce à des technologies innovantes telles que l’IA, les systèmes RAG, les agents IA, le machine learning et l’automatisation intégrés à ServiceNow. Missions : Concevoir et mettre en œuvre des systèmes RAG et des agents IA (classification, assistance, automatisation et génération de réponses). Optimiser les interactions avec les LLM via le prompt engineering. Analyser et améliorer les performances des modèles IA. Développer et ajuster des modèles de machine learning. Participer à la documentation et à la capitalisation des connaissances.

Mission : Projeter, définir et piloter le développement du SI dans son ensemble. S'appuyer sur la stratégie de l’entreprise, notamment en matière de sécurité et de risques. Définir une architecture agile, pérenne et évolutive Piloter les développements, etc... Environnement technique : - Data Models, Data Lineage, …. - Maîtrise des techniques de l’environnement Data; Big Data; Analytics, - DataViz - Expertise en architecture SI - Expertise en architecture et modélisation BDD - Maitrise du SI de l’entreprise dans son ensemble : Afin de proposer la bonne solution pouvant s’intégrer dans le SI de l’entreprise, etc... Les missions sont: 1- Conception et développement d’agents autonomes avec LangGraph : - Architectur 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).

Les missions sont: 1- Conception et développement d’agents autonomes avec LangGraph : - Architectur 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).

Dans un contexte de transformation digitale et d’adoption accélérée de l’IA, notre organisation souhaite concevoir et industrialiser des agents conversationnels intelligents (chatbots / agents IA) destinés à : 🤖 automatiser des processus métiers, 💬 faciliter l’accès à l’information (interne / externe), ⚙️ améliorer l’efficacité opérationnelle et l’expérience utilisateur, 🔐 respecter les contraintes de sécurité, conformité et gouvernance du SI. Technologies indispensables : Produits infra Cloud (notions) UX / conversational design (notions) IA générative (maitrise) LLM (maitrise) RAG (maitrise) Prompt engineering