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

Dans le cadre d'une régie longue durée pour un acteur bancaire, nous sommes à la recherche d'un Développeur Back-End Python H/F Mission principale Concevoir, développer et maintenir des applications back-end robustes en Python, tout en intégrant des fonctionnalités liées à l’IA (Machine Learning, API IA, pipelines de données). Le rôle inclut la mise en production de services performants, sécurisés et évolutifs, en collaboration avec les équipes Data Scientist et IA. Responsabilités Développer des API et des services back-end en Python Intégrer des modèles IA ou des services d’IA (API, microservices) dans les applications Concevoir et maintenir des pipelines de données pour l’entraînement et l’inférence Assurer la qualité du code (tests unitaires, intégration continue) Participer à la mise en place de CI/CD et à l’industrialisation des solutions IA Collaborer avec les Data Scientists pour transformer les prototypes en solutions scalables Respecter les normes de sécurité et de conformité

StarClay recherche plusieurs Data Scientists expérimentés (5 ans minimum) pour une mission à forte dimension internationale auprès de son client, leader de l'information juridique. Les consultants rejoindront une équipe data existante et interviendront en collaboration étroite avec une Business Unit internationale. L'objectif principal de la mission est l'adaptation et le déploiement d'un cas d'usage stratégique de génération de réponses aux questions clients, basé sur une architecture RAG avancée. Une dimension clé de la mission consiste à apporter une expertise méthodologique sur l'évaluation de la performance des modèles d'IA générative, en capitalisant sur les acquis et bonnes pratiques développés par l'équipe française. Vous aurez les responsabilités suivantes : - Adaptation technique - Implémenter, adapter et faire évoluer une solution RAG (Retrieval-Augmented Generation) : - Développée en Python - Appuyée sur un moteur de recherche SOLR (ou équivalent type Elastic) - Intégrant des pratiques avancées de prompt engineering - Stratégie d'évaluation - Concevoir, mettre en place et piloter des protocoles d'évaluation manuelle et automatique de la qualité des réponses générées : - Définition de métriques pertinentes - Approches LLM-as-a-judge - Boucles de feedback et amélioration continue - Benchmark des LLM - Tester, comparer et benchmarker les différents LLM du marché - Sélectionner les modèles les plus adaptés aux contraintes métiers, linguistiques et locales - Collaboration transverse - Travailler en interaction étroite avec l'équipe française - Comprendre l'architecture existante et les choix techniques - Assurer le transfert de compétences et des bonnes pratiques vers les BU internationales

Au sein de la Direction Fast Delivery Solutions d’un grand groupe, vous rejoignez l'équipe "Développements Tactiques". Cette équipe de 19 personnes fonctionne en mode agile/commando pour délivrer des solutions innovantes répondant aux besoins immédiats des métiers, avec une forte composante IA Générative. Votre Mission : Vous intervenez sur la construction de solutions logicielles de bout en bout. Vous êtes le pont technique entre les modèles d'IA et l'utilisateur final. Conception et développement d'interfaces utilisateurs complexes et réactives sous Angular . Architecture et développement d'APIs performantes sous Python / FastAPI . Intégration de cas d'usage IA Générative et implémentation de RAG (Retrieval-Augmented Generation) au sein des applications. Interaction directe avec les métiers pour challenger le besoin et itérer rapidement (Pocs & Industrialisation). Maintenance évolutive et garantie de la qualité du code (Tests, CI/CD).

Dans le cadre de la modernisation de ses outils d’aide à la décision financière, le client souhaite concevoir et déployer une plateforme SaaS basée sur des agents IA spécialisés , capable de répondre de manière fiable, contextualisée et experte aux problématiques financières. L’objectif est de permettre à des profils financiers (contrôle de gestion, finance d’entreprise, audit, risk, M&A, etc.) de brancher leurs propres données (structurées et non structurées) et d’interagir avec des agents IA experts du domaine financier , capables de raisonner, dialoguer entre eux (Agent-to-Agent) et produire des réponses exploitables métier. 2. Périmètre de la mission Le consultant interviendra sur l’ensemble du cycle de conception et de mise en œuvre de la solution : Conception & Architecture Définition de l’architecture globale d’une plateforme IA orientée agents (multi-agents, Agent-to-Agent). Conception d’agents spécialisés par domaine financier (ex. : reporting financier, analyse de performance, risques, cash management, consolidation, etc.). Mise en place d’une architecture SaaS sécurisée , scalable et multi-clients. IA & Data Intégration de modèles de langage (LLM) et d’agents conversationnels spécialisés. Mise en œuvre de mécanismes de RAG (Retrieval Augmented Generation) sur données financières. Gestion de l’ingestion de données (CSV, Excel, bases SQL, APIs, documents financiers). Garantir la traçabilité, l’explicabilité et la fiabilité des réponses produites. Agent-to-Agent Conception de scénarios de collaboration entre agents (ex. : un agent analyse, un autre valide, un autre synthétise). Orchestration des échanges entre agents selon les cas d’usage métier. Mise en place de règles de contrôle, de priorisation et de validation. Sécurité & Conformité Gestion des droits d’accès aux données. Séparation stricte des environnements et des données clients. Prise en compte des enjeux de conformité (RGPD, confidentialité financière). Livraison Développement de POC puis MVP. Contribution à la roadmap produit. Documentation technique et fonctionnelle. Transfert de compétences aux équipes internes. 3. Livrables attendus Architecture cible de la solution (technique et fonctionnelle). Modèles d’agents IA spécialisés Finance. POC opérationnel puis MVP. Documentation (architecture, agents, flux de données). Recommandations pour l’industrialisation et le passage à l’échelle. Plan de sécurité et de gouvernance des données. 4. Profil recherchéCompétences clés (obligatoires) Expertise confirmée en IA générative et systèmes multi-agents . Expérience concrète dans la conception d’agents IA spécialisés . Solide compréhension des enjeux financiers (finance d’entreprise, contrôle de gestion, reporting, risk, audit…). Maîtrise des approches RAG , prompt engineering avancé et orchestration d’agents. Capacité à concevoir une solution SaaS orientée produit. Compétences techniques attendues Langages : Python (obligatoire). Frameworks IA / agents (LangChain, LlamaIndex, AutoGen ou équivalent). APIs, micro-services, architecture cloud. Bases de données SQL / NoSQL. Cloud public (AWS, Azure ou GCP). Bonnes pratiques DevOps (CI/CD). Compétences complémentaires appréciées Expérience en fintech, banque, assurance ou cabinet de conseil financier . Connaissance des problématiques de data finance et de qualité des données. Expérience en POC, MVP et produits IA innovants. 5. Expérience & formation Minimum 5 ans d’expérience en IA / data / ingénierie logicielle. Expérience significative sur des projets IA appliquée à des cas métiers complexes . Formation supérieure (Bac+5) en informatique, data science, ingénierie ou équivalent.

🏭 Secteurs stratégiques : Banque d’investissement 🗓 Démarrage : ASAP 💡 Contexte /Objectifs : 💡 Contexte /Objectifs : Le département Tech Expertise & Solutions a pour vocation d'accompagner la transformation digitale de nos métiers, en lien avec la stratégie du client. Ce centre d'expertise transverse est orienté développement, innovation, data, IA... Prestation au sein du Lab Innovation, en charge de concevoir des projets pilotes et produits finis innovants à destination du groupe et des clients. Nous recherchons un business analyst ayant des connaissances sur les sujets d'IA et d'IA générative, afin de travailler notamment au développement et déploiement d'une plateforme de recherche documentaire augmentée par l'IA générative, aussi connu sous le terme RAG (Retrieval Augmented Generation). 🤝 Les missions sont : • Analyser et formaliser les besoins métiers liés à la RAG, en étroite collaboration avec les data scientists. • Collaborer étroitement avec les développeurs et le product owner pour assurer la bonne compréhension des besoins et la qualité des solutions déployées. • Assurer le suivi des performances des outils déployés et proposer des axes d'amélioration. • Gérer de multiples projets métiers en parallèle qui utiliseront la plateforme. • Accompagner technologiquement et animer les métiers dans le déploiement de la solution au sein de leurs projets • Suivre la production afin de garantir la satisfaction du client.

Je suis à la recherche pour un de nos clients d'un Machine Learning Ops. Le rôle consiste à garantir l'industrialisation, la fiabilisation, et la mise en production robuste et sécurisée de l'ensemble de nos modèles d'Intelligence Artificielle. Vous serez un pilier dans l'établissement des bonnes pratiques MLOps (Monitoring, Sécurité, Reproductibilité) et collaborerez en étroite collaboration avec les Data Scientists, Ingénieurs ML, le Product Owner, et l'équipe DevOps. Cette prestation est essentielle pour transformer la recherche en solutions opérationnelles à forte valeur ajoutée. Expertises requises dans le cadre de la réalisation de la prestation - 3 ans minimum d'expérience prouvée en développement/industrialisation IA/ML/DL ciblant des environnements de production. - Maitrise Avancée de Python et des librairies clés de Data Science/ML (e.g., NumPy, Pandas, Scikit-learn, PyTorch/TensorFlow). - Maîtrise de SQL pour l'accès et la manipulation des sources de données. - Pipeline MLOps et Outils : - Conception et Implémentation de Pipelines CI/CD dédiés aux modèles ML (GitLab CI ou équivalent), incluant le versioning des modèles et des datasets. - Conteneurisation Maîtrisée : Capacité à packager, déployer et maintenir des services IA via Docker. - Tracking et Registre de Modèles : Expérience obligatoire avec des outils de gestion du cycle de vie des modèles comme MLflow ou équivalent (p. ex. Comet ML). - Expertise Modèles de Langage (LLM/NLP) - Maîtrise de l'architecture RAG (Retrieval-Augmented Generation) et de son industrialisation. - Mise en place et intégration d'outils d'orchestration de LLM (e.g., LangChain/LangSmith, Semantic Kernel, ou équivalent) dans un contexte de production. - Cloud et Déploiement : Maîtrise avérée d'un Cloud Provider avec une expérience significative en déploiement de services serverless ou conteneurisés - Optimisation et Feedback : capacité à intégrer des boucles de feedback continu pour l'amélioration des modèles (Monitoring de la dérive, Retraining automatique, concepts de Human-in-the-Loop). C ompétences souhaitées : - Orchestration et Scalabilité : expérience pratique du déploiement de charges d’activité IA sur Kubernetes (K8s) et des concepts d'opérateurs MLOps (KubeFlow, Argo). - Expérience dans la mise en place de tests de performance et de montée en charge spécifiques aux services d'inférence ML/LLM (benchmarking, stress testing, choix du hardware). - Techniques de Modélisation Avancées : - Connaissance des techniques d'optimisation de modèles pour la production (Quantization, Distillation, Pruning) ou de Fine-Tuning/PEFT (LoRA). - Expérience en Computer Vision (déploiement de modèles de détection/classification) ou en SLM (Small Language Models). - Qualité et Assurance IA : - Mise en œuvre de métriques d'évaluation non-traditionnelles pour les LLM (e.g., AI as a Judge, évaluation du Hallucination Rate, Grounding Score).

Périmètre DevOps & SysOps 1. Automatisation & Déploiement Mise en place d’un pipeline CI/CD complet : build, tests, déploiements et releases. Déploiement automatisé de l’API backend et de tous les modules associés. Gestion de l’infrastructure pour garantir une mise en production fiable et répétable. 2. Supervision & Observabilité Mise en œuvre de la surveillance des composants LLM et IA générative (logs, métriques, alertes). Monitoring et reporting des KPIs de performance, d’usage et de qualité. 3. Sécurité & Conformité Configuration et gestion de l’authentification, autorisation et gestion des accès. Respect des exigences sécurité du Groupe BNP et des règles d’accessibilité RGAA . Mise en place de la gestion et rotation des secrets, tokens et credentials. 4. Exploitation & Résilience Rédaction de la documentation technique d’exploitation et d’intégration. Mise en place et automatisation des procédures de sauvegarde et restauration (données, contextes, historiques). Gestion de la scalabilité : montée en charge, load-balancing, optimisation des performances. Définition et application de la politique de gestion des incidents, astreintes et SLA. Expertises fonctionnelles et techniques : Compétences requises Compétences techniques essentielles (synthèse) 1. Cloud & Infrastructure Maîtrise d’un cloud (AWS, Azure, GCP) Infrastructure as Code : Terraform, Ansible Architectures scalables et haute disponibilité 2. Conteneurs & Orchestration Docker Kubernetes / OpenShift (déploiement, scaling, secrets, monitoring) 3. CI/CD & Automatisation Pipelines GitLab CI, GitHub Actions, Jenkins Automatisation build/test/deploy Sécurisation des pipelines 4. Observabilité Logs : ELK, Splunk Monitoring : Prometheus, Grafana, Datadog Suivi spécifique LLM/IA : performance, coûts, dérives 5. Sécurité Authentification/autorisation (OAuth2, OIDC, SAML) Gestion des secrets (Vault, KMS) Sécurité API et conformité RGAA 6. Backend & APIs Compréhension des APIs REST/GraphQL Connaissance de base en Python / Node.js / Java Microservices 7. Bases de données PostgreSQL, MongoDB, Redis Backup/restore, stockage objet 8. Exploitation & Incidents Runbooks, SLA, ITIL Tableaux de bord et KPIs d’usage/performance 9. IA Générative (bonus fortement recommandé) Appels API LLM Gestion des prompts et contextes Notions de RAG et sécurité IA

Dans le cadre de l’industrialisation de l’IA générative, une équipe experte au sein d'une grande banque Française cherche à renforcer son équipe. Nous recherchons un Développeur Full Stack confirmé , proactif et autonome, capable de concevoir, livrer et maintenir des solutions innovantes basées sur les grands modèles de langage (LLM). Votre mission : transformer les irritants métiers en solutions concrètes grâce à l’IA générative. Vos responsabilités : Investigation métier : Aller à la rencontre des équipes pour identifier leurs blocages opérationnels Proposer des cas d’usage innovants basés sur les LLM Challenger l’existant avec une approche orientée valeur Conception & architecture : Définir l’architecture des solutions (Front Angular, Back Java/Spring Boot, services LLM) Rédiger les spécifications fonctionnelles et techniques Estimer les charges et structurer les travaux Développement & intégration IA : Implémenter les composants applicatifs Orchestrer les appels API LLM Mettre en œuvre RAG, embeddings, vector stores Travailler le prompt engineering, les guardrails et les mécanismes d’évaluation Mise en production & run : Automatiser les pipelines CI/CD Superviser la performance des solutions Optimiser coûts et latence des appels LLM Assurer le support en production

La mission se déroule au sein d’une équipe de développements tactiques rattachée à une DSI d’un grand groupe. Cette équipe intervient en proximité directe avec les métiers afin de concevoir rapidement des solutions innovantes à forte valeur ajoutée , notamment autour de la Data et de l’IA générative . L’équipe est composée de profils variés : Data Engineers, Data Scientists, développeurs Fullstack, Tech Leads et Chef de projet. L’environnement est agile, collaboratif et orienté highlighting rapide des besoins métiers . Le consultant interviendra sur un large périmètre Fullstack , incluant : Conception et développement de solutions logicielles de bout en bout Développement d’interfaces utilisateurs dynamiques en Angular Conception et implémentation d’APIs en FastAPI Réalisation de POC et d’applications intégrant de l’ IA générative Maintenance évolutive et run des applications existantes Participation à la mise en place de bonnes pratiques et à la documentation Interactions directes avec les métiers pour recueillir et challenger les besoins

Dans le cadre de projets innovants autour de l’Intelligence Artificielle et plus particulièrement des Large Language Models (LLM) , nous recherchons un Data LLM Engineer pour rejoindre une équipe spécialisée dans la mise en place de solutions IA génératives. Missions Concevoir, développer et optimiser des pipelines de données adaptés à l’entraînement et au fine-tuning de modèles LLM. Participer à la préparation, la structuration et l’étiquetage de jeux de données massifs et hétérogènes. Intégrer et déployer des modèles de langage dans des environnements de production. Mettre en place des mécanismes d’évaluation, monitoring et amélioration continue des performances des modèles (metrics, hallucinations, biais, robustesse). Collaborer étroitement avec les Data Scientists, MLOps et Software Engineers pour industrialiser les solutions IA. Assurer une veille technologique sur les dernières avancées en NLP, LLM et IA générative.

🏢 L’entreprise Notre client est un éditeur logiciel international du secteur financier, dont les solutions sont utilisées par de grandes institutions bancaires et d’investissement à travers le monde. Dans un contexte de forte accélération autour de l’IA générative, l’entreprise renforce son équipe IA afin de construire et industrialiser des briques GenAI directement intégrées au cœur de ses produits. 🎯 Contexte du recrutement L’IA générative n’est pas un sujet d’innovation ou de POC : elle fait partie intégrante de la roadmap produit. L’objectif du poste est de concevoir, implémenter et opérer des systèmes LLM robustes, utilisés en production par des clients, avec de fortes contraintes de qualité, de sécurité et de scalabilité. Nous recrutons un AI Engineering Lead très hands-on, orienté engineering logiciel, capable de prendre un rôle de référent technique au sein de l’équipe.

Contexte Développement de solutions IA avancées pour le projet du client Missions Concevoir, entraîner et optimiser des modèles ML et LLM Implémenter des architectures Agentic AI Industrialiser les modèles (MLOps, monitoring, performance) Collaborer avec les équipes produit et tech Garantir la robustesse et l’éthique des modèles en production Profil recherché 10+ ans d’expérience en data science Excellente maîtrise de Python et des frameworks ML Expérience réelle de LLM et Agentic AI en production Forte capacité d’abstraction et de vulgarisation Experience en IA / AI en production ANGLAIS ASAP

Lead Développeur MLOps Python - Spécialiste IA/RAG Cette mission s'adresse à des profils seniors ayant déjà industrialisé des solutions IA/RAG en production et maîtrisant les enjeux de passage à l'échelle. Profil avec un mindset sales: au-delà de ses compétences techniques, dispose d’un profil capable de s’imposer, de proposer des solutions, de prendre des initiatives, de mener des recherches et de tenir ses engagements. Mission Nous recherchons un Lead MLOPS Python pour industrialiser les développements IA/Data Science avec un focus sur les systèmes RAG (Retrieval-Augmented Generation) et les LLM . Contexte Les Data Scientists développent des solutions expérimentales (modèles, RAG, pipelines IA) que vous devrez transformer en solutions robustes déployables en production à grande échelle. Responsabilités principales Industrialisation des systèmes RAG/LLM : Automatiser le processing de documents volumineux (ex: PDFs 250+ pages) Mettre en place des pipelines de chunking et d'indexation automatiques Gérer la montée en charge des bases de connaissances Implémenter des métriques de monitoring pour détecter les dérives des modèles Architecture & Scalabilité : Concevoir des workflows complexes pour tâches longues (pipelines multi-étapes) Déployer sur infrastructure cloud (Azure/AWS/GCP) Containerisation avec Docker/Kubernetes Mise en place de CI/CD spécialisés pour l'IA Développement & Bonnes Pratiques : Refactorisation du code Data Science selon les standards industriels Injection de dépendances, programmation orientée objet Tests automatisés, clean code, modularité Gestion des dépendances et versioning des modèles MLOps & Monitoring : Supervision des performances des modèles en production Détection du drift et mise en place d'alertes Gestion des réentraînements automatiques Tableaux de bord et métriques business Profil recherchéCompétences techniques obligatoires : Python expert (5 - 10+ ans d'expérience) 1 Expérience concrète avec RAG/LLM en production Cloud computing (Azure/AWS/GCP) - déploiement à l'échelle MLOps : pipelines ML, monitoring, drift detection Architecture logicielle : design patterns, injection de dépendances, OOP DevOps : Docker, Kubernetes, CI/CD Compétences techniques souhaitées : Frameworks : LangChain, Haystack, ChromaDB, Pinecone Bases de données vectorielles Streaming de données (Kafka, Pulsar) Orchestration (Airflow, Prefect) Soft skills : Leadership technique : capacité à guider une équipe de Data Scientists Pédagogie : transmission des bonnes pratiques Autonomie sur des projets complexes Mindset industrialisation : passage du POC à la production Environnement technique Stack : Python, FastAPI, SQLAlchemy, Pydantic IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI Cloud : Azure (priorité Orchestration : Kubernetes, Docker, Terraform Monitoring : Prometheus, Grafana, MLflow Méthodologie : Agile, TDD, Code Review Exemple de cas d'usage concret "Un utilisateur upload un PDF de 250 pages. Le système doit automatiquement : Découper le document en chunks optimaux Indexer dans la base vectorielle Permettre des requêtes précises ('dates des événements X') Monitorer la qualité des réponses Alerter en cas de dégradation" Votre rôle : Transformer le script Python du Data Scientist en solution industrielle, scalable et monitorée. Modalités Durée : 6-12 mois (renouvelable) Format : Freelance/Régie Localisation : Hybride (2-3 jours sur site) Démarrage : ASAP Profil du candidat Profil recherchéCompétences techniques obligatoires : Python expert ((5 - 10+ ans d'expérience) Expérience concrète avec RAG/LLM en production Cloud computing (Azure) - déploiement à l'échelle MLOps : pipelines ML, monitoring, drift detection Architecture logicielle : design patterns, injection de dépendances, OOP DevOps : Docker, Kubernetes, CI/CD Compétences techniques souhaitées : Frameworks : LangChain, Haystack, ChromaDB, Pinecone Bases de données vectorielles Streaming de données (Kafka, Pulsar) Orchestration (Airflow, Prefect) Soft skills : Leadership technique : capacité à guider une équipe de Data Scientists Pédagogie : transmission des bonnes pratiques Autonomie sur des projets complexes Mindset industrialisation : passage du POC à la production Environnement technique Stack : Python, FastAPI, SQLAlchemy, Pydantic IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI Cloud : Azure Obligatoire Orchestration : Kubernetes, Docker, Terraform Monitoring : Prometheus, Grafana, MLflow Méthodologie : Agile, TDD, Code Review Description de l‘entreprise Pourquoi cette mission est unique Cette opportunité vous permettra de façonner l'avenir de l'IA dans un contexte où vos décisions techniques auront un impact direct sur des millions d'utilisateurs. Vous ne serez pas un simple exécutant, mais un architecte de solutions qui influence la roadmap technologique. Ce qui vous attend : Autonomie technique : Liberté de choix sur les architectures et technologies Visibilité : Présentation de vos réalisations au comité de direction Impact business : Vos optimisations se traduisent directement en gains mesurables Veille technologique : Accès privilégié aux betas Microsoft et APIs exclusives Réseau professionnel : Collaboration avec des experts IA reconnus dans l'écosystème français Vous évoluerez dans un environnement où l' excellence technique rencontre l' innovation business , avec le support d'une équipe qui croit en vos compétences et vous donne les moyens d'exprimer votre talent. Modalités Durée : 12 mois (renouvelable) Format : Freelance/Régie Localisation : Paris La Défense - Hybride (2 jours sur site / 3 jours remote) Démarrage : ASAP Profil du candidat Python expert ((5 - 10+ ans d'expérience) Expérience concrète avec RAG/LLM en production Cloud computing Azure - déploiement à l'échelle MLOps : pipelines ML, monitoring, drift detection Architecture logicielle : design patterns, injection de dépendances, OOP DevOps : Docker, Kubernetes, CI/CD Description de l‘entreprise Modalités Durée : 12 mois (renouvelable) Format : Freelance/Régie Localisation : Paris La Défense - Hybride (2 jours sur site / 3 jours remote) Démarrage : ASAP

Nous recherchons un AI Engineer Azure confirmé pour le compte d’un grand groupe dans le cadre d’un projet stratégique autour de l’IA Générative . La mission consiste à concevoir et développer des solutions d’assistants IA en exploitant les services avancés de la plateforme Microsoft Azure . 🎯 Vos missions principales : Concevoir et développer des solutions IA Générative (LLM, RAG, Agents) dans Azure. Mettre en œuvre et exploiter les services Azure AI Foundry et Copilot Studio . Déployer des assistants IA répondant aux besoins métiers et intégrés aux outils internes. Développer et intégrer des modèles IA/ML personnalisés (fine-tuning, optimisation). Collaborer avec les équipes techniques et métiers pour définir les cas d’usage et maximiser la valeur business. Contribuer à la mise en production et à l’orchestration des pipelines IA via Azure DevOps.

Notre client, recherche un Product Manager IA Générative / Platform PM – IA Gen & RAG (H/F) dans le cadre d'une longue mission. Le client déploie une plateforme d’IA Générative (LLM, RAG, Agents IA) et recherche un Product Manager senior pour structurer la roadmap produit et piloter des cas d’usage métier à fort impact. - Porter la vision produit de la plateforme IA Générative à l’échelle de l’entreprise - Définir les features techniques : LLM Gateway, RAG, supervision, sécurité, UX - Animer la roadmap produit et les comités associés - Identifier, cadrer et prioriser les cas d’usage avec les métiers - Piloter les MVP, mises en production, industrialisation des solutions IA - Assurer la conformité (IA Act), la qualité et la gestion des risques - Coordonner les équipes Data, IT, Sécurité, Architecture et Métiers Livrables - Vision cible de la plateforme IA Gen (SLA, scalabilité, UX, sécurité) - Roadmap produit détaillée - Dossiers de cadrage des cas d’usage IA - Recettes fonctionnelles des features IA - Supports de pilotage et reporting - Suivi des risques, conformité IA et qualité

Lead Développeur MLOps Python - Spécialiste IA/RAG Cette mission s'adresse à des profils seniors ayant déjà industrialisé des solutions IA/RAG en production et maîtrisant les enjeux de passage à l'échelle. Profil avec un mindset sales: au-delà de ses compétences techniques, dispose d’un profil capable de s’imposer, de proposer des solutions, de prendre des initiatives, de mener des recherches et de tenir ses engagements. Mission Nous recherchons un Lead MLOPS Python pour industrialiser les développements IA/Data Science avec un focus sur les systèmes RAG (Retrieval-Augmented Generation) et les LLM . Contexte Les Data Scientists développent des solutions expérimentales (modèles, RAG, pipelines IA) que vous devrez transformer en solutions robustes déployables en production à grande échelle. Responsabilités principales Industrialisation des systèmes RAG/LLM : Automatiser le processing de documents volumineux (ex: PDFs 250+ pages) Mettre en place des pipelines de chunking et d'indexation automatiques Gérer la montée en charge des bases de connaissances Implémenter des métriques de monitoring pour détecter les dérives des modèles Architecture & Scalabilité : Concevoir des workflows complexes pour tâches longues (pipelines multi-étapes) Déployer sur infrastructure cloud (Azure/AWS/GCP) Containerisation avec Docker/Kubernetes Mise en place de CI/CD spécialisés pour l'IA Développement & Bonnes Pratiques : Refactorisation du code Data Science selon les standards industriels Injection de dépendances, programmation orientée objet Tests automatisés, clean code, modularité Gestion des dépendances et versioning des modèles MLOps & Monitoring : Supervision des performances des modèles en production Détection du drift et mise en place d'alertes Gestion des réentraînements automatiques Tableaux de bord et métriques business Profil recherchéCompétences techniques obligatoires : Python expert (5 - 10+ ans d'expérience) 1 Expérience concrète avec RAG/LLM en production Cloud computing (Azure/AWS/GCP) - déploiement à l'échelle MLOps : pipelines ML, monitoring, drift detection Architecture logicielle : design patterns, injection de dépendances, OOP DevOps : Docker, Kubernetes, CI/CD Compétences techniques souhaitées : Frameworks : LangChain, Haystack, ChromaDB, Pinecone Bases de données vectorielles Streaming de données (Kafka, Pulsar) Orchestration (Airflow, Prefect) Soft skills : Leadership technique : capacité à guider une équipe de Data Scientists Pédagogie : transmission des bonnes pratiques Autonomie sur des projets complexes Mindset industrialisation : passage du POC à la production Environnement technique Stack : Python, FastAPI, SQLAlchemy, Pydantic IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI Cloud : Azure (priorité) / AWS / GCP Orchestration : Kubernetes, Docker, Terraform Monitoring : Prometheus, Grafana, MLflow Méthodologie : Agile, TDD, Code Review Exemple de cas d'usage concret "Un utilisateur upload un PDF de 250 pages. Le système doit automatiquement : Découper le document en chunks optimaux Indexer dans la base vectorielle Permettre des requêtes précises ('dates des événements X') Monitorer la qualité des réponses Alerter en cas de dégradation" Votre rôle : Transformer le script Python du Data Scientist en solution industrielle, scalable et monitorée. Modalités Durée : 6-12 mois (renouvelable) Format : Freelance/Régie Localisation : Hybride (2-3 jours sur site) Démarrage : ASAP Profil du candidat Profil recherchéCompétences techniques obligatoires : Python expert ((5 - 10+ ans d'expérience) Expérience concrète avec RAG/LLM en production Cloud computing (Azure) - déploiement à l'échelle MLOps : pipelines ML, monitoring, drift detection Architecture logicielle : design patterns, injection de dépendances, OOP DevOps : Docker, Kubernetes, CI/CD Compétences techniques souhaitées : Frameworks : LangChain, Haystack, ChromaDB, Pinecone Bases de données vectorielles Streaming de données (Kafka, Pulsar) Orchestration (Airflow, Prefect) Soft skills : Leadership technique : capacité à guider une équipe de Data Scientists Pédagogie : transmission des bonnes pratiques Autonomie sur des projets complexes Mindset industrialisation : passage du POC à la production Environnement technique Stack : Python, FastAPI, SQLAlchemy, Pydantic IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI Cloud : Azure (priorité) / AWS / GCP Orchestration : Kubernetes, Docker, Terraform Monitoring : Prometheus, Grafana, MLflow Méthodologie : Agile, TDD, Code Review Description de l‘entreprise Pourquoi cette mission est unique Cette opportunité vous permettra de façonner l'avenir de l'IA dans un contexte où vos décisions techniques auront un impact direct sur des millions d'utilisateurs. Vous ne serez pas un simple exécutant, mais un architecte de solutions qui influence la roadmap technologique. Ce qui vous attend : Autonomie technique : Liberté de choix sur les architectures et technologies Visibilité : Présentation de vos réalisations au comité de direction Impact business : Vos optimisations se traduisent directement en gains mesurables Veille technologique : Accès privilégié aux betas Microsoft et APIs exclusives Réseau professionnel : Collaboration avec des experts IA reconnus dans l'écosystème français Vous évoluerez dans un environnement où l' excellence technique rencontre l' innovation business , avec le support d'une équipe qui croit en vos compétences et vous donne les moyens d'exprimer votre talent. Modalités Durée : 12 mois (renouvelable) Format : Freelance/Régie Localisation : Paris La Défense - Hybride (2 jours sur site / 3 jours remote) Démarrage : ASAP