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

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).

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

🏢 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

Ingénieur IA | Python-RAG • Développement d’algorithmes : concevoir et développer des algorithmes d’apprentissage automatique (machine learning), d’apprentissage profond (deep learning) et d’autres techniques d’IA. • Analyse de données : collecter, nettoyer et analyser les données pour entraîner les modèles d’IA. • Optimisation des modèles : améliorer la précision et l’efficacité des modèles d’IA existants. • Intégration de solutions IA : intégrer les solutions d’IA dans les systèmes existants ou développer de nouvelles applications basées sur l’IA. • Recherche et innovation : mener des recherches pour explorer de nouvelles techniques et technologies en IA. • Collaboration interdisciplinaire : travailler avec des équipes multidisciplinaires, y compris des experts en données, des développeurs de logiciels et des chercheurs. • Veille technologique : suivre les avancées et les tendances dans le domaine de l’IA pour anticiper les évolutions et proposer des améliorations. • Documentation et reporting : rédiger des documents techniques, des rapports d’avancement et des publications scientifiques pour partager les résultats et les connaissances acquises. Profil Recherché BAC+4/+5 3 – 5 ans d’expérience en IA, Machine Learning ou Data Science Très bon niveau en Python & RAG, SQL, NoSQL

Dans le cadre d’un projet stratégique Data & IA, nous accompagnons l’un de nos clients, acteur tech à fort enjeu produit, dans le recrutement d’un Lead AI Engineer. Le rôle Le Lead AI Engineer est responsable de la conception, du développement et du déploiement de solutions IA à forte valeur métier. À la fois référent technique IA et acteur clé du delivery, il combine une posture très hands-on avec une vision produit / ROI, en lien étroit avec les équipes métier, produit et la direction. Vos responsabilités 1. Conception & développement de solutions IA (cœur du poste) Concevoir et développer des solutions IA avancées : LLM & GenAI (RAG, MCP, agents, workflows IA, fine-tuning si nécessaire) Modèles de scoring, recommandation, prédiction, classification Développer des solutions robustes, scalables et industrialisées, prêtes pour la production Être très fortement hands-on en développement, principalement en Python Garantir la qualité du code, la performance, la sécurité et la maintenabilité Utiliser des outils d’assistance au développement (ex. Claude Code) 2. Leadership technique & delivery IA Porter les projets IA de bout en bout : cadrage fonctionnel et technique, choix d’architecture, priorisation delivery, mise en production et suivi de la valeur Jouer un rôle de leader technique, sans management hiérarchique direct Être capable d’arbitrer et de prendre des décisions techniques structurantes Structurer le delivery dans une logique produit et ROI, en lien avec le CPTO 3. Interface produit, métier et direction Travailler en proximité avec : les équipes métiers, le produit, les équipes techniques, la direction Traduire des besoins métier complexes en solutions IA concrètes Animer des ateliers de cadrage, restituer les avancées, vulgariser les sujets IA Porter une vision transverse des projets (roadmap, dépendances, risques) 4. Structuration et montée en maturité IA Contribuer à la vision IA globale (choix technologiques, standards, bonnes pratiques) Mettre en place des patterns réutilisables (RAG, pipelines IA, templates projets) Participer à la diffusion de la culture IA Assurer une veille active sur les évolutions IA (LLM, frameworks, usages) Environnement technique Langage : Python (expert) IA / Data : LLM / GenAI, RAG, embeddings, agents Pandas, PySpark (selon cas) Plateforme Data : MinIO, MongoDB, PostgreSQL, ElasticSearch, Airflow, RabbitMQ Infra : Docker, Kubernetes Dataviz / exposition : PowerBI, Metabase Outils : Git, CI/CD, outils d’IA d’assistance au développement

Dans le cadre d’une mission longue au sein d’un centre d’excellence en IA générative d’un grand groupe international du secteur de la banque privée , nous recherchons un AI Engineer Senior spécialisé dans l’écosystème Microsoft Azure . Le consultant interviendra sur un assistant IA métier déjà en production , connecté au CRM, avec pour objectifs principaux : l’ industrialisation de la solution existante, l’ extension des cas d’usage , l’amélioration de la scalabilité , de la robustesse , de la sécurité et de la maîtrise des coûts . La mission s’inscrit dans un environnement structuré, organisé autour d’équipes Produits (conception de solutions IA) et Plateformes (Cloud, Sécurité, DevSecOps, Observabilité). Les principales responsabilités sont : Concevoir et implémenter des architectures d’IA générative . Développer et faire évoluer des agents IA / assistants métier . Travailler sur des problématiques LLM, RAG, embeddings, prompt engineering et orchestration d’agents . Intégrer les solutions IA dans le SI existant via APIs et services Microsoft. Connecter les agents à différentes sources de données métiers . Mettre en place et maintenir le monitoring en production . Optimiser en continu la qualité des réponses , les performances et les coûts . Gérer les anomalies et évolutions mineures en production. Travailler en mode Agile (Scrum) avec reporting régulier. Contribuer à la documentation technique et au partage de bonnes pratiques. Compétences attendues Compétences techniques Expérience confirmée en IA générative et agents IA . Maîtrise des concepts : LLM RAG Embeddings Prompt engineering Tool calling Expérience avec des frameworks d’orchestration d’agents (ex. Semantic Kernel ou équivalent). Très bonne connaissance de l’écosystème Microsoft Azure , notamment : Copilot Studio Azure AI Foundry / Fabric API Management Power Platform & Dataverse Azure Functions Développement : Python (impératif) C# JavaScript Sensibilité aux pratiques DevSecOps , monitoring et observabilité. Certifications (appréciées) Azure AI Engineer (AI-102) Azure AI Fundamentals (AI-900) Azure Developer (AZ-204) Langues Français requis Anglais professionnel

Pour mon client bancaire, je recherche un profil expert en Intelligence Artificielle, pour accompagner des équipes techniques dans la mise en place et l'adoption d'une solution de tests logiciels, intégrant l'IA. Cette opportunité vise à construire la solution, l'implémenter et former les utilisateurs à son utilisation, elle combine expertise technique et accompagnement au changement. Missions : Définir, implémenter et maintenir une solution de tests logiciels intégrant l'IA pour les équipes techniques Concevoir et mettre en place un framework ou environnement de développement dédié aux tests IA Travailler sur des projets LLM et RAG, avec une approche pratique orientée vers les cas d'usage techniques Accompagner les équipes et les utilisateurs dans le changement et l'adoption des nouvelles solutions Former les utilisateurs et optimiser l'adoption de la solution Collaborer avec les équipes QA, Développeurs et DevOps pour intégrer l'IA dans les processus de test logiciel Participer à la définition de la stack technique

Panda Services , société de services informatiques, recherche pour l’un de ses clients basé à Paris (75) un(e) Data Engineer - Spécialisation GenAI & LLM Contexte Nous renforçons notre équipe Data pour accompagner le déploiement de cas d’usage stratégiques en IA générative et LLM . Vous rejoindrez une plateforme data cloud moderne, au cœur des enjeux de valorisation des données structurées et non structurées , avec un objectif clair : rendre la donnée directement exploitable par des modèles LLM à l’échelle industrielle . Vos missions 🔹 Data Engineering moderne Concevoir et développer des pipelines ELT performants et scalables sur Snowflake Construire des modèles de données analytiques optimisés pour les usages BI et GenAI Optimiser les coûts, la performance et la sécurité de la plateforme data cloud 🔹 DataOps & qualité des données Mettre en place des tests, contrôles qualité et standards data indispensables à des projets LLM fiables Industrialiser les pipelines via Git, CI/CD et automatisation Participer à l’outillage DataOps / MLOps orienté LLM 🔹 Données & IA générative (axe clé du poste) Ingestion et préparation de données structurées, semi-structurées et non structurées (textes, documents, etc.) Contribution directe à des projets GenAI & LLM : génération et gestion d’ embeddings mise en œuvre d’architectures RAG (Retrieval Augmented Generation) exploitation et structuration de corpus documentaires pour les LLM Travailler avec les équipes IA pour garantir la qualité, la fraîcheur et la traçabilité des données exposées aux modèles 🔹 Collaboration Travail en étroite collaboration avec les équipes Data, BI, IA et Produit Force de proposition sur les bonnes pratiques Data & GenAI Profil recherché Compétences techniques Snowflake SQL avancé Python (data processing, préparation de données pour IA) Data modeling analytique Environnements cloud Git / CI-CD / DataOps Solides bases ou forte appétence pour les LLM & l’IA générative : embeddings RAG traitement de données textuelles Profil Forte curiosité pour les usages concrets de l’IA générative Capacité à évoluer dans des environnements data modernes et transverses Esprit d’optimisation, autonomie et sens de la qualité Envie de participer à des projets GenAI à fort impact business

Développeur Python - FastAPI - IA La prestation contribuera au benchmark, évaluera et testera des solutions IA, fournira des recommandations techniques et stratégiques pour le management et les équipes IA, et concernera principalement : Le développement de services backend et POC techniques pour évaluer des solutions IA (ex. Google Gemini, Microsoft Copilot, Azure OpenAI). L’intégration de nouveaux services et API dans l’infrastructure existante pour faciliter les benchmarks. La création de scénarios de benchmark automatisés pour mesurer performances, coûts, latence et intégration développeur. L’évaluation et l’expérimentation avec des outils developer-oriented et des plateformes d’intégration (ex. Mulesoft). Le développement de POC innovants et généralisables permettant de démontrer des cas d’usage pertinents pour le client. La veille technologique et la capacité à monter rapidement en compétence sur de nouvelles solutions d’IA. Savoir faire : Maitrise de Python pour le développement backend, APIs, POC et scripts d’intégration Maitrise des frameworks/librairies : FastAPI, Asyncio, ou équivalents pour services asynchrones et micro-services Maitrise des bases de données : SQL/PostgreSQL, MongoDB, bases vectorielles Maitrise en intégration/APIs RESTful, Mulesoft ou autres plateformes d’intégration Maitrise Cloud : Google Cloud Platform (GCP) Maitrise en sécurité : OpenID Connect, OAuth2 Maitrise DevOps/CI-CD : GitLabCI, Docker, Kubernetes, pipelines de déploiement automatisés Maitrise en tests unitaires, intégration et fonctionnels Maitrise des méthodes de développement : Agile/Scrum, pair programming, code review, bonnes pratiques de Software Craftsmanship Connaissance et application des design patterns et principes d’architecture logicielle Connaissance des concepts de ML, Generative AI, RAG, Corpus, LLM, d’agent, d’assistant, de prompt, d’hallucination et d’AI model Savoir formuler des requêtes efficaces pour interagir avec les IA génératives et obtenir les résultats souhaités Connaissance et usage critique de l’IA en prenant en compte ses limites et ses biais Connaissance des exigences RGPD et des aspects éthiques en lien avec l’IA Usage : Maîtriser les assistants de code ( eg. GitHub Copilot) pour accélérer le développement et améliorer la qualité du code en particulier via la maîtrise de l’Agentic, des fichiers prompts/d’instructions Profil recherché : Maitrise de Python pour le développement backend, APIs, POC et scripts d’intégration Maitrise des frameworks/librairies : FastAPI, Asyncio, ou équivalents pour services asynchrones et micro-services Maitrise des bases de données : SQL/PostgreSQL, MongoDB, bases vectorielles Maitrise en intégration/APIs RESTful, Mulesoft ou autres plateformes d’intégration Connaissance des concepts de ML, Generative AI, RAG, Corpus, LLM, d’agent, d’assistant, de prompt, d’hallucination et d’AI model

Dans un contexte de transformation et d’adoption des technologies d’intelligence artificielle générative chez l’un de nos clients, nous recherchons un Chef de Projet Technique GenAI / LLM pour piloter le développement et l’intégration de solutions innovantes (RAG, agents conversationnels, LLM chains, multimodal). Votre mission : structurer, prioriser et livrer des projets GenAI à destination des équipes métiers et techniques, en lien avec les enjeux de performance et d’efficacité opérationnelle. Vous aurez pour tâches : Cadrer les besoins métier et techniques liés à l’IA générative : collecte, analyse, spécification fonctionnelle. Piloter le développement et le déploiement d’une plateforme LLM sécurisée (proxy) pour toute l’organisation. Superviser la création et l’adoption d’un ChatGPT interne pour les collaborateurs. Gérer les projets de bout en bout : roadmap, arbitrage des fonctionnalités, priorisation, planification, suivi des sprints, coordination des livraisons. Encadrer une équipe de développeurs, suivre l’avancement des tâches, gérer les versions et assurer le respect des délais. Évangéliser l’usage de GenAI auprès des équipes internes (techniques & métiers) : formation, accompagnement, conduite du changement. Réaliser une veille technologique continue sur les modèles open source, frameworks GenAI et solutions cloud. Contribuer au développement de prototypes et POCs en collaboration avec l’équipe technique (Streamlit, Python). Optimiser la conception des prompts et des chaînes LLM (prompt engineering, design conversationnel).

CONTEXTE Experience : 6 ans et plus Métiers Fonctions : Etudes & Développement, Développeur Spécialités technologiques : Reporting, DevsecOps, IA generative Mission au sein d’un centre d’excellence en IA générative d’un grand groupe international, dédié à la conception et à l’industrialisation de solutions IA à destination de métiers à forte valeur ajoutée.Le consultant intervient sur un assistant IA métier déjà en production connecté au CRM, avec pour objectifs : - son industrialisation, - l’extension des cas d’usage, - la scalabilité et la robustesse de l’architecture. Environnement structuré en : - équipes Produits (conception de solutions IA), - équipes Plateformes (cloud, sécurité, DevSecOps, outillage, observabilité). MISSIONS Objectifs de la mission - Industrialiser une solution d’IA générative existante. - Concevoir et faire évoluer des agents IA intégrés à des outils métiers. - Garantir performance, sécurité, conformité et maîtrise des coûts. - Étendre les usages (nouveaux parcours utilisateurs, nouvelles sources de données). Responsabilités clés (synthèse) IA & architecture : - Concevoir et implémenter des architectures IA générative. - Développer et faire évoluer des agents IA (copilotes, assistants métier). - Travailler sur des problématiques LLM / RAG / prompt engineering / orchestration d’agents. Intégration & SI : - Intégrer les solutions IA dans un SI existant via APIs et plateformes Microsoft. - Connecter les agents à différentes sources de données métiers. Run & industrialisation : - Mettre en place le monitoring en production. - Améliorer en continu la qualité des réponses, les performances et les coûts. - Gérer anomalies et évolutions mineures en production. Collaboration & delivery : - Travailler en étroite collaboration avec équipes produit, plateformes et sécurité. - Fonctionner en mode Agile (Scrum), avec reporting régulier. - Contribuer à la documentation et au partage de bonnes pratiques. Expertise souhaitée Compétences techniques indispensables - Expérience confirmée en IA générative / agents IA. - Maîtrise des concepts : LLM, RAG, embeddings, prompt engineering, tool calling. - Expérience avec des frameworks d’orchestration d’agents (ex. Semantic Kernel ou équivalent). - Très bonne connaissance de l’écosystème Microsoft Azure : - Copilot Studio, AI Foundry / Fabric, - API Management, - Power Platform, Dataverse, - Azure Functions. - Développement : Python (indispensable), C# et JavaScript. - Sensibilité aux pratiques DevSecOps, monitoring et observabilité. Certifications (nice to have) : - Azure AI Engineer (AI-102) - Azure AI Fundamentals (AI-900) - Azure Developer (AZ-204) Soft skills clés : - Capacité à travailler en environnement structuré et exigeant. - Bon niveau de communication et esprit collaboratif. - Rigueur, autonomie, sens du delivery.