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

Au sein de la direction Data & IA d’un grand groupe international, vous interviendrez sur la conception, le déploiement et l’adoption d’une plateforme d’IA agentique basée sur les technologies de GenAI . L’organisation a déjà industrialisé plusieurs solutions GenAI largement utilisées en interne et entre dans une nouvelle phase stratégique visant à généraliser des agents IA à l’échelle du groupe. Vous jouerez un rôle central entre les équipes métiers, IT et Data & IA afin d’accélérer l’industrialisation des cas d’usage GenAI et la montée en maturité de la plateforme. Vos responsabilités incluent notamment : Accompagnement des équipes projets sur l’ensemble du cycle de vie des cas d’usage GenAI (idéation, cadrage, conception, mise en production, support). Contribution à la définition de l’architecture cible de la plateforme IA agentique. Participation à la mise en place des bonnes pratiques de sécurité, de conformité et de gouvernance autour de la GenAI. Contribution à la diffusion de la culture IA au sein de l’organisation.

Contexte de la mission Dans le cadre de ses initiatives visant à améliorer la performance énergétique et à accélérer la décarbonation de ses activités, le client recherche un Product Engineer IA / ML . La mission s’inscrit au cœur des activités Énergie (bâtiments, sites industriels, réseaux, production) et consiste à accompagner les Business Units dans la conception, le développement et l’industrialisation de solutions d’intelligence artificielle à fort impact opérationnel. Le prestataire interviendra comme acteur clé entre les équipes métier, Data Science et IT , avec un objectif clair de passage à l’échelle et de déploiement multi-BU. 2. Objectifs de la mission Développer et déployer des solutions IA/ML industrielles visant l’optimisation de la performance énergétique et la réduction de l’empreinte carbone Transformer des problématiques opérationnelles complexes en produits IA robustes, maintenables et prêts pour la production Garantir l’intégration des solutions dans la plateforme data du Groupe et leur réplicabilité à l’échelle des Business Units Assurer un impact métier mesurable en lien direct avec les enjeux énergétiques et environnementaux 3. Missions et responsabilités Le Product Engineer IA / ML sera en charge de : Concevoir, développer et déployer des solutions IA/ML scalables, du POC à la production Collaborer étroitement avec les équipes Data Science et IT pour assurer la faisabilité technique, la qualité des données et l’industrialisation Construire et maintenir une bibliothèque de composants IA/ML explicables et réutilisables Intégrer les solutions dans la plateforme data Groupe pour un déploiement multi-BU Orchestrer la livraison end-to-end des cas d’usage, en garantissant robustesse, performance et traçabilité Produire une documentation complète (blueprints, guides d’implémentation, bonnes pratiques) afin de faciliter la réplication des solutions Favoriser la collaboration transverse entre Business Units, équipes Data, IT et fonctions centrales Contribuer au partage de connaissances et à la montée en compétence des équipes internes 4. Compétences requisesCompétences techniques IA générative et agents : Expert Machine Learning & Deep Learning : Expert MLOps et industrialisation des modèles : Confirmé Data Engineering : Avancé Efficacité énergétique et enjeux de décarbonation : Avancé Compétences transverses Capacité à transformer des enjeux métier en produits IA industrialisables Forte culture produit et orientation impact mesurable Capacité à travailler en environnement complexe et multi-acteurs Autonomie, rigueur technique et sens du delivery

Vous interviendrez en tant que développeur.euse IA dans le cadre du déploiement de projets IA stratégiques. Vous travaillerez en étroite collaboration avec le Tech Lead et le chef de projet IA pour apporter expertise technique et vision projet. Votre rôle Développement et implémentation IA · Développer des solutions IA et data en environnements de pré-production et de production · Implémenter des cas d’usage IA variés (NLP, assistants intelligents, RAG, classification, résumé, extraction) · Mettre en œuvre des pipelines IA de bout en bout (ingestion des données, traitement, modèles, évaluation) en intégrant des mécanismes de contrôle et d’amélioration continue · Faire évoluer et optimiser les solutions existantes Architecture IA, arbitrages et sécurisation technique · Contribuer aux choix d’architecture IA et data · Sélectionner, évaluer et intégrer des modèles (open source ou via API) en tenant compte des enjeux de coûts, sécurité, souveraineté et pérennité · Concevoir et industrialiser des architectures RAG (indexation, retrieval, génération, évaluation) · Participer aux arbitrages techniques et à la priorisation des sujets · Structurer, expliquer et documenter les choix techniques Coordination technique et collaboration · Travailler en étroite collaboration avec le tech lead, les développeurs et data scientists · Assurer une coordination technique fluide avec le chef de projets IA · Expliquer les sujets techniques à des profils non techniques · Contribuer à la capitalisation des connaissances via la documentation technique et les outils collaboratifs (Confluence)

CONTEXTE GENERAL : Dans un contexte de transformation numérique et d’essor rapide de l’intelligence artificielle générative et agentique, le Groupe, via sa DSI centrale, souhaite structurer et maîtriser l’introduction de ces technologies au sein de son système d’information. L’objectif est d’explorer les apports de l’Agentic AI pour soutenir les métiers et les fonctions transverses. Missions : Partenariats & écosystème plateformes Cartographier l’écosystème des éditeurs/intégrateurs et identifier les bons interlocuteurs. Préparer, animer et restituer les workshops partenaires (ex. AWS, Microsoft, MuleSoft, Snowflake). Évaluer les offres (frameworks, orchestration, observabilité, sécurité, gouvernance, intégration SI). Discovery & cas d’usage Agentic AI Animer des ateliers multi-domaines pour : • définir des cas d’usage transverses (support, IT ops, knowledge assistant, productivité dev, automation), • définir des cas d’usage spécifiques à l’aéronautique (maintenance, supply chain, engineering, ops, qualité, MRO, doc). Formaliser les cas d’usage : objectifs, périmètre, acteurs, données, risques, critères de succès. Prioriser selon valeur/risque/effort (quick wins vs bets stratégiques). Recommandations plateformes & trajectoire Proposer des patterns d’architecture Agentic AI (RAG, multi/single agent, event-driven, human-in-loop). Recommander plateformes/briques : cloud, iPaaS, API management, vector DB, orchestration, MLOps/LLMOps. Définir la trajectoire de déploiement : MVP → industrialisation, critères de passage en production, exigences non fonctionnelles. Portfolio, roadmap & gouvernance Construire un portfolio projet (lots, jalons, budget, staffing, dépendances SI). Définir la gouvernance : prise de décision, sécurité, conformité, data governance, gestion des risques, modèle opérationnel. Exploration technologique & livrables Piloter des tech spikes/POC orientés faisabilité et design. Produire un livre blanc interne : standards, patterns, comparatif plateformes, guidelines sécurité, recommandations d’industrialisation, retours d’expérience.

Dans un contexte de transformation à grande échelle des pratiques de développement IT , vous interviendrez sur un programme stratégique visant à industrialiser, standardiser et moderniser l’ingénierie logicielle , avec une intégration massive de l’IA générative dans les outils du quotidien (IDE, CI/CD, automatisation). Vous rejoindrez une équipe transverse au cœur des sujets Modern Engineering, DevOps et IA , avec une forte exposition aux enjeux techniques et organisationnels.

Bonjour à tous :) Dans le cadre de projets autour de l’ IA et de l’IA générative , nous recherchons un IA Developer Back-End Senior pour intervenir sur la conception et l’industrialisation de solutions basées sur des LLM . Le consultant interviendra sur des sujets techniques avancés allant de la conception des architectures IA à la mise en production des modèles , dans un environnement orienté cloud et MLOps . Missions principales Analyse et cadrage des cas d’usage IA générative Conception de systèmes IA générative Développement de workflows et agents IA Mise en place d’architectures RAG Évaluation et optimisation des performances des modèles Mise en production et industrialisation des solutions Contribution aux pratiques MLOps / GenAIOps MUST HAVE Compétences techniques Python LLM / IA générative RAG LangChain ou frameworks similaires Docker Cloud (Azure / AWS) NICE TO HAVE Hugging Face ChromaDB / Vector databases TensorFlow / Scikit-learn Azure AI Foundry / AWS Bedrock Expérience sur des architectures d’agents IA Expérience MLOps / GenAIOps

Tech Lead Agentic (F/H) - Rennes (35) - CDI/Freelance - 55-60k€ // 500-520€ TJM CONTEXTE Notre client conçoit des applications Web grand public utilisées par des millions d’utilisateurs. Pour renforcer son entité de développement, il recherche un développeur·se IA sénior spécialisé·e dans la création d’ agents intelligents capables d’améliorer à la fois la productivité interne et les services proposés aux utilisateurs . MISSIONS Vous prendrez en charge les projets d’agents IA de bout en bout : de la conception au déploiement, en passant par la mise en place des outils, l’UX et la performance. Vos missions principales : Concevoir et développer des agents IA intégrés aux produits existants. Automatiser les processus internes et optimiser la productivité des équipes. Participer aux choix technologiques sur LangChain, LangGraph, RAG, MCP, etc. Garantir la qualité de l’expérience utilisateur et la robustesse des interfaces agent-utilisateur. Veiller à la haute disponibilité, la sécurité et la performance des systèmes.

Conception solution : Définir l’architecture logicielle (front Angular, back Java / Spring Boot, services LLM), rédiger les spécifications fonctionnelles & techniques, estimer la charge. - Implémentation & intégration LLM : Développer les composants, orchestrer appels API, mettre en place RAG, embeddings, vector stores, prompt engineering. - Mise en production et run : Automatiser CI/CD, superviser la performance, optimiser les coûts et la latence des appels LLM, assurer le support. Techniques :  Front-end : Angular 14+, RxJS, NgRx  Back-end : Java 17+, Spring Boot, REST/GraphQL, JPA/Hibernate, Maven/Gradle  LLM & IA générative : o Intégration API (OpenAI, Azure OpenAI, Vertex AI, Anthropic, Mistral) o MCP, Retrieval-Augmented Generation (RAG) o Vector DB, embeddings, Semantic search o Prompt engineering, Guardrails, évaluations automatiques de prompts  DevOps : GitLab, Jenkins, OpenShift  Cloud : Azure  Sécurité & conformité : OAuth2 / OIDC, gestion des secrets, RGPD, Data Masking  Autonomie et leadership technique : organiser son backlog, arbitrer les priorités sans supervision rapprochée  Esprit d’initiative : proposer des cas d’usage innovants, challenger l’existant  Rigueur : documentation précise, couverture de tests élevée, respect des SLAs

Dans le cadre d’une nouvelle phase stratégique, l’objectif est de construire une IA verticale dédiée à l’éducation secondaire : structurée, évaluée, industrialisée et maîtrisée en production. Il ne s’agit pas d’intégrer un simple LLM, mais de concevoir une architecture agentique robuste , pensée pour un contexte pédagogique exigeant, avec une forte attention à la qualité, à la fiabilité et aux performances. 🏗️ Missions En tant que Tech Lead IA, vous prenez la responsabilité du pôle IA et de son architecture. Vous serez au cœur de la construction d’une IA agentique spécialisée, reposant sur des workflows LLM structurés (raisonnement, orchestration d’outils, récupération de connaissances, évaluation, contrôle qualité). Architecture & systèmes IA Concevoir des workflows agentiques multi-étapes (planification, génération, vérification, amélioration) Structurer des pipelines RAG et de récupération de connaissances Orchestrer plusieurs modèles et outils externes Concevoir une gestion robuste du contexte et de la mémoire Définir des standards de développement et d’architecture durables Industrialisation & performance Transformer des prototypes en systèmes production-ready Garantir la performance, la stabilité et la maîtrise des coûts Mettre en place des stratégies d’évaluation automatique (tests, métriques, guardrails) Assurer monitoring, observabilité et amélioration continue Leadership technique Encadrer une petite équipe d’ingénieurs IA Participer au recrutement et à la structuration du pôle IA Instaurer une culture d’exigence technique et d’expérimentation rigoureuse Collaborer étroitement avec Produit et Infra 🧠 Environnement technique Le client ne recherche pas une stack précise : l’enjeu principal est la capacité à concevoir des systèmes IA robustes . Python (souvent utilisé, mais pas exclusif) Développement structuré / orienté objet Architectures LLM : RAG, agents, orchestration, évaluation Cloud, Docker, CI/CD, monitoring (selon contexte)

Dans le cadre de la mise en place d’une GenAI Factory au sein d’un grand acteur bancaire, nous recherchons un Lead Tech Python expérimenté. La mission consiste à intervenir comme référent technique auprès d’une équipe de développeurs GenAI afin de renforcer la qualité et la robustesse des développements Python. Le consultant participera activement au développement, challengera les choix techniques, diffusera les bonnes pratiques (architecture, structuration de code, tests, performance) et recommandera les librairies adaptées aux cas d’usage IA générative (LLM, RAG, orchestration, etc.). Une expérience concrète en développement sur des projets Generative AI est indispensable. Une connaissance d’environnements cloud, idéalement AWS, est fortement appréciée.

Data Scientist Machine Learning / Deep Learning Aix ASAP Expérience +2 ans sur l'IA Gen : prompt engineering, context engineering, construction de workflow avec RAG, tool calling, MCP, implémentation de guardrails. Pandas, Jupyter Notebook, Scikit-learn, Numpy, Streamlit - Expérience significative en Machine/Deep Learning (traitement du langage naturel, traduction automatique, etc.), Vision (vision par ordinateur, reconnaissance, etc.), et sur le cycle de vie des modèles IA (de la conception vers l'industrialisation, puis la supervision en production de sa valeur). Une base solide en Python est requise pour l'exploration des données, l'évaluation d'un modèle ou la construction d'une API python. - Connaissance de SQL - Solide connaissance de Pandas, Jupyter Notebook, Scikit-learn, Numpy, Streamlit - Maîtrise des frameworks ML distribués modernes tels que TensorFlow, PyTorch Activité principales attendues : Machine Learning / Deep Learning • Évaluer le problème métier et prouver la valeur via l'analyse exploratoire des données pour démontrer la valeur d'une approche ML/DL. • Création et production de modèles d'apprentissage automatique industrialisables • Traitement de données à grande échelle pour la création de jeux de données d'entraînement • Appliquer les bonnes pratiques de MLOps et d'explicabilité des modèles • Présenter les résultats aux parties prenantes et aider au suivi à long terme de la performance du modèle pour démontrer la valeur de l'IA IA Générative • Évaluer le problème métier et prouver la valeur via l'analyse exploratoire des données pour démontrer la valeur d'une approche IA Gen • Prompt engineering • Bench via des solutions d'évaluation des modèles d'IA Gen • Optimisation des solutions (paramétrage des modèles) Compétences et expériences demandées : - Expérience +2 ans sur l'IA Gen : prompt engineering, context engineering, construction de workflow avec RAG, tool calling, MCP, implémentation de guardrails. - Expérience significative en Machine/Deep Learning (traitement du langage naturel, traduction automatique, etc.), Vision (vision par ordinateur, reconnaissance, etc.), et sur le cycle de vie des modèles IA (de la conception vers l'industrialisation, puis la supervision en production de sa valeur). Une base solide en Python est requise pour l'exploration des données, l'évaluation d'un modèle ou la construction d'une API python. - Connaissance de SQL - Solide connaissance de Pandas, Jupyter Notebook, Scikit-learn, Numpy, Streamlit - Maîtrise des frameworks ML distribués modernes tels que TensorFlow, PyTorch - Pratiquer une veille active sur vos domaines de compétence. - Participez activement à la construction de la stratégie en effectuant la veille technologique, étant force de proposition sur les nouveaux outils / nouvelles méthodes à utiliser et le partageant avec le reste de l’équipe

Nous recherchons un Data Scientist Gen AI pour contribuer au développement de solutions innovantes basées sur l'IA générative. Le candidat idéal doit posséder une expertise en IA générative et en machine learning, ainsi qu'une aptitude avérée à créer des applications conversationnelles efficaces dans un cadre international. Missions principales : Concevoir et développer des solutions conversationnelles basées sur des modèles d’IA générative. Participer à l’architecture technique et au choix des frameworks tels que les LLMs, orchestration, RAG et fine-tuning. Implémenter des systèmes agentiques lorsque pertinent, y compris des multi-agents, l’utilisation d'outils et des chaînes de raisonnement. Mettre en place des pipelines robustes pour la collecte de données, la vectorisation, le monitoring et l’évaluation. Optimiser la performance, la fiabilité et la sécurité des réponses générées par les systèmes. Collaborer activement avec les équipes interfonctionnelles pour atteindre les objectifs de projet. Profil recherché : Anglais opérationnel pour un contexte international. Expérience confirmée en IA générative. Compétences confirmées en machine learning. Expérience sur le développement de solutions conversationnelles.

Nous recherchons un datascientist Machine Learning pour une mission en fullremote depuis la France. Nous recherchons un(e) Data Scientist pour contribuer au déploiement d’un Sales AI Copilot destiné à assister les équipes commerciales. ❇️ Comprendre les enjeux Sales (pipeline, forecast, CRM…) ❇️ Concevoir des solutions data-driven & modèles ML ❇️ Déployer des cas d’usage LLM (RAG, Q&A, génération de texte) ❇️ Industrialiser les modèles (pipelines, MLOps, monitoring) sur Azure ❇️ Interagir avec le business et vulgariser les insights

Compétences techniques / outils à maîtriser : - Expérience confirmée en leadership d'équipe technique (delivery + priorisation). - Capacité à piloter une roadmap et arbitrer par l'impact. - Gestion transverse (multi-équipes, multi-stakeholders). - Bonne culture d'ingénierie logicielle et du SDLC. - Expérience en outillage dev / plateforme (DevEx, CI/CD, automation). - Compréhension des solutions IA appliquées au développement : - Assistants de dev, LLM, agents MCP, RAG … - Limites, risques, sécurité - Sensibilité aux sujets observabilité (metrics, logs, adoption telemetry).