Trouvez votre prochaine mission ou futur job IT.

En bref : CDI - Ingénieur Backend Python – Data & IA (Graph / LLM) H/F - 1jour/semaine Télétravail - Fintech - Nice (centre) - 45/65K€ Je recrute un Ingénieur Backend Python – Data & IA (Graph / LLM) H/F pour une Fintech qui construit un produit un peu spécial... L’objectif : prendre une masse d’informations disparates, la structurer intelligemment et permettre leur exploitation de manière fluide. Simple me diras-tu ? Tu rêves de travailler en plein centre-ville de Nice ? Tu cherches avec délectation les possibilités qu'offre l'IA (LLM, IA agentique, OpenAI, ...) ? Tu souhaites évoluer au sein d'une petite équipe ? Tu as une vision globale sur une application : architecture, performance, algo ? Très à l'aise avec les Bases de Données Graphes, Python n'a plus de secret pour toi ?! ET TOI DANS TOUT CA ? Tu interviens directement sur le cœur du système, au sein d'une entreprise à taille humaine de 15 personnes. Ton quotidien ne sera pas de “brancher des endpoints”, mais plutôt de : - Concevoir des briques backend solides, - Structurer des flux de données parfois complexes, - Organiser et faire évoluer les modèles de données, - Mettre en place des traitements automatisés, - Intégrer des logiques d’enrichissement via l’IA, - Faire évoluer la plateforme pour qu’elle tienne la montée en charge. Tu touches à la fois à la technique pure… et à la logique métier Pas mal non ?! Et en plus, ce poste peut t'ouvrir les portes d'un poste avec davantage de responsabilités ... Le suite à venir !

Activités principales : • Présenter des retours d'expérience sur la gestion de la qualité des données sur les plateformes Azure et les bonnes pratiques de gestion de la qualité sur les plateformes Azure • Réaliser un audit de la gestion de la qualité des données sur les plateformes et prendre connaissance des contrôles de qualité actuellement disponibles et des objectifs à court et moyen terme • Définir le champ des possibles sur la base des composants actuellement disponibles sur la plateforme ou standards sur Azure. • Présenter les apports de l'IA dans le cadre d'une pratique de contrôle de qualité des données • Présenter la stratégie de déploiement de la qualité des données pour les prochains mois • Déployer les contrôles de qualité existants ainsi que ceux identifiés par le CDO • Assurer le passage de connaissance vers les équipes internes

Dans le cadre d’une prestation de Data Engineering , vous interviendrez sur site client à Nantes au sein d’une équipe projet data. Vous participerez activement au développement et à l’industrialisation de traitements data à forte volumétrie. Vos principales missions seront : Développer des pipelines data en Scala sous Spark . Assurer les développements jusqu’à la mise en production. Garantir le support de niveau 3 sur les environnements de production. Superviser et optimiser les traitements batch. Être force de proposition sur les choix techniques et les optimisations. Rédiger et maintenir la documentation technique. Stack technique : Scala, Spark, Airflow, Hive, Jenkins, Nexus, HDFS, GitLab. Conditions : Prestation sur site client à Nantes. 4 jours de télétravail par semaine .

Contexte de la mission Dans le cadre de la modernisation d’un socle Data & IA et de la mise en place d’un modèle de décentralisation gouvernée, le Chef de Programme Data & IA intervient en tant que référent transverse sur la plateforme Data & IA. Il est garant de la cohérence entre les enjeux de modernisation technique, d’adoption métier et de gouvernance de la donnée, dans un environnement Data Platform à forte ambition IA. Missions principales 1. Pilotage du programme Data & IA Définir et piloter la roadmap du socle Data & IA Prioriser les initiatives métiers et techniques Participer aux arbitrages d’investissements et au séquencement des chantiers Assurer la cohérence avec le modèle de décentralisation et la stratégie IA 2. Rôle de Product Owner plateforme Recueillir et prioriser les besoins des utilisateurs (métiers, équipes Data & IA, etc.) Piloter le backlog de la plateforme Structurer les releases et le capacity planning Suivre les KPIs de performance (qualité, adoption, stabilité, time-to-market) 3. Chantiers structurants Migration vers une architecture Data Lakehouse (type Databricks / Unity Catalog) Mise en place de la Data Quality industrialisée Déploiement de la Data Observability end-to-end Modernisation de l’offre de service de la plateforme Data 4. Coordination Data & IA Assurer l’interopérabilité entre Data, ML et IA générative Structurer la collaboration entre équipes DataOps et MLOps Préparer la plateforme aux usages IA avancés (exposition Data Products, APIs, etc.) 5. Animation et structuration Clarifier les rôles et responsabilités (RACI) Améliorer les pratiques agiles et les rituels de pilotage Accompagner la montée en maturité des équipes

Contexte de la mission Au sein d’un grand groupe international du secteur financier, l’équipe en charge de l’adoption utilisateur est composée d’une vingtaine de collaborateurs et intervient sur des sujets de communication, d’accompagnement au changement et d’adoption des outils digitaux au sein de la DSI et des différentes entités du groupe. Dans le cadre du lancement de plusieurs projets stratégiques, l’équipe souhaite s’appuyer sur une prestation externe afin d’assurer la coordination, le suivi et la gestion de projets autour de l’IA, de la data et des outils digitaux. Description de la prestation L’équipe gère de nombreux sujets liés à l’IA, à la data et aux outils digitaux et souhaite renforcer le pilotage global des initiatives afin d’améliorer l’efficacité opérationnelle, la priorisation et la capacité de delivery des équipes.

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

Contexte de la mission Ce profil senior jouera un rôle stratégique et opérationnel en tant que pont entre l’ Intelligence Artificielle (IA) Fet et les Directions métiers , afin d’assurer une coordination efficace avec les Services Support concernés. Détection et Cadrage Accélérer l’identification des besoins métiers et repérer les opportunités de projets IA à forte valeur ajoutée, en vue de les relayer à l’ IA Factory . Acculturation Sensibiliser et former les Chefs de Projet (CP) et Product Owners (PO) des directions opérationnelles aux enjeux et aux capacités de l’IA. Accompagnement Opérationnel Soutenir et sécuriser le développement ainsi que le déploiement des solutions IA au sein des équipes concernées. Levée de Freins Identifier les obstacles à l’appropriation des outils IA par les utilisateurs finaux et proposer des plans d’action correctifs adaptés. Synergies et Collaboration Favoriser le développement de synergies efficaces entre l’ IA Factory et les directions opérationnelles afin de maximiser la performance collective. Production de Documents Rédiger des études d’opportunités, élaborer des schémas fonctionnels, concevoir des solutions technologiques, rédiger des cahiers des charges, et préparer des comptes rendus synthétiques.

Contexte Intégration au sein de l'IA Factory en qualité de Data Ingénieur spécialisé ODM, avec pour objectif de renforcer les capacités de modélisation et d'automatisation des règles métier. Dans le cadre de l'accélération de l'intelligence artificielle au sein de la banque commerciale en France d'une grande banque internationale. Missions Assurer la mise en œuvre de l'accès, du référencement et de la qualité de la donnée. Responsable de la mise en œuvre du pipeline d’ingestion des données brutes (Data Lake ou autre). Assurer l'industrialisation, la supervision et l'intégration des solutions ou des données en garantissant l'engagement de service de l'environnement de production. Rédaction et formalisation des règles métier. Test, recette et validation des règles métier développées. Maintenance et évolution des règles au sein des outils de Rule Designer et Décision Center. Analyse des besoins fonctionnels et modélisation des processus décisionnels. Assistance au PO proxy (aide pour planifier les ateliers, rédaction de certains documents projets…). Animation et structuration des ateliers de travail, rédaction des comptes rendus et livrables associés.

Nous recherchons un Data Analyst pour accompagner un projet stratégique de transformation digitale autour d’une plateforme basée sur un agent IA (LLM). 🎯 Objectif : permettre aux métiers d’interroger les données en langage naturel via des requêtes SQL automatisées. 🚀 Missions Alignement entre besoins métiers & solution data Contribution aux user stories & backlog (Agile) Modélisation et validation des données & couche sémantique Participation aux tests, QA & data quality Coordination avec PO, équipes data et fournisseurs de données

Objectifs et livrables Key Responsibilities Platform Build and Delivery (Core Responsibility) Responsibilities Design and implement the Self-Service Data platform architecture Define platform capabilities (data products, pipelines, governance, observability, self-service access) Define and enforce technical standards and architecture patterns Ensure scalability, performance, and security Make hands-on technical decisions and solution validation Expected Deliverables Architecture decision records (ADR) Reference architecture patterns and reusable templates Platform capability roadmap Platform technical standards Cloud Architecture and Infrastructure Responsibilities Drive the Design and operate cloud and hybrid architecture with the Group Data Architect Coordindate with the Group Data Delivery Team the implementation on Amazon Web Services and Microsoft Azure Lead the Integration of on-premise systems Lead the Implemention of automation and infrastructure as code Ensure security and compliance requirements Expected Deliverables Cloud architecture blueprint (with the help of the Group Data Architect) Security and access management framework Delivery and Execution Management Responsibilities Own platform delivery lifecycle Define backlog and prioritization process Manage releases and production deployment Track performance and reliability Manage risks and technical issues Expected Deliverables Platform roadmap (short / mid / long term) Product backlog and prioritization framework Release plan and version management process Delivery tracking dashboards Platform SLA / reliability metrics Deployment and Domain Adoption Responsibilities Deploy platform across business domains Enable domain teams to build data products Deploy Data Mesh operating model Support onboarding and adoption Resolve operational adoption challenges Expected Deliverables Domain onboarding framework and process Data product lifecycle guidelines Domain enablement playbooks Adoption and usage metrics Training materials and onboarding documentation Product Management (Usage-Driven) & Continuous improvement Responsibilities Capture user needs and platform requirements Define product vision and roadmap Measure usage and value delivery Improve developer and user experience Expected Deliverables Product vision and value proposition Platform KPIs and adoption metrics User feedback loops and improvement backlog Platform enhancement roadmap Documentation, Standardization & Governance Responsibilities Document platform capabilities and processes Ensure compliance with group Federated Computational Data Governance Expected Deliverables Platform documentation repository Technical standards and implementation guidelines Governance and compliance framework Best practice playbooks Operational Communication and Executive Reporting Responsibilities Communicate platform progress and impact Provide executive-level reporting Manage stakeholder alignment Expected Deliverables Executive Project Dashboard Platform performance dashboards Steering committee presentations Decisions, Risks and issues tracking Internal Promotion and Evangelization Responsibilities Promote platform value across the organization Support internal adoption initiatives Build platform community Expected Deliverables Internal platform communication materials Adoption strategy and rollout plan Platform demos and use case portfolio Required Experience Minimum 15 years of experience in data platform, data engineering, or architecture Proven experience building and delivering production-grade data platforms Strong experience in hands-on technical delivery and implementation Experience in platform engineering or advanced data engineering Experience in large-scale enterprise or multi-entity environments Practical experience with Data Mesh mandatory. Technical Skills Architecture & Engineering Distributed data architecture Distributed systems design Infrastructure as code DevOps / DataOps / CI/CD practices Performance and scalability engineering Cloud & Infrastructure Advanced expertise in AWS and Azure Hybrid and on-premise architectures Cloud security and governance Data Platform Data products and data lifecycle management Data pipelines and orchestration Metadata and catalog management Data governance frameworks Data observability Product & Delivery Product mindset applied to technical platforms Roadmap and backlog management Agile delivery methodologies Value-driven development Critical Soft Skills Strong technical and operational leadership Execution and delivery mindset Ability to operate hands-on in complex environments Excellent cross-functional communication Strong ownership and accountability Problem-solving and pragmatic decision-making Ability to influence without direct authority Strategic thinking with operational focus Stakeholder management at executive and operational levels Fluent English (mandatory — written and spoken) Success Metrics Platform successfully delivered and operational in production Adoption across business domain Number and quality of deployed data products Platform reliability and performance User satisfaction and platform usage Reduced time-to-market for data use cases

1. Contexte du service : Cette mission vise à établir un cadre complet pour la gestion des données non structurées afin de soutenir les initiatives axées sur les données et l'IA. Elle a pour objectif de définir des normes, des règles et des cadres garantissant la fiabilité et la réutilisabilité des données, et facilitant ainsi le déploiement de solutions de données et d'IA évolutives grâce à la collaboration avec les parties prenantes concernées. Cette activité comprend le pilotage d'approches innovantes, la consolidation des enseignements tirés et la garantie de l'alignement avec les stratégies de données globales. 2. Périmètre du service: : Développement du socle méthodologique de la gestion des données non structurées, aligné sur les meilleures pratiques du secteur. Définition et documentation des normes, règles et cadres garantissant la qualité, la cohérence et la réutilisabilité des données. Coordination avec les parties prenantes internes pour recueillir leurs retours et assurer l'alignement avec les objectifs stratégiques. Tests pilotes de cadres de données non structurées innovants et intégration des enseignements tirés dans les pratiques opérationnelles. Évaluation des fournisseurs de technologies, analyse comparative des solutions et recommandation d'outils et de plateformes adaptés. Évaluation des techniques de traitement de documents (OCR, NLP, VLM), de la gestion des métadonnées, des ontologies et des solutions de bases de données vectorielles. Accompagnement des initiatives de transformation liées à l'utilisation des données à des fins d'IA et d'analyse. 3. Prestations de service: Un cadre méthodologique complet pour la gestion des données non structurées. Des normes, politiques et règles documentées pour la qualité des données, les métadonnées et l'architecture des données. Des rapports sur les projets pilotes, incluant les enseignements tirés et les meilleures pratiques. Des rapports d'évaluation des fournisseurs et des analyses comparatives. Une documentation technique sur les techniques de traitement de documents et les méthodes de transformation des données. Des recommandations concernant les outils, les plateformes et les plans de mise en œuvre alignés sur les besoins opérationnels.

Description Pour intervenir chez notre client : o Administration & Exploitation N1/N2 des socles composant la plateforme Datalake o Gestion des incidents de niveaux 1 et 2 (PVC, socle technique, outil, source, DAG, Backend, frontend, Cloudera) o Contribution à la GDP, diminuer significativement les incidents o Gestion des demandes de travaux o Déploiement des certificats et patch management pour les montées de version procédurées Livrables Production de documentation Astreintes permanentes et HNO selon planning

Le projet vise à accompagner le Pôle Produit Risques dans la gestion d'évolutions majeures de produits, notamment dans le cadre d'enjeux réglementaires importants pour 2026. Le Business Analyst sera intégré à une des squads pour travailler en étroite collaboration avec le Product Owner et les équipes IT. Les livrables attendus incluent : Animation d'ateliers de cadrage et rédaction des compte-rendus. Formalisation des besoins utilisateurs dans la backlog Produit (rédaction de récits, organisation d'ateliers d'affinage). Réalisation d'analyses des risques métier (ARM) en lien avec les métiers et les IT. Maintien à jour de la documentation produit métier et fonctionnelle. Support aux pôles utilisateurs pour les supports de conduite du changement. Définition, maintien et application des plans de tests produits. Profil Le profil recherché est celui d'un Business Analyste expérimenté avec une bonne communication et un fort esprit d'équipe, capable de travailler sur des projets importants et challengeant en termes de délais. Les compétences et expériences requises sont : Expérience de l'agilité. Expérience de projets DATA (Puits de données, SID, modélisations et conception d'objets métiers). Expérience de projets "réglementaires" sur les domaines Financiers et Risques (Réformes Bâloises, BCBS239, IFRS9,...). Connaissances environnement DATA (ETL, langage SQL, AB Initio). Maîtrise des outils bureautiques (Excel, Powerpoint). Maîtrise de JIRA Software. Les qualités personnelles attendues sont : Rigoureux, Organisé et pragmatique. Autonome, curieux, volontaire, disponible, et forte capacité d'adaptation. Esprit collectif. Bonne communication (Clarté et synthèse). La mission se déroule à Vannes et nécessite une présence sur site a minima 3 jours par semaine (lundi, mardi et jeudi).

Dans le cadre d’un programme de transformation digitale à forte composante IA, une équipe Digital Innovation recherche un(e) ingénieur(e) AI / ML / LLM très orienté(e) prototypage. Le rôle vise à explorer, concevoir et tester des démonstrateurs d’agents IA capables de transformer des signaux complexes (retours clients, données marché, paramètres de procédés) en insights exploitables et leviers d’innovation concrets. Le poste s’inscrit dans un environnement à forts enjeux technologiques et réglementaires, avec un lien étroit aux bioprocédés industriels. L’objectif n’est pas l’industrialisation immédiate, mais la validation rapide de concepts à forte valeur ajoutée, afin d’éclairer des décisions produit et d’investissement. Le/la consultant(e) interviendra sur l’ensemble du cycle d’exploration : identification de cas d’usage, sélection d’outils et d’APIs IA approuvés en environnement entreprise, conception de workflows agentiques explicables, prototypage rapide et évaluation qualitative avec les experts métiers. Le poste requiert une forte autonomie, une capacité à collaborer avec des profils variés (produit, IT, experts procédés) ainsi qu’une aptitude à vulgariser des concepts IA complexes. La valeur business, la pertinence des résultats et le ROI priment sur la sophistication technique pure.

Bonjour, Nous recherchons pour notre client grand compte un Architecte SI / Architecte d'entreprise senior spécialisé delivery Data & IA et exploitabilité Nous étudions - prioritairement - les candidatures qui nous sont adressées à freelance à insyco . fr avec les informations suivantes : Argumentaire écrit répondant de façon ciblée au besoin ci-dessous CV à jour au format Word Date de prochaine disponibilité Tarif journalier Merci d'indiquer la référence KTR/ARC/5304 dans l'objet de votre message Dans le cadre de programmes stratégiques, notre client recherche un Architecte SI / Architecte d'entreprise senior pour accompagner sa direction IT transverse. Les fondations techniques étant déjà en place, l'enjeu n'est plus de concevoir mais de : Structurer des processus opérationnels clairs Accompagner leur mise en oeuvre réelle sur le terrain Garantir des résultats concrets et durables La prestation consiste à définir, structurer et déployer les processus permettant de sécuriser les phases de delivery des sujets Data & IA et la réussite des mises en exploitation (24/7) des projets stratégiques, tout en accompagnant opérationnellement les équipes pour garantir leur adoption et leur efficacité. Vision & architecture Garantir la cohérence globale entre stratégie métier, architectures SI, plateformes et solutions Data et IA, Clouds, et contraintes d'exploitation Traduire les besoins métiers en solutions structurées Piloter les trajectoires SI (cloud, data, API, microservices) Exploitabilité & mise en service des projets stratégiques Garantir des mises en production fiables, maîtrisées et industrialisées. Processus à structurer (référentiel ITIL) Processus d'enrichissement de la CMDB (outil de gestion des actifs IT) Audit et optimisation des processus : Release Management, Change Management, Incident & Problem Management Audit et optimisation des critères de Go Live, des exigences d'exploitabilité dès la conception (Shift Left), des dispositifs de supervision, monitoring et gestion des alertes Structuration des environnements (DEV / PREPROD / PROD) Documentation et organisation du RUN Appui direct aux équipes projets sur les phases de mise en production Sécurisation des Go Live Coordination BUILD / RUN Mise en place des rituels d'exploitation Accompagnement des équipes RUN Approche orientée fiabilité, fluidité et industrialisation Data / IA - Delivery Définition d'un processus end-to-end Data / IA pour réussir le delivery des plateformes et des solutions techniques Suivi des : Backlog Data / IA, gouvernance des usages, critères de priorisation (valeur, ROI, faisabilité), standards (qualité des données, cycle de vie des modèles, monitoring) Mise en place des rituels de pilotage Appui à l'industrialisation des premiers use cases Approche pragmatique, orientée delivery et adoption rapide

Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers. L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance. La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform). Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI. Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI. Data Quality & Feature Store : Great Expectations, Feast. Ta Mission & Ton Impact : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production. Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions. Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation). Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.