Trouvez votre prochaine mission ou futur job IT.

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,

Au sein du Pôle Architecture Logicielle & IA (DSI), le Lead IA / Architecte IA & MLOps du stream IA conçoit, cadre et met en œuvre les architectures IA industrielles (ML classiques et IA générative), en garantissant leur cohérence avec le SI, leur industrialisation via le MLOps, et leur observabilité en production. Il intervient de la faisabilité technique au passage à l'échelle, en lien étroit avec la DSMC (valeur métier) et dans le respect des cadres Groupe (Design Authority IA, sécurité, conformité). Périmètre et rattachement Rattachement : Direction des Systèmes d'Information / Architecture Logicielle & IA Interactions clés : DSMC (cadrage valeur, priorisation des cas d'usage), Architectes SI et Logiciel / équipe infra / Cloud, équipe Data, équipes projets DSI, prestataires IA, RSSI, Conformité / Juridique (interfaces), Groupe (Design Authority IA, ITD DataLab Missions principales Cadrage technique & architecture IA Réaliser les études de faisabilité technique IA (données, intégration, sécurité, MLOps). Définir les architectures cibles IA (ML prédictif, RAG, GenAI), alignées avec : le SI existant, les standards Groupe, le socle technique commun (CI/CD, API, SCOM) Formaliser les choix dans des dossiers d'architecture. Prototypage & validation des cas d'usage Piloter ou réaliser des POC IA rapides (4–6 semaines) en lien avec la DSMC. Tester la viabilité des modèles, des données et des chaînes techniques. Documenter résultats, limites, risques techniques et conditions d'industrialisation MLOps & industrialisation Définir et mettre en œuvre les chaînes MLOps : Accompagner l'intégration des solutions IA dans le SI existant. Contribuer au catalogue de services IA de la DSI Observabilité IA & fiabilité Définir et déployer les principes de ML Observability : Mettre en place les alertes et indicateurs nécessaires au pilotage. Contribuer à la stratégie de run IA avec les équipes concernées Gouvernance des modèles IA Contribuer à la gouvernance IA DSI / DSMC : Participer aux comités IA et Architecture. Garantir la conformité des solutions avec les exigences RGPD / AI Act (en lien avec les instances dédiées) Référent IA & accompagnement des équipes Agir comme référent technique IA pour la DSI. Accompagner Data Engineers, équipes projets et prestataires. Diffuser les bonnes pratiques IA / MLOps (standards, patterns, retours d'expérience). Contribuer à la montée en compétence globale sur l'IA industrielle Responsabilités clés Validation des choix techniques IA (outils, modèles, architectures). Définition des standards MLOps & observabilité IA. Contribution aux livrables structurants : Reporting sur l'avancement et la maturité IA du SI Compétences techniques (hard skills) Indispensables Python, Git, CI/CD (GitLabCI) Cloud (priorité Azure) Concepts ML & IA générative (RAG, LLM, embeddings) MLOps (versioning, pipelines, monitoring) Intégration SI / APIs Agent IA Appréciées (non bloquantes) Snowflake Airflow Sécurité IA (prompts, cloisonnement, traçabilité) Compétences comportementales (soft skills) Leadership technique, pédagogie et capacité à influencer. Culture produit et sens de la valeur métier. Rigueur, documentation et standards d'ingénierie. Orientation sécurité et conformité. Communication claire avec équipes techniques et métiers. Profil & qualifications Bac+5 (école d'ingénieur, master en informatique/data/IA) ou équivalent. Expérience : 5–8+ ans en data/ML/Cloud, dont 2–3+ ans en MLOps/architecture. Expérience concrète en industrialisation de solutions IA Bonne compréhension des enjeux DSI et Groupe Certifications (appréciées) : Cloud Architect (AWS/Azure/GCP), AzureML Langues : Français, anglais technique. Localisation : obligatoirement sur Toulouse

La mission consiste à intervenir en tant que SDD Coach dans le cadre d'un programme AI for IT pour un acteur du secteur bancaire. Le consultant aura pour rôle de garantir la cohérence globale de la démarche Spec-Driven Development et d'accompagner les équipes IT dans l'adoption du développement augmenté par l'IA. Il interviendra notamment sur l'usage de GitHub Copilot, des chatbots LLM, des prompts, skills, agents, workflows agentiques et serveurs MCP. La mission vise à structurer l'usage de l'IA sur l'ensemble du cycle de vie logiciel, en priorité sur les phases de design, développement et tests, avec une approche dans laquelle la spécification devient la source de vérité entre les équipes et les outils IA. Le consultant devra coacher les équipes pilotes, promouvoir les bonnes pratiques SDD, contribuer aux AI Delivery Playbooks, formaliser des recettes, templates et supports de formation, tout en renforçant les pratiques de software craftsmanship.

Contexte : Dans le cadre de l'accélération de sa transformation numérique, un acteur majeur du secteur bancaire recherche un Responsable de Programme / Tech Lead IA pour accompagner le développement et l'adoption des usages de l'intelligence artificielle au sein de ses équipes IT. Le consultant évoluera au sein d'un environnement international et interviendra sur des sujets stratégiques liés à la gouvernance IA, au déploiement de solutions d'IA générative, aux LLM, à l'IA agentique et à la sécurité des usages IA. Missions : Piloter les différents chantiers liés à la stratégie IA for Tech et assurer leur suivi opérationnel. Préparer et animer les instances de gouvernance : comités de pilotage, réunions de suivi, ateliers et sessions de planification. Coordonner les contributions des équipes IT, métiers, sécurité, conformité et architecture. Identifier les arbitrages nécessaires, les risques et les alertes, puis les présenter aux parties prenantes concernées. Suivre les projets liés au déploiement des outils IA, aux LLM, aux modèles de consommation et aux architectures IA. Contribuer à la définition et à la mise en œuvre de la stratégie IA agentique. Participer aux travaux autour du déploiement de solutions LLM en environnement maîtrisé / on-premise. Mettre en place et suivre des indicateurs permettant de mesurer l'adoption et la consommation des solutions IA. Produire les synthèses, reportings et supports destinés au management. Alimenter la feuille de route IA et assurer une veille sur les évolutions technologiques, réglementaires et sécuritaires. Participer aux instances de planification et de gouvernance à l'échelle du Groupe. Assurer l'interface entre les différentes entités et équipes impliquées dans les programmes IA.

Dans le cadre de la Direction Informatique de notre client, l'équipe Communication & Expérience Utilisateurs joue un rôle central : rendre l'IT plus accessible, plus utile et plus autonome pour tous les collaborateurs. Dans ce cadre, nous recherchons pour notre client un(e) Knowledge Management pour structurer, valoriser et faire évoluer nos bases de connaissances, au cœur de leurs dispositifs de selfcare et notamment de leur chatbot. Le/La consultant(e) devra fournir les prestations suivantes : Principales missions : 1. Définir et piloter la stratégie Knowledge Management • Construire et faire évoluer la gouvernance de la connaissance. • Définir les standards de rédaction (UX et IA), de validation et de maintenance des contenus. • Structurer les rôles, processus et circuits de validation. • Développer une culture du partage et de la contribution. 2. Faire vivre les bases de connaissances • Organiser, structurer et enrichir les référentiels de connaissances, FAQ, aides en ligne et espaces collaboratifs. • Garantir la qualité, la cohérence, l'accessibilité et l'actualisation des contenus. • Identifier les doublons, obsolescences et lacunes documentaires. • Assurer la disponibilité de la bonne information, au bon moment, pour les bons utilisateurs. Animer l'écosystème de la connaissance • Créer et animer un réseau de contributeurs et d'experts métiers. • Piloter des communautés de pratique et groupes de travail. • Accompagner les équipes dans la capitalisation de leurs savoirs et retours d'expérience. • Développer l'adoption des outils et des bonnes pratiques KM. Accompagner les usages de l'IA • Préparer et fiabiliser les corpus utilisés par les assistants IA. • Identifier les opportunités d'automatisation, de recherche augmentée et de génération de contenus. • Analyser les questions utilisateurs, les recherches infructueuses et les besoins émergents afin d'enrichir continuellement les connaissances. • Veiller à la qualité et à la fiabilité des réponses produites par les dispositifs d'IA. Mesurer et améliorer en continu • Mettre en place les indicateurs de pilotage : usage, contribution, réutilisation, satisfaction et qualité des contenus. • Exploiter les retours utilisateurs pour améliorer les dispositifs existants. • Identifier les leviers de simplification, d'efficacité et de montée en compétences. • Valoriser les résultats et démontrer l'impact du Knowledge Management sur la performance collective.

Contexte Dans le cadre du chantier IA4IT, mission au sein d'une équipe pluridisciplinaire dédiée à l'IA, pour un grand compte du secteur assurance (client anonymisé). L'objectif est de concevoir, déployer et sécuriser les fondations techniques nécessaires à l'exploitation de solutions d'IA générative et agentique à grande échelle. Le consultant contribuera à la construction et à l'industrialisation du socle technique de la plateforme IA. Les enjeux principaux portent sur la robustesse, la scalabilité, la traçabilité, la maîtrise des coûts et la réversibilité de la plateforme, dans un contexte d'exploitation industrielle durable. Rôle et responsabilités principales Conception et mise en œuvre de l'architecture technique des solutions IA. Déploiement et configuration des environnements cloud, des services d'infrastructure et des composants nécessaires à l'exploitation des cas d'usage IA. Mise en place des dispositifs de sécurité, de gestion des identités (IAM), de gestion des secrets et de conformité associés aux cas d'usage IA. Construction et industrialisation des chaînes de déploiement CI/CD ainsi que des pratiques Infrastructure as Code (IaC). Intégration des briques IA : modèles, gateways LLM, orchestrateurs agentiques, APIs, connecteurs et bases documentaires. Mise en œuvre des outils d'observabilité, de supervision, de monitoring, de logging et de suivi des performances. Garantie de la robustesse, de la scalabilité, de la traçabilité, de la maîtrise des coûts et de la réversibilité de la plateforme. Contribution aux choix d'architecture et aux recommandations permettant une exploitation industrielle durable. Livrables attendus Architecture technique détaillée de la plateforme. Schémas d'intégration et d'urbanisation. Socle technique déployé et opérationnel. Pipelines CI/CD industrialisés. Documentation d'exploitation et procédures opérationnelles. Recommandations d'industrialisation, de sécurisation et de montée en charge. Dossiers de supervision, d'observabilité et de maîtrise des coûts.

Nous recherchons un Ingénieur IA pour intervenir sur l'intégration, l'optimisation et le déploiement opérationnel des systèmes IA au sein du système d'information. Vos principales missions seront les suivantes : Concevoir et optimiser des prompts avancés pour les usages d'IA générative. Mettre en œuvre des architectures RAG et des mécanismes de contextualisation des modèles (Context Engineering). Concevoir et déployer des chaînes d'ingestion documentaire, de vectorisation et de recherche sémantique. Intégrer les modèles IA au sein des applications métiers via API, SDK ou frameworks spécialisés. Développer et maintenir des pipelines IA dans des environnements Kubernetes on-premise. Mettre en œuvre les pratiques MLOps et LLMOps pour industrialiser les solutions IA. Déployer, superviser et optimiser les moteurs d'inférence. Concevoir les dispositifs de monitoring, d'observabilité et de supervision des plateformes IA. Mettre en place des mécanismes d'évaluation automatisée des modèles (factualité, robustesse, détection des hallucinations). Optimiser les performances des traitements IA (CPU, GPU, quantization, caching). Assurer la conformité des solutions vis-à-vis des exigences de sécurité, du RGPD et de l'AI Act. Participer au traitement des incidents, à l'amélioration continue et au maintien en conditions opérationnelles des plateformes IA.

Nous recherchons un Ingénieur IA pour intervenir sur l'intégration, l'optimisation et le déploiement opérationnel des systèmes IA au sein du système d'information. Vos principales missions seront les suivantes : Concevoir et optimiser des prompts avancés pour les usages d'IA générative. Mettre en œuvre des architectures RAG et des mécanismes de contextualisation des modèles (Context Engineering). Concevoir et déployer des chaînes d'ingestion documentaire, de vectorisation et de recherche sémantique. Intégrer les modèles IA au sein des applications métiers via API, SDK ou frameworks spécialisés. Développer et maintenir des pipelines IA dans des environnements Kubernetes on-premise. Mettre en œuvre les pratiques MLOps et LLMOps pour industrialiser les solutions IA. Déployer, superviser et optimiser les moteurs d'inférence. Concevoir les dispositifs de monitoring, d'observabilité et de supervision des plateformes IA. Mettre en place des mécanismes d'évaluation automatisée des modèles (factualité, robustesse, détection des hallucinations). Optimiser les performances des traitements IA (CPU, GPU, quantization, caching). Assurer la conformité des solutions vis-à-vis des exigences de sécurité, du RGPD et de l'AI Act. Participer au traitement des incidents, à l'amélioration continue et au maintien en conditions opérationnelles des plateformes IA.

Nous recherchons un Ingénieur IA pour intervenir sur l'intégration, l'optimisation et le déploiement opérationnel des systèmes IA au sein du système d'information. Vos principales missions seront les suivantes : Concevoir et optimiser des prompts avancés pour les usages d'IA générative. Mettre en œuvre des architectures RAG et des mécanismes de contextualisation des modèles (Context Engineering). Concevoir et déployer des chaînes d'ingestion documentaire, de vectorisation et de recherche sémantique. Intégrer les modèles IA au sein des applications métiers via API, SDK ou frameworks spécialisés. Développer et maintenir des pipelines IA dans des environnements Kubernetes on-premise. Mettre en œuvre les pratiques MLOps et LLMOps pour industrialiser les solutions IA. Déployer, superviser et optimiser les moteurs d'inférence. Concevoir les dispositifs de monitoring, d'observabilité et de supervision des plateformes IA. Mettre en place des mécanismes d'évaluation automatisée des modèles (factualité, robustesse, détection des hallucinations). Optimiser les performances des traitements IA (CPU, GPU, quantization, caching). Assurer la conformité des solutions vis-à-vis des exigences de sécurité, du RGPD et de l'AI Act. Participer au traitement des incidents, à l'amélioration continue et au maintien en conditions opérationnelles des plateformes IA.

Dans le cadre de sa mise en conformité au Règlement européen sur l'Intelligence Artificielle (AI Act), le Groupe poursuit les travaux engagés autour de la cartographie des usages IA, de la définition de la gouvernance cible, de la contractualisation, de la sensibilisation et de la mise en conformité des systèmes d'IA à haut risque. Plusieurs chantiers sont déjà engagés et nécessitent désormais une coordination transverse renforcée ainsi qu'une structuration durable de l'organisation cible Le programme mobilise de nombreux acteurs : Conformité/Juridique/DPO/Informatique/IA/Achats/Contrôle Interne… Le Groupe recherche une personne capable d'accompagner la structuration, le pilotage et la gouvernance de ce portefeuille de projet. Dans un contexte de projets pluriannuels déjà engagé, votre rôle consiste à concevoir, proposer, formaliser et piloter l'organisation cible permettant au Groupe • d'assurer sa conformité aux obligations de l'AI Act ; • d'assurer la pérennité de la gouvernance IA ; • de coordonner les différents chantiers de transformation associés ; • de préparer les décisions stratégiques des instances de gouvernance ; • de garantir la cohérence globale entre enjeux réglementaires, métiers, data, éthique, juridiques et technologiques. Interventions sur des sujets à forte visibilité et jouez un rôle clé dans la sécurisation des dispositifs réglementaires du Groupe.

Nous recherchons un Ingénieur IA pour intervenir sur l'intégration, l'optimisation et le déploiement opérationnel des systèmes IA au sein du système d'information. Vos principales missions seront les suivantes : Concevoir et optimiser des prompts avancés pour les usages d'IA générative. Mettre en œuvre des architectures RAG et des mécanismes de contextualisation des modèles (Context Engineering). Concevoir et déployer des chaînes d'ingestion documentaire, de vectorisation et de recherche sémantique. Intégrer les modèles IA au sein des applications métiers via API, SDK ou frameworks spécialisés. Développer et maintenir des pipelines IA dans des environnements Kubernetes on-premise. Mettre en œuvre les pratiques MLOps et LLMOps pour industrialiser les solutions IA. Déployer, superviser et optimiser les moteurs d'inférence. Concevoir les dispositifs de monitoring, d'observabilité et de supervision des plateformes IA. Mettre en place des mécanismes d'évaluation automatisée des modèles (factualité, robustesse, détection des hallucinations). Optimiser les performances des traitements IA (CPU, GPU, quantization, caching). Assurer la conformité des solutions vis-à-vis des exigences de sécurité, du RGPD et de l'AI Act. Participer au traitement des incidents, à l'amélioration continue et au maintien en conditions opérationnelles des plateformes IA.

Nous recherchons pour notre client un(e) Expert Kubernetes /IA (H/F). Rôle principal : Garantir la disponibilité, performance et stabilité du cluster IA (GPU/CPU/réseau/stockage), automatiser son exploitation et assurer le support. Vos missions : Maintien en condition opérationnelle (MCO) du cluster IA, incluant la gestion des nœuds GPU/CPU, du stockage et du réseau. Administration des systèmes Linux : installation, configuration et optimisation. Exploitation et gestion des environnements Kubernetes : déploiement, montée en charge (scaling) et haute disponibilité (HA). Supervision et monitoring des infrastructures à l'aide d'outils tels que Prometheus et Grafana. Gestion des incidents techniques, analyse post-mortem et mise en place de plans d'action correctifs. Automatisation des tâches opérationnelles via Ansible et scripts Bash/Python. Gestion des jobs : ordonnancement des tâches GPU, gestion des quotas et priorités. Pilotage des mises à jour des systèmes d'exploitation, des pilotes NVIDIA et des composants Kubernetes. Gestion des incidents liés à l'infrastructure et coordination des interventions. Rédaction et mise à jour de la documentation d'exploitation pour assurer la traçabilité et la continuité des opérations. Profil recherché Vous êtes certifié Kubernetes, justifiez d'une expérience professionnelle minimum de 8 ans dans un poste similaire, et maîtrisez les environnements suivants : Infrastructure : Linux Ubuntu, Kubernetes, Docker, GPU NVIDIA (drivers, CUDA, MIG), Ansible, gestion des environnements distribués. Observabilité : Prometheus, Grafana Stockage : systèmes de fichiers distribués, stockage haute performance et stockage objet Réseau : comprendre l'architecture réseau d'un cluster (VLAN, Load balancing...) Méthodes : ITIL/ITSM, gestion des incidents et des changements, documentation d'exploitation.

Nous recherchons un(e) Data Scientist / Expert IA disposant d'un doctorat (PhD) en Machine Learning / NLP ou domaine proche, pour rejoindre nos équipes à Paris au sein de projets à forte valeur ajoutée en intelligence artificielle appliquée. Profil PHD EXPERIMENTE ayant plusieurs expériences profesionnelles concrètes CDI de préférence (ouvert aux freelance pour certaines missions) : Rémunération fixe définie selon votre expérience et votre profil, complétée par une prime de performance. . Package d'avantages incluant mutuelle, prévoyance et chèques-repas. Projets sur Paris, luxembourg ou Belgique Votre rôle Concevoir, développer et industrialiser des solutions d'IA (NLP, LLM, IA générative) au service de cas d'usage métiers concrets. Participer à la définition des architectures data/IA et aux choix technologiques associés (cloud, outils, librairies). Contribuer à la mise en production des modèles (qualité, performance, robustesse) en lien étroit avec les équipes produit et métier. Intervenir sur tout le cycle de vie des projets : cadrage, POC, expérimentation, déploiement, suivi et amélioration continue. Ce que nous offrons Des projets IA de pointe, avec un fort niveau d'autonomie et de responsabilité. Un environnement stimulant, à l'interface entre R&D, innovation et enjeux business. Un cadre parisien dynamique, au sein d'équipes passionnées par l'intelligence artificielle et son impact concret. 🗼 Comment se passe la suite Trois étapes : un premier entretien avec l'équipe recrutement, une évaluation technique sur des cas proches de ceux que vous rencontrerez et/ou en fonction du besoin clients , et un entretien vidéo asynchrone conduit par un assistant IA. Les résultats de cette dernière étape sont revus par nos équipes avant toute décision.

Contexte : Dans le cadre de la transformation des outils de Data Visualisation et d'Analytics vers des solutions d'IA Générative, le client recherche un Ingénieur IA Générative & IA Agentique. La mission consiste à concevoir, développer et industrialiser des agents intelligents basés sur des LLM, afin d'automatiser des processus métiers, d'orchestrer les interactions entre applications et de faciliter l'accès aux données de l'entreprise dans un environnement bancaire. Missions principales : · Concevoir et développer des solutions d'IA générative et d'IA agentique. · Développer des agents intelligents basés sur des LLM. · Concevoir et mettre en œuvre des architectures RAG (Retrieval-Augmented Generation). · Déployer et intégrer des serveurs MCP (Model Context Protocol). · Connecter les agents IA aux outils métiers et aux actifs Data de l'entreprise. · Développer des intégrations via API REST, OpenAPI et Webhooks. · Industrialiser les solutions IA en environnement AWS. · Mettre en œuvre les mécanismes de Function Calling et Tool Calling. · Exploiter les bases vectorielles pour la recherche sémantique. · Participer au suivi des performances, de l'observabilité et des coûts des LLM. · Collaborer avec les équipes Data, Analytics et métiers. · Participer aux bonnes pratiques de développement et au versioning.

Almatek recherche pour l'un de ses client Un Développeur "AI-AUGMENTED" – PMM DEV FACTORY sur Annecy. Développement et évolution d'applications inhouse dans un environnement retail/e-commerce, avec une forte utilisation de l'IA générative comme méthode de développement. Participation au lancement du nouveau Size Management Tool (SMT). Indispensable : 3 à 5 ans d'expérience en développement applicatif TypeScript / Node.js APIs REST et architectures Event Driven Next.js (React) et Angular AWS Serverless (Lambda, API Gateway, Step Functions...) GitLab CI Expérience Agile Scrum Utilisation quotidienne d'outils d'IA (GitHub Copilot, Cursor, Claude, ChatGPT, V0, etc.) Capacité à utiliser l'IA pour générer, tester, documenter et refactorer du code Anglais courant Apprécié : Salsify ou Aprimo AWS Serverless avancé Expérience D2C, B2B ou Marketplace Contexte international Gestion de référentiels produits ou tailles Localisation : Annecy (2 jours de télétravail par semaine).

L'AI design engineer occupe une position charnière entre le design et le développement, appliquée ici spécifiquement au design system. À la différence d'un profil front-end classique, il porte un regard de designer sur ce qu'il automatise : son rôle n'est pas de concevoir ou de développer les composants lui-même — cela reste le travail des designers et développeurs de l'équipe — mais de construire les outils et les fondations qui leur permettent, à eux comme à l'IA, d'aller plus vite sans perdre en qualité ni en cohérence d'usage. Sa spécificité : il connaît finement les capacités et les limites des outils d'IA générative, et structure le design system pour qu'il devienne "IA-ready" — c'est-à-dire pour que l'IA puisse produire, de manière fiable et nativement conforme, des spécifications, des tokens et des composants codés, sans contrôle humain systématique. Il ne se contente pas d'utiliser l'IA pour aller plus vite : il conçoit les fondations (identité visuelle, règles de conception, accessibilité, conventions d'écriture) qui permettent à l'IA de produire juste du premier coup. Missions principales Structuration du design system pour l'IA • Transmettre à l'IA l'ADN du design system (identité visuelle, règles de conception, accessibilité, conventions d'écriture) sous une forme exploitable par les outils génératifs. • Évaluer les capacités et les limites des outils d'IA (design-to-code, génération de tokens et de composants) et remonter ces constats pour éclairer les arbitrages. • Mettre en œuvre les spécifications, tokens et conventions garantissant une production IA nativement conforme au design system, sans contrôle humain systématique. • Implémenter les évolutions des fondations du design system décidées avec le lead, au fur et à mesure de la montée en maturité des outils IA. Rédaction et documentation automatisées • Standardiser le format des briefs de composants (spécifications fonctionnelles, tokens, critères d'accessibilité) pour le rendre exploitable aussi bien par les développeurs que par l'IA. • Utiliser l'IA pour accélérer la rédaction des briefs, tout en garantissant leur clarté et leur exploitabilité sans besoin de clarification en aval. • Fiabiliser la qualité des briefs générés ou assistés par l'IA en les confrontant systématiquement à l'usage réel des composants. • Maintenir une documentation du design system tenue à jour de façon continue, générée ou assistée par l'IA, alignée avec l'état réel des composants livrés. Test et validation • Tester les composants et livrables produits par l'IA du point de vue technique (fonctionnel, non-régression, performance) et du point de vue de l'usage (ergonomie, accessibilité, cohérence visuelle). • Identifier les écarts entre l'intention design du système et le comportement réel des productions IA une fois intégrées dans les produits. • Recueillir les retours des designers, développeurs et équipes produit sur la fiabilité des outils et automatisations mis en place, et arbitrer les évolutions à y apporter. • Assurer une veille sur les usages détournés ou non prévus des composants générés, source d'incohérences à corriger.