Trouvez votre prochaine mission ou futur job IT.

Le consultant interviendra au sein d'une équipe IT. La mission portera sur le suivi de POC Machine Learning et la proposition de solution d'intégration / industrialisation des modèles algorithmiques développés par les équipes Risques : • Accompagnement des équipes • Préconisations de bonnes pratiques de développement Python orienté ML • Structuration de projet de type ML/DL • Intégration de containers Docker • Relais technique envers les interlocuteurs (francophone / anglophone) • Participation aux projets suivant les sollicitations • Gestion de l'environnement de DEV (Serveurs, BDD, etc.) • Préconisations CI/CD • Préconisations Cloud (AWS, Azure) - langage Python - pratiques Machine Learning / Deep Learning. - web service - Cloud - Docker Rôle clé au sein des entités IT. Expertise technique, rigueur et sens de l'engagement et du service sont des atouts indispensables pour ce poste.

Le poste d'Ingénieur ML est crucial pour le développement d'applications d'intelligence artificielle, en se concentrant sur le cycle complet de développement des modèles de ML, incluant la création de pipelines de données, l'entraînement, l'évaluation et le déploiement des modèles. Responsabilités :Améliorer les modèles d'encodeurs : augmenter la capacité du modèle et la résolution d'entrée. Construire un support de classification multi-classe pour un ensemble d'attributs de fonctionnalités de carte — de bout en bout : pipeline de données, entraînement de modèle et évaluation. Porter un pipeline d'inférence à grande échelle vers C, construire une interface en ligne de commande et un frontend pour la gestion des tâches, et créer une interface de plugin pour visualiser les résultats. Porter l'inférence CoreML vers MLX, permettant l'exécution de modèles sur plusieurs systèmes d'exploitation. Former un modèle de confiance et de classement basé sur les sorties de modèles autoregressifs existants. Mettre en œuvre un entraînement par curriculum : classer les tâches par difficulté et automatiser la planification progressive des données d'entraînement. Must Have :Compétences avancées en Python et en ingénierie de ML à travers l'ensemble du cycle de développement des modèles. Expérience avec des architectures d'encodeurs, des modèles autoregressifs, ou des approches de pré-entraînement auto-supervisées (ex : Autoencodeurs Masqués). Familiarité avec CoreML, MLX, ou des frameworks d'inférence comparables. Expérience en C ou C++ pour des travaux de portage d'inférence est un plus. Nice to Have :Expérience avec des stratégies d'apprentissage par curriculum ou de planification de données d'entraînement. Autres Détails :Présentiel 5 jours sur site à La Défense , bilingue Anglais excellent niveau obligatoire

Présentation du contexteL'Analytics Factory conçoit et développe des services analytiques avancés pour fournir aux équipes métier des données et des analyses fiables. L'objectif est de soutenir la transformation analytique et d'appuyer la prise de décision stratégique dans tous les domaines de l'entreprise. Dans le cadre de la digitalisation du processus promotionnel PGC via un portail amont collaboratif intégrant directement les fournisseurs, nous recherchons un(e) Data Scientist Python Senior pour concevoir et déployer des solutions d'Intelligence Artificielle de pointe. 🚀 Missions et Périmètre Fonctionnel (IA)Le projet s'articule autour du déploiement de 3 agents intelligents (IA Agentique) : Agent Négo : Automatisation des demandes, simulations d'impact (CA / marge) et formulation de contre-propositions. Agent Pilotage : Ajustement dynamique des catalogues sous contraintes et système d'alertes en temps réel. Agent Admin : Génération automatisée des Appels d'Offres (AO) et des mandats. Intégration & Écosystème : Connexion et intégration obligatoires des modèles au sein de l'écosystème Data interne. 🗺️ Roadmap du projetS1 2027 : Déploiement du socle collaboratif de base. S2 2027 : Déploiement complet et mise en production des agents IA. Conditions de la missionDate de démarrage : ASAP Date de fin prévisionnelle : 02/07/2029 (Mission longue visibilité) Localisation : Massy (Essonne) Rythme de travail : Hybride (2 jours par semaine sur site obligatoires) Tarif Journalier Maximum (Prix d'achat max) : 510 € / jour

"Nous recherchons un consultant Data Scientist orienté ML Engineering, alliant une solide expertise en science des données et de fortes compétences en ingénierie logicielle et infrastructure. Le consultant interviendra sur des sujets variés au sein de la direction DATA, couvrant aussi bien le développement de modèles de machine learning que leur industrialisation et leur mise en production à grande échelle. Le profil recherché est capable de naviguer entre la conception de modèles IA/ML, la construction de pipelines de données robustes, et le déploiement de solutions scalables dans un environnement cloud moderne."

Au sein de l'équipe Risk & PnL, vous participerez à la mise en place d'une plateforme stratégique destinée au Front Office et aux équipes de recherche quantitative. L'objectif est de développer et faire évoluer une plateforme cloud permettant de monitorer les chaînes de calcul de risques sur les portefeuilles de trading et de fournir aux utilisateurs métier un environnement de développement performant et industrialisé. Vous travaillerez en étroite collaboration avec les équipes IT, les équipes de recherche (Quant Research) et les traders. MissionsParticiper au développement et à l'évolution d'une plateforme interne basée sur JupyterHub. Concevoir et implémenter de nouvelles fonctionnalités répondant aux besoins du Front Office. Recueillir et challenger les besoins des utilisateurs métiers. Contribuer à l'amélioration continue de la plateforme et de son architecture. Assurer le support technique et l'accompagnement des utilisateurs. Participer aux travaux de prototypage et de développement rapide (RAD). Collaborer avec les équipes de développement, de recherche quantitative et les traders. Environnement techniqueDéveloppementPython Golang React JavaScript / TypeScript Cloud & PlateformeJupyterHub Kubernetes Docker Architecture Cloud Native Profil recherchéExpérience significative en développement Python. Bonne maîtrise du développement Full Stack. Connaissance de Golang ou volonté de monter rapidement en compétence. Expérience des environnements conteneurisés (Docker). Bonne compréhension de Kubernetes et des architectures cloud. Sensibilité produit et capacité à interagir avec des utilisateurs métier exigeants. Forte autonomie et capacité à évoluer dans un environnement dynamique. AtoutsExpérience en Front Office, Trading ou Risk Management. Connaissance des environnements Quantitative Research. Expérience sur JupyterHub ou plateformes de calcul distribuées. Sensibilité DevOps et automatisation.

Dans le cadre de la maintenance, de l'évolution ou du support des environnements applicatifs de l'entreprise, notre client recherche un prestataire ayant une expertise sur WebSphere Application Server (WAS ND). La prestation vise à assurer l'exploitation, l'optimisation et la résolution d'incidents sur les plateformes WebSphere (version ND). Le candidat remplacera un autre prestataire dont la fin de mission est prévue pour fin septembre. Le client aimerait que le candidat retenu puisse démarrer sa mission aux alentours du 21 septembre pour travailler en binôme sur une semaine avec le prestataire sortant pour la passation des sujets.

Dans le cadre de l'accélération du déploiement de l'IA générative, le pôle souhaite renforcer ses capacités de delivery sur la technologie Microsoft Copilot Studio. Principales responsabilités Conception technique et mise en œuvre Participer, en binôme avec le PO/BA, à la qualification technique des cas d'usage en sortie de cadrage métier, et challenger la faisabilité sous Copilot Studio. Concevoir l'architecture des agents Copilot Studio Développer et mettre en œuvre les agents Copilot Studio en s'appuyant sur les capacités natives ainsi que sur les extensions custom (Power Automate, plugins, MCP, connecteurs custom). Affiner les prompts et fiabiliser les réponses Se tenir au courant des nouveautés mises à disposition par Microsoft sur Copilot Studio, la Power Platform et l'écosystème AI Foundry, et identifier les apports potentiels dans le contexte du projet Contribution à l'exploitation des solutions Mettre en place le monitoring des agents en production (qualité des réponses, taux d'adoption, performance, coûts). Contribuer à l'amélioration continue des agents en lien avec le PO/BA : analyse des retours utilisateurs, optimisation des topics et des flows, enrichissement des sources de connaissance. Prendre en charge les anomalies et évolutions mineures pendant les phases de recette et de production. Proposer des optimisations de coûts liées à l'usage des solutions (consommation Copilot Studio, appels LLM, requêtes Dataverse). Collaboration au sein de l'équipe Travailler en binôme étroit avec le PO/BA : participation aux ateliers métier lorsque pertinent, contribution à la rédaction des user stories, alignement continu sur le backlog. Contribuer à la documentation technique, au partage de bonnes pratiques et à la montée en compétences des équipes internes sur Copilot Studio et la Power Platform. Rapporter au Product Owner sur l'avancement de ses tâches. Alerter l'équipe sur les éventuelles difficultés rencontrées ou risques de retard.

Le poste vise à recruter un Data Scientist expérimenté capable de concevoir et industrialiser des solutions d'IA générative à forte valeur ajoutée métier. L'enjeu principal est de développer des workflows LLM complexes et de les déployer en production dans un cadre industriel structuré. Le candidat devra faire le pont entre les équipes métier et IT, en traduisant les besoins fonctionnels en solutions techniques performantes. Une expertise solide en IA générative, en développement d'API, en évaluation de modèles et en bonnes pratiques de software engineering est attendue, ainsi qu'une capacité à travailler en mode Agile au sein d'une squad dédiée. Développement Python orienté production (architecture, packaging, bonnes pratiques) Développement d'API (REST/GraphQL, frameworks comme FastAPI/Flask) Développement d'API (REST/GraphQL, FastAPI/Flask) Développement Python orienté production (architecture, packaging, tests) Travail en équipe / collaboration en squad Agile Modélisation ML classique (supervisé, non supervisé) Préparation et gestion de données (feature engineering, qualité des données) Tests & qualité de code (unitaires, intégration, linting, typage) CI/CD pour services d'IA (GitHub Actions, GitLab CI, bonnes pratiques MLOps) Conteneurisation & déploiement (Docker, orchestration type Kubernetes) Utilisation de services cloud IA (Azure OpenAI, AWS Bedrock, GCP AI Platform) Préparation & gestion de données (feature engineering, qualité, ETL) Tests & qualité de code (unitaires, intégration, linters, type hints) CI/CD pour services d'IA (GitLab CI, GitHub Actions avec pratiques MLOps) Conteneurisation & déploiement (Docker, Kubernetes ou équivalents) Utilisation de services cloud IA (Azure OpenAI, AWS/GCP managed IA services, Bedrock) Tests & qualité de code (unitaires, intégration, linting, typing) CI/CD pour services d'IA (GitLab CI, GitHub Actions, pipelines MLOps) Utilisation de services cloud IA (Azure OpenAI, AWS Bedrock, GCP AI) Conception de workflows LLM complexes (orchestration, agents, tools) RAG / retrieval augmenté & bases de vecteurs (Faiss, Pinecone, etc.) Évaluation spécifique des LLM (benchmarks, human eval, red‑teaming) Monitoring / observabilité des modèles et services LLM en production Outils d'orchestration LLM (LangChain, LlamaIndex ou équivalents) RAG / retrieval augmenté & vector DB (Faiss, Pinecone, embeddings en production) Évaluation spécifique LLM (benchmarks, human eval, red-teaming, metrics LLM) Monitoring / observabilité des modèles & services IA (drift, qualité des réponses, alerting) Conception de workflows LLM complexes (orchestration, agents, outils) RAG / retrieval augmenté & vector DB (mise en production) Monitoring / observabilité des modèles et services IA en production Analyse et modélisation de problèmes complexes dans un contexte LLM Pensée systémique appliquée à des workflows IA end‑to‑end Rigueur scientifique & esprit critique pour l'évaluation des LLM Vulgarisation & pédagogie vers métiers et IT Recueil et reformulation des besoins métier en spécifications techniques pour IA générative

Dans le cadre d'un projet stratégique au sein d'un acteur majeur du secteur des paiements, nous recherchons un Senior Python Engineer spécialisé en Intelligence Artificielle Générative (LLM). Vous interviendrez au sein d'une équipe dédiée au développement d'une plateforme IA générative en environnement on-premise. Le rôle est fortement orienté développement logiciel et architecture applicative : nous recherchons un profil capable de concevoir, développer et industrialiser des applications IA en production. Vos principales responsabilités : Concevoir et développer des applications backend Python intégrant des modèles de langage (LLM). Développer des APIs robustes avec FastAPI (ou frameworks équivalents). Concevoir des architectures RAG (Retrieval-Augmented Generation) performantes. Mettre en œuvre les mécanismes d'ingestion documentaire, chunking, embeddings et recherche sémantique. Intégrer et orchestrer différents modèles LLM (GPT, Mistral, Claude ou équivalents). Développer des composants exploitables en production avec une approche qualité logicielle. Participer aux choix d'architecture technique et aux bonnes pratiques de développement. Mettre en place les pratiques de qualité : tests, revue de code, Clean Code, documentation technique. Compétences attendues TechniquesPython confirmé (développement applicatif backend) FastAPI / Flask / Django Développement d'API REST Architecture backend et microservices LLM : GPT, Mistral, Claude, OpenAI API, Anthropic API RAG (Retrieval-Augmented Generation) LangChain, LlamaIndex ou frameworks équivalents Embeddings et recherche sémantique Bases vectorielles : Qdrant, Pinecone, Weaviate, Chroma ou équivalent PostgreSQL / bases de données relationnelles Docker CI/CD Tests automatisés Git et pratiques de revue de code Savoir-êtreEsprit d'analyse et capacité à résoudre des problématiques complexes Autonomie et force de proposition Sens de la qualité logicielle Capacité à travailler dans un environnement exigeant Bon relationnel avec les équipes techniques et métiers Curiosité technologique et veille active sur les évolutions IA

Votre missionDans le cadre du développement de notre plateforme Data, nous recherchons un(e) Senior Data Engineer / Tech Lead Databricks pour piloter les développements, garantir la qualité des solutions mises en œuvre et accompagner les équipes sur les sujets techniques. Vous serez notamment amené(e) à : Concevoir et faire évoluer l'architecture des pipelines de données sur Databricks. Développer et optimiser les traitements d'ingestion et de transformation en Python, Spark et SQL. Piloter l'orchestration et la supervision des traitements sur AWS. Garantir la performance, la fiabilité et la qualité des pipelines de données. Définir les bonnes pratiques de développement, participer aux revues de code et accompagner les membres de l'équipe. Assurer le support technique, la résolution des incidents complexes et l'amélioration continue de la plateforme. Participer aux ateliers d'architecture, aux échanges avec les équipes métiers et contribuer aux choix techniques.

Contexte Dans le cadre de l'évolution de sa plateforme Data, un acteur majeur du secteur bancaire recherche un Data Engineer afin d'assurer le maintien en conditions opérationnels des plateformes Data sur AWS et de développer de nouveaux flux de données temps réel pour les besoins Analytics et décisionnels. Missions Assurer le MCO de la plateforme Data sur AWS. Concevoir et optimiser des pipelines de données batch et streaming. Développer et administrer les flux Kafka (topics, producteurs, consommateurs). Optimiser les traitements Spark / PySpark. Garantir la qualité, la performance et la disponibilité des données. Industrialiser les développements via les pratiques DevOps et CI/CD. Participer à l'évolution des architectures Data (Data Lake, Event-Driven). Environnement technique Spark • PySpark • Kafka • Python • SQL • AWS • Datadog • Airflow • Dataiku • Docker • Kubernetes • Terraform • GitLab CI • Jenkins

Développement, évolution et maintenance d'applications métier, sur tout le cycle : de la compréhension du besoin jusqu'à la mise en production. La mission comprend aussi du support de niveau 3 et de l'industrialisation. Indispensable : - Java et Spring Boot - Angular, JavaScript et Node.js - Python - PostgreSQL - Outillage : GIT, Sonar, Jenkins, GitLab CI, Kubernetes - Méthodologie Agile / Scrum - Savoir concevoir une solution et son architecture, pas seulement développer - Écrire des tests unitaires automatisés - Être à l'aise avec la documentation : spécifications, dossier de conception, documents d'exploitation, plans de tests - Travail en équipe Apprécié : - Nexus - Expérience du support de niveau 3 (N3) - Cartographie de patrimoine applicatif et analyse critique de dossiers de conception - Mise en place de déploiements automatisés Localisation : Grenoble — avec 2 à 3 jours de télétravail par semaine. Mission du 07/09/2026 au 20/01/2027. Profil ingénieur junior.

Intégré(e) au sein de la direction des infrastructures et de la production, vous intervenez en tant qu'expert référent (N3) sur les environnements Linux. Votre rôle consiste à garantir le maintien en condition opérationnelle (MCO), l'évolution et l'automatisation des infrastructures critiques du groupe, tout en respectant les fortes contraintes de sécurité et de conformité liées au secteur de l'assurance. Vos principales responsabilités sont : Ingénierie et Architecture : Participer à la conception, au déploiement et à l'évolution des architectures systèmes Linux (on-premise et/ou Cloud). Automatisation et Industrialisation (IaC) : Concevoir, développer et maintenir les scripts et modules de déploiement via Terraform. Automatiser les tâches récurrentes de déploiement et de configuration. Développement et Scripting : Créer des outils internes, des scripts d'automatisation et des interconnexions d'API en Python (et Shell/Bash). Support Niveau 3 : Traiter les incidents complexes escaladés par les équipes N1/N2. Assurer l'analyse post-mortem et la résolution durable des problèmes (Performance tuning, gestion des capacités). Sécurité et Conformité : Appliquer les politiques de durcissement (hardening) des OS face aux exigences réglementaires du secteur de l'assurance (RGPD, contraintes ACPR). Veille et Mentorat : Assurer une veille technologique et accompagner la montée en compétences des profils plus juniors de l'équipe.

Contexte Pour le compte d'une équipe en charge d'un moteur de notation corporate au sein d'un grand groupe bancaire, recherche d'un profil transverse agissant comme garant de la cohérence méthodologique et de l'aide à la décision. Le rôle s'articule autour de deux piliers : le conseil sur les bonnes pratiques de delivery, et la consolidation rigoureuse ainsi que le suivi des plans d'actions. L'équipe est organisée en 6 squads autonomes, chacune disposant de ses propres leaders, ce qui nécessite une animation transverse structurée. Le périmètre couvre une roadmap hybride combinant des chantiers fonctionnels (déploiement de nouveaux modèles, intégration de nouveaux périmètres) et des chantiers techniques (réponse aux recommandations de sécurité, suivi de la qualité du produit). Rôle et responsabilités principales Accompagner les différentes squads sur les bonnes pratiques de delivery (Agile, Scrum, Kanban ou hybride) et harmoniser les processus entre les 6 squads Animer une comitologie transverse fluide et structurée Consolider les indicateurs d'avancement et assurer le suivi rigoureux des interdépendances entre squads Suivre la déclinaison de la roadmap hybride, sur ses volets fonctionnels et techniques/sécurité Consolider les plans d'actions (techniques/sécurité et fonctionnels) sur l'ensemble du périmètre et produire des reportings épurés pour l'aide à la décision Identifier de façon proactive les points de blocage, suivre les plans de mitigation des risques et relancer les acteurs clés Dialoguer avec les équipes de développement pour traduire leurs alertes ou jalons techniques dans les suivis consolidés Livrables attendus Reportings consolidés pour l'aide à la décision Suivi structuré des plans d'actions (techniques/sécurité et fonctionnels) Comitologie transverse animée et documentée Suivi centralisé de l'information via Jira et Confluence Suivi des indicateurs d'avancement et des interdépendances entre squads

Île-de-France Freelance / Portage MissionDans le cadre d'un renforcement d'équipe, nous recherchons un NetOps orienté RUN pour intervenir sur des infrastructures réseau critiques. ActivitésGestion des incidents réseau & sécurité (RUN) Maintien en conditions opérationnelles (MCO) Administration des firewalls et gestion des flux Supervision et optimisation des performances Utilisation d'un référentiel réseau (Netbox) Participation aux évolutions en production StackRéseau : LAN / WAN, routing Sécurité : Palo Alto / Fortinet / Checkpoint Outils : Netbox / Infoblox, supervision Bonus : Ansible / Python

Dans le cadre du développement d'une plateforme d'Intelligence Artificielle innovante, nous recherchons un Développeur Python confirmé disposant d'une expérience concrète sur les technologies d'IA générative. Vous interviendrez sur la conception, le développement et l'évolution d'une plateforme IA stratégique développée en interne, avec un fort niveau d'exigence en matière de qualité logicielle, d'architecture et de maintenabilité. Vos missions Participer à la conception et à l'évolution d'une plateforme IA en environnement Python Développer des applications et API robustes autour des technologies IA générative Concevoir et implémenter des architectures RAG (Retrieval Augmented Generation) Intégrer et orchestrer des modèles LLM Garantir la qualité du code, les performances et la maintenabilité des développements Participer aux revues de code et à l'amélioration continue des bonnes pratiques de développement Contribuer aux choix d'architecture et aux évolutions techniques de la plateforme Collaborer avec les équipes produit et techniques dans un contexte innovant Environnement techniqueIndispensable Python FastAPI ou frameworks backend équivalents API REST Git Docker Tests automatisés Clean Code Architecture logicielle IA Générative LLM (OpenAI, Mistral, Llama ou équivalent) RAG LangChain ou LlamaIndex Bases vectorielles (Qdrant, ChromaDB, Weaviate, Pinecone ou équivalent) Embeddings Apprécié Langfuse ou outils d'observabilité IA Kubernetes CI/CD Déploiement de solutions IA en environnement de production