AI Engineer

Intervenir sur des sujets opérationnels avec un impact direct sur la conception, l'industrialisation et la mise en production de solutions d'IA générative avancées (RAG, LLM et systèmes multi-agents).

Missions principales

Conception d'architectures RAG end-to-end (retrieval, chunking, embeddings, ranking, grounding, context management).

Conception et orchestration de systèmes LLM multi-agents.

Industrialisation des solutions IA avec l'application des pratiques MLOps / LLMOps (pipelines CI/CD, packaging, déploiement, serving, monitoring).

Intégration des solutions IA au système d'information via des API et microservices.

Gestion des embeddings et des bases de données vectorielles (Vector Databases).

Optimisation des performances et des coûts liés aux LLM (caching, batching, sélection de modèles, quantification) et adaptation via LoRA, prompt-tuning, adapters et RAG-fusion.

Développement et maintien de modèles de Machine Learning classique et structuring des projets du POC au MVP jusqu'à la production.

Mise en place de dispositifs d'évaluation, de suivi, de traçabilité et d'IA responsable.

Compétences attendues

Maitrise experte des frameworks LLM/RAG (LangChain, LlamaIndex ou équivalents).

Solide maîtrise des démarches MLOps / LLMOps, des conteneurs / Kubernetes et d'au moins un environnement Cloud (AWS, Azure ou GCP).

Compétences en intégration SI (API, microservices, authentification, logging, audit).

Expertise en bases de données vectorielles et techniques de fine-tuning / optimisation de modèles GenAI.

Excellente capacité de vulgarisation et culture forte de la qualité logicielle (tests, documentation, monitoring).

Profil recherché

6 à 9 ans d'expérience en Data Science, Machine Learning ou AI Engineering.

Expérience concrète et avérée en mise en production de solutions GenAI complexes et d'architectures RAG.

Capacité à traduire les problématiques métiers en architectures IA tout en arbitrant entre performance, coûts, risques et innovation.