Développeur Python Machine learning F/H

Intégré(e) aux équipes d'un de nos clients grand compte, votre mission portera sur l'industrialisation et l'automatisation de certaines tâches liées aux migrations d'applications et de données, notamment la génération de documentation, les certifications et le paramétrage, afin de gagner du temps et fiabiliser les déploiements.

Le détail de vos missions sera le suivant :

• Analyser les processus actuels de l'usine de migration (migration de données, paramétrage, certification) afin d'identifier les opportunités d'automatisation les plus pertinentes.
• Concevoir et mettre en œuvre des solutions d'automatisation personnalisées, en s'appuyant sur les dernières avancées de l'IA générative et de l'agentique.
• Développer des outils et scripts pour automatiser la génération de livrables (rapports, documentation, scripts de test, etc.) ou pans de processus.
• Accompagner les équipes (migration de données, paramétreur, certificateur) dans l'adoption et l'utilisation des nouvelles solutions automatisées.
• Assurer la maintenance et l'amélioration continue des solutions déployées.

Environnement technique à maîtriser :

IA Générative

• Compréhension des Large Language Models (LLMs) et de leur fonctionnement.
• Expérience dans l'utilisation et le fine-tuning de modèles comme GPT, Llama, Mixtral, ou équivalents.
• Capacité à générer divers types de contenus : code, documentation, spécifications, rapports, etc.
• Connaissance des techniques de Prompt Engineering avancées.

Agentique (Autonomous Agents)

• Compréhension des architectures et des frameworks d'agents autonomes (ex: LangChain, Auto-GPT...).
• Capacité à concevoir et implémenter des agents capables d'exécuter des tâches complexes de manière autonome ou semi-autonome.
• Expérience dans la gestion de la mémoire, de la planification et de l'exécution d'actions par des agents.

Développement :

• Excellente maîtrise de Python
• Compétences en JavaScript, TypeScript, ou autres langages orientés web.
• Frameworks d'IA/ML : bibliothèques comme TensorFlow, PyTorch, Scikit-learn.
• Bases de données relationnelles : SQL et/ou NoSQL.
• API et intégration : APIs RESTful et services externes.
• Outils de CI/CD
• Cloud Computing : familiarité avec au moins une plateforme cloud majeure (AWS, Azure, GCP) et ses services IA.
• Conteneurisation : Docker, Kubernetes.
• Pratique de l'agilité (SCRUM, SAFE)