Ingénieur IA (H/f)

Tous nos postes sont ouverts aux personnes en situation de handicap.

Description du poste

• Concevoir, entraîner, optimiser et déployer des modèles de Machine Learning et Deep Learning (NLP, LLM, embeddings).
• Développer et maintenir des pipelines ML robustes (entraînement, évaluation, monitoring, CI/CD).
• Construire des architectures RAG incluant : ingestion de documents, stratégie de chunking, embeddings, vector stores, pipelines de retrieval & génération.
• Implémenter des applications LLM avec LangChain / LangGraph (agents, tools, retrievers, flows).
• Déployer des microservices IA (API FastAPI / Flask) et gérer leur scalabilité en production.
• Optimiser l'inférence et les performances : latence, consommation GPU, parallélisation, batching.
• Collaborer avec les équipes Data Engineering, Produit et Dev pour industrialiser les solutions.
• Surveiller les modèles en production (drift, performance, dérive des données).
• Excellente maîtrise de Python (structuration du code, tests unitaires, design patterns).
• Expertise en NLP / Deep Learning : PyTorch, TensorFlow, Transformers (HuggingFace).
• Expérience concrète sur des projets LLM, fine‑tuning, prompt engineering.
• Maîtrise des architectures RAG : embeddings, vector stores (FAISS, Chroma, Milvus…), retrieval.
• Expérience sur LangChain / LangGraph / LlamaIndex.
• Solide niveau en API engineering : FastAPI, Flask.
• Kubernetes (souhaité), orchestration (Airflow / Prefect)
• Maîtrise d’un cloud : AWS, GCP ou Azure (un plus si Azure OpenAI, Bedrock, Vertex AI).

Compétences appréciées :

• Connaissance des bases vectorielles avancées (SHARED / HNSW / IVF).
• Expérience en ingestion de documents (OCR, parsing PDF/HTML).
• Expérience LLMOps (observabilité, monitoring, guardrails).

Profil attendu :

• Autonomie & pragmatisme : capable de poser un diagnostic, proposer une solution et la livrer.
• Culture GenAI & LLM : curiosité forte, veille active, envie d’expérimenter et d’améliorer en continu.
• Collaboration fluide : bon communicant, à l’aise avec les équipes Produit, Data et Software.
• Orientation impact : focus sur le concret, la performance et la valeur métier plutôt que l’expérimentation théorique.