ML Engineer : LLM multimodal et fine-tuning (IT) / Freelance

ML Engineer spécialisé en modèles LLM multimodaux et fine‑tuning pour l'audiovisuel

Contexte de la prestation

La prestation s'inscrit chez un grand compte du secteur des médias et de l'audiovisuel, engagé dans la plateformisation de son offre numérique et le développement de ses usages data et IA. Le besoin porte sur l'adaptation et le fine‑tuning de modèles open‑source multimodaux pour des cas d'usage audiovisuels, leur industrialisation et leur mise en production, ainsi que leur intégration dans l'écosystème média existant.

Activités principales

• Identifier, adapter et fine‑tuner des modèles open‑source (vision, audio, parole, texte) pour des cas d'usage audiovisuels spécifiques.
• Implémenter des stratégies avancées d'interaction et d'optimisation (prompt‑engineering, RAG, LoRA/distillation, quantization, pruning) pour maximiser précision, latence et pertinence éditoriale.
• Architecturer des pipelines multimodaux end‑to‑end fusionnant vidéo, audio, images et texte pour enrichir les métadonnées, optimiser l'indexation et automatiser les workflows de production.
• Établir des métriques d'évaluation, benchmarker et itérer sur les systèmes d'IA via des KPIs techniques et business clairement définis.
• Concevoir et déployer des solutions multimodales cross‑data et cross‑modality pour étendre les capacités prédictives et génératives des modèles.
• Administrer et optimiser l'infrastructure technique nécessaire au déploiement, monitoring et ajustement des modèles en production (clusters GPU/TPU, gateway d'inférence, scaling policies).
• Orchestrer l'intégration des services IA dans l'écosystème média existant (MAM/PAM, NRCS, chaînes de transcription, pipelines de distribution, systèmes d'information logiciels SI) en collaboration avec product owners et tech leads.
• Structurer, enrichir et valider les datasets audiovisuels en garantissant leur alignement avec les exigences éditoriales, culturelles et éthiques.
• Instrumenter, mesurer et raffiner les modèles en conditions opérationnelles (accuracy, fairness, explainability, pertinence culturelle, empreinte carbone).
• Coordonner avec les équipes pluridisciplinaires l'alignement des solutions IA avec les objectifs stratégiques et le cadre réglementaire (RGPD, AI Act).
• Élaborer et maintenir une documentation technique exhaustive assurant la transmissibilité des connaissances.