AI Engineer (F/H/X)

Vos missions principales seront les suivantes : 

AI & Développement de modèles 

• Concevoir, entraîner et évaluer des modèles de Machine Learning et Deep Learning pour des cas d’usage internes. 

• Développer des composants GenAI (RAG, extraction d’information basée LLM, fine-tuning). 

• Mettre en œuvre des architectures hybrides ML + LLM pour la segmentation, la classification, la prévision ou le résumé de texte. 

• Choisir l’architecture la plus adaptée (ML vs LLM) selon la valeur ajoutée réelle. 

• Maîtriser les techniques avancées de prompting (prompts structurés, approche systématique, optimisation itérative) 

• Une connaissance des technologies MCP serveur est un plus. 

Pipeline & Engineering 

• Concevoir des pipelines de bout en bout, industrialisables et robustes. 

• Garantir reproductibilité, modularité et documentation claire. 

• Développer des pipelines efficaces pour le prétraitement et l’évaluation. 

Évaluation, tests & maîtrise des coûts 

• Appliquer des méthodologies d’évaluation systématiques (benchmarks LLM, indicateurs de qualité, etc.). 

• Surveiller les performances et dérives des pipelines. 

• Optimiser les coûts : taille de modèles, quantification, batching, caching… 

Collaboration avec Group Technology 

• Préparer les ressources techniques nécessaires pour l’industrialisation par le Groupe si nécessaire (modèles, documentation, tests, API). 

• Participer à la gouvernance et aux choix d’architecture. 

Interaction métier (avec l’AI Product Manager) 

• Accompagner l’AI PM France dans l’analyse de faisabilité, des contraintes et de l’effort. 

• Traduire les besoins métier en spécifications techniques. 

• Expliquer clairement les compromis ML vs GenAI aux équipes non techniques. 

Compétences requises :

Compétences techniques fondamentales 

• Forte expertise en Machine Learning, statistiques et évaluation de modèles. 

• Solide compréhension des architectures Deep Learning (Transformers, CNN, RNN, embeddings). 

• Expérience en GenAI engineering :  

• RAG 

• Prompt engineering structuré 

• Fine-tuning / adaptation de LLM 

• Très bonne maîtrise de l’écosystème Python : PyTorch, TensorFlow, Hugging Face, MLflow, etc. 

• Capacité à produire un code propre, robuste et maintenable. 

Engineering & MLOps Mindset 

• Maîtrise du versionnage, de la reproductibilité, des bonnes pratiques d’ingénierie. 

• À l’aise dans la construction de pipelines. 

• Connaissances CI/CD, supervision, Docker, APIs. 

Bonus appréciés 

• Connaissance des frameworks d’évaluation : RAGAS, DeepEval, … 

• Expérience cloud AWS, Snowflake (prétraitement, orchestration, stockage). 

• Sensibilité aux contraintes de gouvernance et de sécurité IA en environnement entreprise. 

• Connaissance des technologies MCP serveur.