Intitulé du poste

Vous agirez en tant qu'un/e ingénieur(e) IA pour la Direction des Ressources Humaines. Comme toute les entitées RH des grands groupes, elle est une entité clé de la performance opérationelle, au cœur des enjeux de développement des compétences face aux défis de la transformation et de l'accompagnement au développement de l'engagement de chacun des collaborateurs du groupe, et de reconnaissance de la performance. Le Direction Développement et Performance RH accompagne toutes les fonctions RH (Recrutement, Formation, Paye, processus de Management, programmes de Transformation...) dans l'appropriation de la data autour du capital humain, la qualité des données, l'analyse et la mesure de performance. Vous aurez l'appui téchnique d'une équipe de ML/AI engineers qui explore et industrialise des approches avancées d'IA (systèmes multi-agents, RAG, détection d'anomalies à grande échelle, MLOps/LLMOps) pour : 

• Valoriser la data RH : Analyse prédictive (identification des hauts potentiels, prévention des départs), aide à la décision stratégique via l'analyse massive des données RH, suivi des compétences (cartographie dynamique des savoir-faire et besoins en formation). 
• Optimiser les processus RH : Automatisation des tâches répétitives (congés, paie, contrats, saisie de données RH), recrutement intelligent (tri automatisé des CV, matching prédictif, analyse des soft skills), onboarding personnalisé (parcours adaptés aux profils et aux objectifs de carrière), gestion documentaire (génération automatique de contrats, suivi administratif). 

Spécificité de l'accompagnement propre au Développement et Performance RH : Le stagiaire bénéficie d'un double rattachement hiérarchique : 

• Un maître de stage principal, au sein du AI Novation Center, afin d'acquérir et d'éprouver les compétences techniques en Data & IA. 
• Un maître de stage Directeur RH, pour cadrer les besoins RH en conformité à la politique RH opérationnelle et stratégique, la sensibilisation aux enjeux éthiques et humains, ainsi que pour développer le leadership de transformation du stagiaire. 

Mission principale : Agentisation au service de la Fonction RH Vous concevez et opérationnalisez un système d'agents IA pour des cas d'usage RH 

Piliers techniques : 

• Orchestration d'agents (LLM + outils) : planification, rôles, mémoire, outillage (RAG/documents internes, requêtes SQL, APIs métier), boucle d'auto-amélioration et observability (traces, feedback, évaluations). 
• Industrialisation IA : mise en place de pipelines d'entraînement/déploiement sur Vertex AI, gestion du cycle de vie complet des modèles (data → features → modèles → serving). 
• Modélisation avancée : algorithmes ML supervisés et non supervisés (clustering, prévisions, détection d'anomalies), règles hybrides ML + règles pour fraude usage & surconsommations. 
• Exploration Deep Learning : réseaux de neuronnes pour séries temporelles, embeddings pour représentations des collaborateurs et compétences, exploration d'approches seq2seq et transformers pour détection de schémas complexes. — MLOps/LLMOps : versionnage données/modèles, déploiement, monitoring (drift, coûts, latence). 

Environnement technique 

• Langages : Python (pandas, pydantic, fastapi), SQL, Google-ADK / LangChain. 
• Data/ML : Datamarts, feature stores, modèles de segmentation et prédiction, RAG / embeddings pour documentation interne, environnement cloud sur GCP (BigQuery, Vertex AI). 
• Orchestration d'agents : graphes d'agents, outils (APIs internes, requêtes SQL, lecteurs de documentation). 
• Visualisation : Tableau Server / Tableau Desktop. 
• Gouvernance : conformité RGPD, g

Profil

• Ingénieur(e) de Grandes Écoles en césure - Master 1/2, bases solides en data engineering, ML et LLMs. 
• Pratique de Python / SQL. 
• Intérêt marqué pour l'agentisation (systèmes multi-agents, RAG). 
• Sensibilité aux thématiques performance des compétences, développement personnel, management, éthique

Soft skills attendues 

•  Leadership calme et sens du collectif ; communication claire, adaptée métier/technique. 
• Empathie : prise en compte des impacts humains des décisions algorithmiques. 
• Esprit produit (problem framing, mesure d'impact, itération rapide). 
• Rigueur (qualité de donnée, traçabilité, conformité), éthique (RGPD). 
• Ownership de bout en bout : du POC à la mise en production et à l'adoption