Principales responsabilités

• Diriger et contribuer activement au développement, à l’optimisation et à l’évaluation d’algorithmes avancés de NLP et de modèles de langage (LLM).

• Concevoir, expérimenter et améliorer des architectures basées sur des LLM afin d’optimiser leur précision, leur efficacité et leur robustesse en production.

• Adopter une approche agnostique des modèles pour identifier, combiner et affiner les meilleurs LLM selon les cas d’usage et disciplines métier.

Concevoir et développer des systèmes d’IA générative avancés

• Retrieval-Augmented Generation (RAG)

• ⁠Agents autonomes et multi-agents

• ⁠Reasoning, tool-calling et orchestration d’agents

Construire et optimiser des bases de connaissances performantes, incluant les pipelines d’ingestion, de chunking, d’embedding et de recherche vectorielle.

Réaliser du prompt engineering avancé et structurer les interactions entre modèles, agents et applications.

Transformer des Proofs of Concept (POC) en solutions de production robustes, sécurisées, scalables et maintenables.

Assurer une veille technologique continue sur les avancées en IA générative, NLP et écosystèmes LLM.

Formation & expérience

• Expérience confirmée de 3 ans minimum dans l’application de techniques d’IA et de NLP pour résoudre des problématiques concrètes en environnement industriel ou commercial.

• Expérience pratique avec les LLM, l’IA générative et le prompt engineering avancé.

• Diplôme supérieur (Master ou Doctorat) en informatique, intelligence artificielle, data science ou domaine équivalent, avec une spécialisation en NLP.

Compétences techniques

• Maîtrise experte de Python (indispensable).

• Excellente compréhension des principes de l’IA générative et des modèles de langage (LLM).

• Maîtrise des frameworks et outils d’IA générative et NLP, notamment :

• LangChain, LlamaIndex, LangGraph

• Pydantic AI

• Orchestration d’agents (Autogen, MemGPT, etc.)

• Bases de données vectorielles

• Expérience avec les APIs LLM (OpenAI, Mistral, Gemini, etc.).

• Solide culture software engineering : Architecture logicielle, Tests automatisés CI/CD

• Bonnes pratiques de développement

• Une expérience sur le cloud (Scaleway/Azure) est un atout.