AI Engineer LLM & Machine Learning (H/F)

Au sein de notre practice IA générative et Machine Learning, vous concevez et mettez en production les modèles qui font tourner les cas d'usage IA de nos clients grands comptes : LLM, RAG, modèles de machine learning classiques. Vous savez arbitrer en faveur de la bonne approche selon le problème, la donnée disponible et le coût. Vos principales responsabilités :

1. Choisir et adapter les modèles

• • Comparer les LLM du marché et les modèles open source (OpenAI, Mistral, Anthropic, Llama, Qwen) selon la qualité, la latence, le coût et les contraintes de souveraineté
  • Adapter les modèles au besoin du client : prompt engineering, RAG, fine-tuning (LoRA, QLoRA) quand il se justifie
  • Garder le machine learning classique là où il est plus fiable et moins cher qu'un LLM (scoring, prévision, détection d'anomalies)

2. Construire des applications IA fiables

• • Concevoir des chaînes RAG : Découpage, embeddings, bases vectorielles, reranking
  • Développer les API et services qui exposent les modèles aux applications métier

3. Évaluer et mesurer

• • Construire les jeux d'évaluation et les métriques adaptées : Précision, hallucinations, robustesse, biais
  • Suivre la qualité des modèles en production et détecter les dérives

4. Industrialiser

• • Déployer les modèles en production avec MLflow, CI/CD et conteneurs, en lien avec nos ingénieurs LLMOps
  • Optimiser l'inférence (quantification, batch, cache) pour maîtriser les coûts GPU et API

5. Faire de la veille et la partager

• • Suivre les nouveaux modèles et les publications, tester ce qui est utile au SmartLab et partager avec les équipes

De formation supérieure (Bac+5 en informatique, mathématiques appliquées, data science ou école d'ingénieurs), vous avez 5 ans d'expérience minimum en machine learning dont au moins un projet d'IA générative mené jusqu'en production. Compétences techniques requises IA générative & LLMs

• LLM : API (Azure OpenAI, Bedrock, Vertex AI) et modèles open source (Hugging Face)
• RAG : embeddings, bases vectorielles (pgvector, Qdrant, Azure AI Search), reranking
• Fine-tuning : LoRA, QLoRA, PEFT
• Évaluation : Ragas, DeepEval, Langfuse ou équivalent

• PyTorch, scikit-learn, XGBoost ou LightGBM
• Apprentissage supervisé et non supervisé, NLP, deep learning

• Python avancé, FastAPI, tests automatisés
• MLflow, Docker, Git, CI/CD

• Vous choisissez la solution la plus simple qui fonctionne, même si ce n'est pas la plus "hype"
• Vous savez expliquer les résultats d'un modèle et ses limites à des non-initiés
• Vous aimez travailler en équipe, entouré de data engineers, de data scientists et d'experts IA
• Vous êtes curieux et suivez de près ce domaine qui évolue en permanence
• Vous avez envie de rejoindre une entreprise qui saura vous faire grandir et progresser rapidement vers de nouvelles responsabilités