Ingénieur IA - CDI (H/F)

Contexte du poste

Dans le cadre de notre développement dans le domaine de l’intelligence artificielle, nous recherchons un Ingénieur IA pour rejoindre nos équipes en Île-de-France. Vous interviendrez sur des projets stratégiques pour nos clients, en concevant, développant et déployant des solutions d’IA avancées, avec un focus particulier sur la Génération d’IA (Gen AI). Vous collaborerez avec des équipes pluridisciplinaires pour répondre aux enjeux métiers et innover dans des domaines comme le NLP, les LLM (Large Language Models), ou la génération de contenu automatisée.

Missions principales

1. Conception et développement de solutions IA et Gen AI

• Analyser les besoins métiers et proposer des solutions d’IA adaptées, incluant des applications de Génération d’IA (Gen AI) comme les LLM, chatbots, génération de texte, d’images ou de code.

• Concevoir des modèles d’IA en utilisant des frameworks comme TensorFlow, PyTorch, Hugging Face, ou LangChain.

• Fine-tuner des modèles de langage (LLM) pour des cas d’usage spécifiques (ex : assistants conversationnels, résumés automatiques, génération de code).

• Optimiser les algorithmes pour améliorer les performances, la scalabilité et l’efficacité des solutions de Gen AI.

2. Implémentation et déploiement de solutions Gen AI

• Développer des pipelines de données pour alimenter les modèles de Gen AI (collecte, nettoyage, augmentation de données).

• Intégrer des modèles de Gen AI dans des applications ou des systèmes existants, en collaboration avec les équipes DevOps et Cloud.

• Automatiser les processus de formation, de validation et de déploiement des modèles (MLOps), avec un focus sur les outils dédiés à la Gen AI (ex : Hugging Face Hub, Weights & Biases, Prompt Engineering).

• Développer des interfaces utilisateur pour interagir avec les modèles de Gen AI (ex : APIs, chatbots, outils de génération automatisée).

3. Collaboration et industrialisation

• Travailler avec les équipes Data Science, DevOps, Cloud et Produit pour industrialiser les solutions d’IA et de Gen AI.

• Participer à la mise en place de bonnes pratiques en matière de reproductibilité, traçabilité et monitoring des modèles de Gen AI.

• Documenter les solutions et former les équipes internes ou les clients à leur utilisation, notamment pour des cas d’usage innovants (ex : génération de rapports, automatisation de tâches créatives).

4. Veille technologique et innovation en Gen AI

• Suivre les avancées technologiques en Génération d’IA, notamment les nouveaux modèles (ex : Mistral, Llama, GPT), outils (ex : LangChain, LlamaIndex) et frameworks.

• Proposer des améliorations ou des innovations pour répondre aux besoins émergents en matière de Gen AI.

• Évaluer et tester de nouvelles technologies ou méthodologies (ex : Prompt Engineering, RAG - Retrieval-Augmented Generation, Fine-Tuning) pour les intégrer dans les projets.

5. Sécurité et conformité

• Garantir la conformité des solutions de Gen AI avec les normes de sécurité et les réglementations (RGPD, Secret Défense, etc.).

• Appliquer les bonnes pratiques en matière de protection des données, de sécurité des modèles et de gestion des biais (ex : détection de hallucinations, alignement éthique).

Environnement technique

Domaines d’expertise

• Machine Learning / Deep Learning : Régression, classification, clustering, réseaux de neurones.

• Génération d’IA (Gen AI) :

  • Modèles de langage (LLM) : Fine-tuning, Prompt Engineering, RAG (Retrieval-Augmented Generation).

  • Génération de texte, d’images ou de code : Utilisation de bibliothèques comme Hugging Face Transformers, Diffusers, Stable Diffusion, ou LangChain.

  • Outils de Gen AI : Weights & Biases, Hugging Face Hub, MLflow, ou outils propriétaires.

• Traitement des données : Pandas, NumPy, Dask, Apache Spark.

• Cloud et DevOps : Expérience avec GCP, AWS (Bedrock, SageMaker) ou Azure (OpenAI Service) (atout).

• MLOps : MLflow, Kubeflow, TensorFlow Extended (TFX), Airflow.

Outils et langages

• Langages : Python (obligatoire), R, SQL.

• Frameworks IA : TensorFlow, PyTorch, Keras, Hugging Face, LangChain, LlamaIndex.

• Outils de collaboration : Git, Docker, Kubernetes.

• Monitoring : Prometheus, Grafana, ELK, ou outils spécifiques à l’IA (ex : Weights & Biases, Arize).

Méthodologies

• Agile/Scrum : Expérience en développement itératif et collaboratif.

• Data-Centric AI : Approche axée sur la qualité et la gouvernance des données.

• Prompt Engineering : Capacité à concevoir des prompts efficaces pour les LLM.