AI Engineer / ML Engineer Azure – IA Générative appliquée aux mémoires technique - Freelance

Taux journalier (TJM): 650

Descriptif détaillé du besoin

Dans le cadre du développement d’une solution d’IA générative à fort impact métier, nous recherchons un AI Engineer / ML Engineer Azure pour accompagner la transformation de processus rédactionnels complexes dans le secteur de la construction.

L’objectif de la mission est de concevoir, développer et industrialiser des fonctionnalités IA permettant d’assister les équipes opérationnelles dans la production de documents techniques liés aux réponses à appels d’offres : analyse de DCE, CCTP, rédaction de mémoires techniques, structuration des contenus et exploitation de référentiels documentaires internes.

Vous interviendrez comme véritable passerelle entre les besoins métier et l’implémentation technique, avec une forte exigence de qualité, de robustesse et de passage à l’échelle.

Vos principales missions

Vous serez amené à :

• Collaborer avec les équipes métier pour comprendre et modéliser les processus de réponse aux appels d’offres.

• Traduire des problématiques rédactionnelles complexes en logiques algorithmiques exploitables par des modèles d’IA générative.

• Développer et optimiser des chaînes de traitement LLM, incluant l’orchestration d’agents avec LangChain et Pydantic AI.

• Concevoir et améliorer des pipelines RAG de précision, notamment autour de l’ingestion, de l’indexation et de la récupération documentaire via Elasticsearch.

• Mettre en place des mécanismes d’évaluation des sorties LLM afin de mesurer la pertinence, la cohérence et la complétude des contenus générés.

• Itérer sur les prompts, les stratégies RAG et les chaînes d’agents à partir de métriques objectives.

• Développer des API robustes avec FastAPI, définir des contrats d’interface clairs et gérer des traitements asynchrones.

• Contribuer à la mise en production, à la montée en charge et à la robustesse des pipelines IA.

• Anticiper les cas limites : documents malformés, réponses incohérentes, timeouts, contraintes de tokens ou limites d’infrastructure.

• Participer à l’observabilité des traitements IA : traces, latences, erreurs, qualité des réponses.

• Adapter les implémentations aux contraintes de sécurité, d’usage, de performance et aux retours utilisateurs.