Data Scientist / AI Engineer – GenAI, LLM & Machine Learning (H/F) - Freelance

Descriptif détaillé du besoin

Dans le cadre du développement de projets innovants autour de la Data Science et de l'Intelligence Artificielle, nous recherchons un Data Scientist / AI Engineer capable d'intervenir sur l'ensemble du cycle de vie des solutions IA, de l'exploration des cas d'usage jusqu'à leur mise en production.

Vous rejoindrez une équipe en pleine croissance, intervenant sur des problématiques métier concrètes et variées : optimisation logistique, automatisation de processus, gestion des réclamations, développement d'agents intelligents et valorisation des données.

L'objectif : transformer des opportunités métier en solutions IA robustes, performantes et réellement utilisables.

Vos principales missions

1. Exploration et cadrage des initiatives IA

• Identifier et évaluer de nouveaux cas d'usage IA en collaboration avec les équipes métier.

• Réaliser des Proofs of Concept (POC) pour valider rapidement la faisabilité technique et la valeur métier.

• Traduire des besoins métier en problématiques Data / IA structurées.

• Recommander les approches adaptées : Machine Learning classique, optimisation, LLM, RAG ou agents IA.

2. Développement et prototypage

• Concevoir et développer des solutions IA, notamment des agents intelligents et des modèles de Machine Learning.

• Explorer et mettre en œuvre des architectures RAG, des systèmes multi-agents et des pipelines de traitement.

• Utiliser des frameworks modernes tels que LangChain, Pydantic AI et OR-Tools.

• Améliorer les performances des solutions grâce aux tests, aux métriques et aux retours utilisateurs.

3. Industrialisation et mise en production

• Transformer les prototypes validés en applications fiables, maintenables et évolutives.

• Développer des API robustes avec FastAPI.

• Mettre en œuvre des stratégies de tests automatisés et d'évaluation des modèles IA.

• Contribuer à l'observabilité, au suivi des performances et à la fiabilité des solutions déployées.

• Participer aux bonnes pratiques de déploiement et d'intégration continue.

4. Collaboration avec les équipes métier

• Collaborer directement avec les équipes opérationnelles pour comprendre leurs enjeux.

• Intervenir sur plusieurs projets IA avec des problématiques et des niveaux de maturité différents.

• Documenter les choix techniques et partager les bonnes pratiques au sein de l'équipe.

Environnement technique

• Langage : Python

• IA Générative : LLM, RAG, agents IA, prompt engineering, évaluation LLM

• Frameworks : LangChain, Pydantic AI, FastAPI, Pydantic, Pytest

• Cloud Azure : Azure OpenAI, Azure AI Search, Azure Service Bus

• Data Science : Machine Learning, classification, scoring, optimisation, OR-Tools

• DevOps : Docker, Git, CI/CD