Lead AI Engineer (IA agentique et AI Ops) - Freelance

Taux journalier (TJM): 600

Pour un client dans le domaine de l'assurance, Nexoris recherche un Lead AI Engineer très opérationnel capable de concevoir, développer, intégrer et industrialiser des solutions d’intelligence artificielle agentique au sein d’un environnement d’exploitation IT complexe.

Le Lead AI Engineer doit disposer d'une expérience démontrée de mise en production de solutions IA agentique, en capacité d'intervenir en forte autonomie, de challenger les orientations techniques et d'être force de proposition sur les cas d'usages.

Une composante importante de la mission consistera à accompagner la montée en compétence des équipes internes afin de favoriser l'appropriation durable des technologies mises en œuvre.

La mission proposée s'articule autours des réalisations suivantes :

1 - Développement et intégration de solutions IA

- Orchestration multi agents IA et conception d'assistants de code spécialisés répondant aux besoins des équipes d'exploitation, d'ingénierie et de support.

- Déploiement d'une infra MCP, des connecteurs et outils permettant l'interaction avec des API internes.

- Intégration avec les socles VMware Cloud Foundation, Kubernetes, Dataiku, Snowflake, LiteLLM, Bedrock, OpenAI, AWS et les outils d'exploitation existants.

- Intégration avec les outils d'Infrastructure as Code (Terraform, Ansible ou équivalents), les pipelines CI/CD et les orchestrateurs de workflows existants.

- Développement de mécanismes RAG (ingestion, nettoyage, chunking et indexation) exploitant les référentiels documentaires, les runbooks, la CMDB et les bases de connaissances internes.

- Développements de services python et d'outils d'automatisation pour les cas d'usage retenus.

2 - Industrialisation et exploitation

- Pratiques de développement modernes (YAGNI, DRY ...), de tests (TDD) et des standards de déploiement CI/CD (Jenkins).

- Mise en place des mécanismes d’observabilité, de traçabilité et d’évaluation des réponses produites par les modèles.

- Définition des mécanismes de sécurité (Défense contre le prompt injection et les exfiltrations de données.).

- Maintien en condition opérationnelle et évolution de la plateforme AIOps existante reposant sur Dataiku et Snowflake sur AWS.

3 - Accompagnement des équipes

- Transfert de compétences vers l'équipe interne.

- Acculturation aux concepts d’IA, d’architecture agentique et de MCP.

- Contribution à la définition des bonnes pratiques de développement et d'exploitation IA agentique.

Les livrables de la mission sont les suivants :

- Mise en œuvre de plusieurs Proof of Concept puis industrialisation des cas d'usage retenus :

- Créer des assistants capables de comprendre le contexte opérationnel, de résumer les situations et de proposer les prochaines actions ;

- Automatiser, sous contrôle humain, les tâches répétitives à faible risque et les étapes de remédiation standard ;

- Exploiter les référentiels documentaires, les runbooks et les connaissances d’exploitation pour produire des réponses contextualisées, traçables et explicables ;

- Intégrer des agents dans les chaînes ITSM, CMDB, observabilité, automatisation et orchestration ;

- Sécuriser les usages, mesurer la valeur produite et industrialiser les cas d’usage dans un cadre SRE / DevOps / GitOps.

- Documenter les solutions déployées : ADR, runbooks/playbooks et guides d’exploitation.

- Développement d'agents IA opérationnels et de leurs composants associés (serveurs MCP, outils, connecteurs, pipelines RAG, orchestrations).

Expérience significative dans le développement d'applications IA générative en production.

- Maîtrise de Python.

- Expérience significative dans le développement d'applications IA générative en production.

- Maîtrise des frameworks d'orchestration d'agents (LangGraph, CrewAI, AutoGen, Semantic Kernel ou équivalents).

- Expérience concrète de mise en œuvre du Model Context Protocol (MCP) ou technologies assimilées.

- Intégration de modèles LLM et NLM.

- Connaissance des plateformes cloud AWS, pratique de Docker, Kubernetes, Jenkins.

- Connaissance des problématiques de sécurité des systèmes IA (prompt injection, gestion des secrets, contrôle des accès, gouvernance des données).

- Expérience des problématiques AI (Qualité faible, hallucinations (biais de contournement), coûts explosifs, latence, dérive... ) et de l'exploitation IT constituant un atout fort.

- Capacité à cadrer un besoin et à proposer une feuille de route pragmatique.

- Forte autonomie dans les choix de conception.

- Expérience de l'accompagnement des équipes et du transfert de compétences.

- Capacité à vulgariser les concepts IA.

- Connaissance des méthodes et pratiques agiles.