Tech lead Data & Retrieval – IA Générative / RAG - Freelance

Contexte

Au sein d’une équipe spécialisée en Data et Intelligence Artificielle, vous intervenez sur des problématiques à forte dimension technique autour de la gestion de données, de l’Information Retrieval et de l’IA générative.

Missions

• Concevoir et industrialiser les pipelines permettant de collecter, transformer, indexer et rechercher de grands volumes de données, afin d’alimenter des applications basées sur les LLM et les architectures RAG.
• Participer aux choix d’architecture, à l’amélioration de la pertinence des recherches et à l’industrialisation des solutions en production.

Data Engineering & Indexation

• Concevoir et industrialiser des pipelines d’ingestion de données provenant de sources hétérogènes.
• Mettre en œuvre les traitements de parsing, nettoyage, normalisation et chunking.
• Concevoir et maintenir des systèmes d’indexation à grande échelle.
• Mettre en œuvre des bases vectorielles et des embeddings.
• Garantir la qualité, la fraîcheur, la traçabilité et la scalabilité des données et des index.

Retrieval & RAG

• Concevoir des stratégies de recherche sémantique et hybride.
• Combiner recherche lexicale (BM25), embeddings, filtrage et reranking.
• Mettre en place des indicateurs de pertinence : Recall, Precision, nDCG, MRR.
• Optimiser les mécanismes de Retrieval alimentant les LLM et architectures RAG.
• Travailler sur la gestion du contexte, la déduplication et la qualité des résultats.

Architecture & qualité

• Participer aux choix techniques et à l’évolution de la stack Data/IA.
• Mettre en place les bonnes pratiques de développement : Clean Code, SOLID, tests automatisés.
• Assurer l’observabilité des pipelines et des services.
• Contribuer à la sécurité et à la conformité des données.
• Accompagner techniquement les équipes et partager les bonnes pratiques.

Environnement technique

Indispensable :

• Python 3.11+
• Data Engineering / Information Retrieval
• Embeddings / NLP
• Recherche sémantique et hybride
• RAG / LLM
• Bases vectorielles : Qdrant, Weaviate, pgvector, OpenSearch
• PostgreSQL
• Tests avec Pytest

Environnement apprécié :

• LangChain
• OpenAI, Mistral, Amazon Bedrock
• BM25 / reranking
• Kafka
• Redis
• Airflow / Spark
• Docker / Kubernetes
• CI/CD
• Go ou Java

Conditions de travail

• Lieu de la mission : Paris
• 2 jours de télétravail par semaine
• Date de démarrage : ASAP
• Mission de longue durée