AI Engineer / Data Scientist Senior – GenAI, RAG & Agentic AI @ >5 ans @ Lille - Freelance

Taux journalier (TJM): 500 € HT légèrement négociable

Expérience : > 5 ans
Durée : 12 mois
Démarrage : 14 septembre 2026
Localisation : Lille (59)
Télétravail : 2 jours par semaine
Domaine : Data & BI – Data Science – Dataviz – Architecture Data

Contexte & enjeux

Dans le cadre du développement et de l’industrialisation de solutions d’Intelligence Artificielle, nous recherchons un AI Engineer / Data Scientist Senior disposant d’une forte expertise en IA générative, RAG, Agentic AI, Machine Learning et industrialisation de solutions IA.

La mission porte à la fois sur la conception de systèmes d’IA avancés et sur leur mise en production dans un environnement Cloud/Data exigeant.

Les principaux enjeux concernent notamment :

• la conception de solutions d’IA générative et de systèmes conversationnels avancés ;

• l’automatisation de processus métier complexes à travers des architectures multi-agents ;

• la mise en œuvre d’architectures RAG robustes, sécurisées et évaluables ;

• l’orchestration de LLM propriétaires et open source ;

• l’industrialisation et l’exploitation en production des solutions IA ;

• le développement de modèles de Machine Learning pour des problématiques métier telles que le risque, la fraude, le marketing ou le recouvrement ;

• le monitoring, l’observabilité, l’explicabilité et la traçabilité des systèmes IA.

Missions détaillées

IA Générative & Agentic AI

Vous serez chargé(e) de :

• concevoir et développer des solutions IA, des automatisations métier et des systèmes conversationnels avancés ;

• développer des architectures RAG (Retrieval-Augmented Generation) robustes et sécurisées ;

• construire des workflows multi-agents permettant d’automatiser des processus métier complexes ;

• intégrer et orchestrer différents modèles de langage : OpenAI, Azure OpenAI et modèles open source ;

• concevoir des solutions exploitant les capacités de raisonnement, recherche documentaire et exécution d’actions des modèles ;

• mettre en œuvre des mécanismes de Function Calling ;

• travailler sur le Prompt Engineering, le fine-tuning et l’optimisation des modèles ;

• participer à l’évaluation des systèmes GenAI.

Engineering & Industrialisation

Vous interviendrez sur l’ensemble du cycle d’industrialisation des solutions IA :

• industrialiser les solutions IA sous forme d’API et de services Cloud ;

• développer des composants réutilisables permettant d’accélérer le delivery des produits IA ;

• mettre en place les pratiques MLOps et LLMOps nécessaires à l’exploitation des solutions ;

• assurer la qualité, la fiabilité et la sécurité des applications IA en production ;

• participer à la définition des standards techniques de la plateforme IA ;

• mettre en œuvre des pratiques de tests automatisés et de CI/CD ;

• assurer le déploiement et l’exploitation des services IA dans des environnements conteneurisés et orchestrés.

Data Science & Machine Learning

En complément des problématiques GenAI :

• concevoir et maintenir des modèles de Machine Learning lorsque les cas d’usage le nécessitent ;

• réaliser des analyses exploratoires et des expérimentations avancées ;

• évaluer et optimiser les performances des modèles prédictifs ;

• mettre en œuvre des approches d’Explainable AI et d’IA responsable ;

• travailler notamment avec SHAP et LIME ;

• intervenir sur des modèles supervisés, notamment régression logistique, XGBoost et LightGBM ;

• collaborer avec les équipes métier sur des problématiques de risque, fraude, marketing et recouvrement.

Monitoring & Evaluation

Un volet important de la mission concerne la mesure de la performance et la maîtrise des solutions IA en production :

• définir les métriques de performance des systèmes IA ;

• mettre en place les mécanismes de monitoring et d’observabilité ;

• suivre les dérives des modèles de Machine Learning et des systèmes RAG ;

• évaluer la qualité des réponses générées à travers des approches telles que RAGAS, LLM-as-a-Judge et évaluations métier ;

• garantir la conformité et la traçabilité des solutions déployées ;

• mettre en place le monitoring des modèles et des services IA.

Stack technique

IA Générative & LLM

• LLMs et modèles de fondation

• RAG avancé

• Agentic AI

• Architectures multi-agents

• Function Calling

• Prompt Engineering

• Fine-tuning et optimisation de modèles

• Évaluation de systèmes GenAI

• RAGAS

• LLM-as-a-Judge

Frameworks & écosystème IA

• LangChain

• LangGraph

• Semantic Kernel

• OpenAI

• Azure OpenAI

• Hugging Face

• Vector Databases

• Moteurs de recherche sémantique

Data Science & Machine Learning

• Python avancé

• Statistiques appliquées

• Machine Learning supervisé

• Régression logistique

• Gradient Boosting

• XGBoost

• LightGBM

• Explainable AI

• SHAP

• LIME

MLOps / LLMOps & Software Engineering

• FastAPI

• MLflow

• Git

• Docker

• Kubernetes

• CI/CD

• Tests automatisés

• Monitoring et observabilité des modèles et services IA

Cloud & Data Platform

• Microsoft Azure

• Azure AI Foundry

• Azure AI Search

• Azure Machine Learning

• Databricks

• PySpark