Ingénieur(e) Plateforme IA (Observabilité & LLM) - CDI

💼 CDI - Portage - Freelance

📆 Démarrage dès que possible

🧩 Darwin Partners, un véritable partenaire de carrière 🧩

Chez Darwin Partners, nous ne nous contentons pas de recruter : nous accompagnons chaque consultant dans son évolution professionnelle en lui proposant des missions qui correspondent à ses aspirations.

Avec une culture dynamique et axée sur l’impact, nous connectons les meilleurs talents IT à des projets ambitieux, tout en cultivant des relations humaines et authentiques.

👥 Nos clients ? Des entreprises innovantes dans différents secteurs d’activité et des projets à forte valeur ajoutée sur différents métiers (développement, fonctionnel, agilité, infrastructure, data, cloud, automation, digitalisation …)

🤝 Notre engagement ? Un suivi régulier, une écoute active et une véritable proximité avec nos talents.

✨ Notre promesse ? Des projets enrichissants, une rémunération à la hauteur de votre talent et un accompagnement sur le long terme. 💰

Ce poste est rattaché à l’équipe Plateforme et a pour mission de concevoir et d’exploiter l’infrastructure permettant de mesurer, évaluer et superviser les charges de travail IA : traçabilité, pipelines d’évaluation, alertes qualité, gestion des jeux de tests et versionnement des prompts.

Nous recherchons un profil Ingénieur(e) Plateforme IA (Observabilité & LLMOps)

🔒 Votre mission, si vous l’acceptez 🔒

• Concevoir et maintenir l’infrastructure d’observabilité des modèles LLM : traçabilité distribuée, latence, coûts et indicateurs de qualité.

• Évaluer les outils du marché (Langfuse, LangSmith, Braintrust, etc.) et sélectionner la solution la plus adaptée.

• Développer une infrastructure de pipelines d’évaluation permettant aux équipes de définir, exécuter et versionner leurs suites de tests en continu.

• Mettre en place la génération, la gestion, le versionnement et le contrôle d’accès des jeux de données d’évaluation.

• Concevoir une stratégie de versionnement des prompts et des modèles.

• Déployer des mécanismes d’alerte en cas de dégradation de la qualité en production.

• Définir des modèles de registre (Model Registry) pour accompagner la montée en charge des cas d’usage IA.