Développeur IA H/F

• Concevoir et développer des pipelines RAG reproductibles : ingestion documentaire, parsing, OCR si nécessaire, chunking, embeddings, vectorisation, indexation et mise à jour des bases de connaissance.

• Développer des applications IA générative autour de LLM : assistants conversationnels, agents IA, workflows multi-étapes, systèmes de recherche augmentée et briques d'automatisation métier.

• Intégrer des modèles et services IA dans des architectures applicatives robustes : Mistral, Azure OpenAI, GPT, Claude, Bedrock ou modèles internes selon les contextes clients.

• Concevoir des API et microservices exposant les capacités IA aux applications métier, avec une approche API-first, sécurisée et documentée.

• Participer à l'industrialisation des solutions : conteneurisation, CI/CD, tests, déploiement cloud, monitoring, logging et documentation technique.

• Mettre en place des mécanismes d'observabilité IA : suivi des prompts, coûts, latence, qualité des réponses, hallucinations, dérive, taux d'usage et retours utilisateurs.

• Contribuer aux études de faisabilité : analyser un besoin métier, évaluer sa faisabilité technique, identifier les limites d'un cas d'usage IA et proposer une trajectoire réaliste.

• Travailler en Agile avec les équipes projet : refinement, daily, sprint planning, démos, PI Planning ou rituels à l'échelle selon les environnements clients.

• Documenter les choix techniques, participer aux revues de code et contribuer aux standards de qualité, sécurité et maintenabilité de l'équipe.

Environnement technique cible

• Langages et back-end : Python, FastAPI, Pydantic, asyncio, API REST, microservices.

• Frameworks IA : LangChain, LangGraph, LlamaIndex, Semantic Kernel, CrewAI, Dust, Dataiku ou équivalents.

• RAG et recherche : embeddings, bases vectorielles, Elasticsearch, PostgreSQL, hybrid search BM25 + vecteurs, Graph RAG selon les contextes.

• LLM et orchestration : Mistral, Azure OpenAI, OpenAI, Claude, AWS Bedrock, LiteLLM, gestion multi-modèles et routage d'appels.

• LLMOps / industrialisation : Docker, Kubernetes, Terraform, GitLab CI, Jenkins, tests unitaires, tests end-to-end, packaging et déploiement.

• Observabilité : Langfuse, Datadog, Grafana, Prometheus, logs applicatifs, métriques d'usage et dashboards de suivi.

• Sécurité et conformité : gestion des accès, secrets, politiques de tokens, sécurité des données, privacy by design, AI Act et gouvernance IA.