Ingénieur IA / LLMOps

La Direction Produit et des Technologies de notre client recherche une prestation de développement IA / LLMOps pour accompagner son équipe IA transverse sur les offres d’information.

Vous contribuerez au développement et à la mise en production de solutions d’intelligence artificielle, d’IA générative, de traitement automatique du langage naturel (NLP) et de transcription audio en texte (Speech-to-Text), au service des usages métiers et éditoriaux.

• Concevoir, développer et mettre en production des solutions IA/ML et des architectures intégrant des LLM.

• Mettre en œuvre des pipelines RAG, des modèles d’embeddings et des bases de données vectorielles.

• Développer et exposer des API métiers : transcription audio, classification d’articles et de commentaires, génération de titres SEO et contextualisation de contenus.

• Industrialiser les développements avec Docker, Kubernetes et des pipelines CI/CD GitLab.

• Assurer le suivi des expérimentations et l’évaluation des solutions avec MLflow, des jeux de données de référence et des approches de type LLM-as-judge.

• Suivre les dérives liées aux prompts et contribuer à la qualité des applications LLM.

• Collaborer avec les équipes techniques et les interlocuteurs métiers, notamment les journalistes, dans un environnement agile.

Profil recherché

Vous disposez d’un niveau confirmé, avec 3 à 5 ans d’expérience significative en développement IA/ML/DL et des réalisations effectivement déployées en production.

Vous maîtrisez :

• Python et/ou Node.js appliqués à l’IA, ainsi que SQL pour la manipulation de données.

• La conception d’architectures LLM, les approches RAG, les embeddings et les bases vectorielles.

• Docker, Kubernetes et les pipelines CI/CD avec GitLab.

• MLflow pour le suivi des expérimentations et l’évaluation des solutions IA.

• Les méthodes d’évaluation des LLM : LLM-as-judge et jeux de données de référence.

• Le développement de services NLP et Speech-to-Text accessibles via des API métiers.

• Une expérience des environnements cloud et hybrides : GCP, Azure, OVH ou Scaleway, avec des contraintes on-premise.

• La conception de systèmes agentiques et le déploiement de petits modèles de langage (SLM).

• La réalisation de tests de performance : charge, stress et endurance.

• La mise en place de monitoring et d’observabilité avec Prometheus et Grafana.

• Une capacité à travailler en autonomie dans un contexte où les besoins évoluent.

• Une aisance pour expliquer des sujets techniques à des interlocuteurs non spécialistes et participer aux rituels agiles.