Data Scientist / AI Engineer – IA générative & optimisation combinatoire - Freelance

Taux journalier (TJM): 650

Dans le cadre du développement de ses initiatives en intelligence artificielle, notre client recherche un·e Data Scientist / AI Engineer freelance capable d’intervenir sur l’ensemble du cycle de vie d’un projet IA : de l’exploration d’un cas d’usage jusqu’à son industrialisation.

Vous rejoindrez une équipe en croissance travaillant sur des problématiques métier concrètes et variées, notamment autour de l’optimisation logistique, de la gestion des réclamations, du Machine Learning classique et des agents basés sur les grands modèles de langage.

La mission alternera entre des phases de cadrage et de prototypage rapide, ainsi que des phases de mise en production de solutions robustes, maintenables et mesurables.

Vos principales missions

Exploration et cadrage des initiatives IA

• Collaborer directement avec les équipes métier afin d’identifier de nouveaux cas d’usage IA et d’en évaluer la faisabilité.

• Comprendre des besoins parfois peu structurés et les traduire en problématiques data, Machine Learning ou optimisation clairement définies.

• Déterminer l’approche la plus pertinente selon le contexte : règles métier, Machine Learning classique, optimisation, RAG, LLM ou agents IA.

• Réaliser des preuves de concept rapides afin de valider une hypothèse technique ou métier avant d’engager une phase d’industrialisation.

• Définir les critères de succès, les métriques d’évaluation et les contraintes opérationnelles associées aux cas d’usage.

Développement et prototypage

• Concevoir et développer des prototypes de solutions IA, notamment des agents conversationnels ou des agents de recherche.

• Explorer différentes architectures : RAG, orchestration d’agents, pipelines de traitement, classification, scoring ou optimisation.

• Développer des modèles et algorithmes répondant à des problématiques métier concrètes.

• Itérer rapidement sur les prompts, les données, les modèles et les architectures à partir des retours utilisateurs et des résultats mesurés.

• Comparer plusieurs approches afin de retenir la solution la plus efficace, pragmatique et adaptée aux contraintes du projet.

Optimisation combinatoire

Une partie importante de la mission portera sur un cas d’usage d’optimisation combinatoire appliqué à la logistique et à la planification de livraisons.

À ce titre, vous serez amené·e à :

• Modéliser des problématiques d’optimisation sous contraintes.

• Concevoir ou adapter des algorithmes d’optimisation pour améliorer la planification logistique.

• Travailler sur des problématiques telles que l’affectation, l’ordonnancement, la construction de tournées ou l’optimisation de ressources.

• Évaluer la performance des solutions proposées au regard de critères métier, opérationnels et techniques.

• Utiliser des outils tels que OR-Tools, ou des frameworks équivalents.

Une expérience professionnelle et/ou une formation académique en recherche opérationnelle, optimisation mathématique ou optimisation combinatoire est indispensable pour cette mission.

Industrialisation et mise en production

• Transformer les prototypes retenus en solutions robustes et maintenables.

• Concevoir et développer des API avec FastAPI.

• Prendre en compte les cas limites, la gestion des erreurs et les contraintes de performance.

• Mettre en place des tests automatisés et contribuer aux pratiques de qualité logicielle.

• Construire des pipelines d’évaluation afin de mesurer la qualité, la pertinence et la fiabilité des résultats produits.

• Participer à l’observabilité des solutions : logs, traces, latences, taux d’erreur et suivi de la qualité.

• Contribuer au déploiement, à la montée en charge et à l’amélioration continue des solutions.

Collaboration et partage

• Travailler en proximité avec les équipes métier et techniques.

• Naviguer entre plusieurs sujets et adapter les priorités dans un environnement dynamique.

• Documenter les choix d’architecture, les expérimentations et les résultats.

• Partager les apprentissages et contribuer à la montée en compétence collective de l’équipe.

Environnement technique

• Langage : Python

• Frameworks : FastAPI, Pydantic, Pytest

• IA générative : LangChain, Pydantic AI, Azure OpenAI

• Optimisation : OR-Tools

• Cloud : Microsoft Azure

• Services Azure : Azure AI Search, Azure Service Bus

• Patterns IA : RAG, agents IA, orchestration, évaluation de LLM, prompt engineering

• Data Science : modélisation statistique, scoring, classification, Machine Learning classique

• DevOps : Docker, Git, CI/CD

Localisation : Paris
Télétravail : 2-3 jours par semaine
Durée : 6 mois renouvelables