Data Scientist IA - Freelance

Contexte

Dans le cadre de l’accélération de ses initiatives autour de l’Intelligence Artificielle Générative, un client dans le secteur technologique recherche un Data Scientist GenAI / AI Engineer capable de concevoir, développer et industrialiser des solutions basées sur les LLM (Large Language Models).

La mission s’inscrit dans des projets d’IA appliquée visant à automatiser des processus métiers, améliorer l’accès à la connaissance interne et développer des assistants intelligents.

Le consultant interviendra sur l’ensemble du cycle de vie des solutions IA, en collaboration avec les équipes Data Scientists, Data Engineers, Cloud / DevOps et métiers.

Missions

• Compréhension des besoins métiers
• Conception d’architectures IA
• Développement de prototypes
• Industrialisation et mise en production
• Évaluation et amélioration continue des performances

Responsabilités principales :

• Concevoir et développer des applications basées sur des LLM (GPT, Mistral, Llama, Claude ou équivalents)
• Développer des assistants conversationnels et systèmes d’aide à la décision
• Mettre en œuvre des architectures RAG (Retrieval Augmented Generation) exploitant des bases documentaires internes
• Concevoir des workflows agentiques avec orchestration d’outils et d’agents IA
• Concevoir des pipelines de traitement documentaire : ingestion, nettoyage, chunking, génération d’embeddings, indexation vectorielle, retrieval et reranking
• Mettre en place des solutions de recherche sémantique et optimiser la pertinence des réponses générées
• Réduire les hallucinations des modèles grâce à des mécanismes d’évaluation et de contrôle
• Développer des APIs et services backend autour des modèles IA
• Transformer des POC en solutions production-ready
• Mettre en place les bonnes pratiques : tests, versioning, documentation, monitoring, CI/CD
• Participer au déploiement des solutions sur des environnements Cloud
• Définir des métriques d’évaluation adaptées aux systèmes GenAI : qualité des réponses, pertinence du retrieval, précision, latence, coûts
• Mettre en place des frameworks d’évaluation : RAGAS, LLM-as-a-Judge, benchmarks métiers
• Réaliser des expérimentations pour améliorer les performances
• Analyser les besoins utilisateurs et traduire les problématiques métiers en solutions IA
• Présenter les résultats auprès d’interlocuteurs techniques et non techniques
• Participer à la diffusion des bonnes pratiques autour de l’IA générative

Livrables attendus

Livrables fonctionnels :

• Analyse des besoins métiers et identification des cas d’usage IA pertinents
• Documentation des solutions proposées
• Spécifications fonctionnelles et techniques

Livrables techniques :

• Prototypes et applications GenAI fonctionnelles
• Architectures RAG documentées
• Pipelines d’ingestion et d’indexation documentaire
• APIs et services IA
• Agents IA opérationnels
• Scripts et notebooks d’expérimentation

Livrables industrialisation :

• Code source versionné
• Documentation technique : architecture, déploiement, exploitation
• Pipelines CI/CD
• Métriques de suivi qualité et performance
• Documentation des modèles et prompts

Outils & Environnement

• TensorFlow, PyTorch, Scikit-learn
• Python avancé, SQL
• CI/CD, Git, Docker, MLflow, monitoring modèles
• Cloud : AWS, Azure, GCP
• NoSQL, Spark / PySpark
• LangChain ou frameworks équivalents
• Agents IA : LangGraph, CrewAI, AutoGen, OpenAI Agents SDK, MCP
• Technologies : Machine learning, IA générative, Deep learning, NLP, MLOps

Conditions de travail

• Lieu de la mission : Paris
• 2 jours de télétravail par semaine
• Date de démarrage : ASAP
• Mission de longue durée : 36 mois
• Anglais professionnel obligatoire