Développeur Confirmé IA Générative - CDI - CDI

Contexte

Dans le cadre du lancement du programme DevX, qui vise à industrialiser et standardiser les pratiques de développement de la DSI tout en intégrant massivement l'IA générative dans les outils du quotidien (IDE, CI/CD), nous recherchons un profil de Développeur Confirmé.

Missions

• Travailler sur l’IA générative et le modern engineering, notamment avec LangChain/LanGraf ou équivalent, LLM, RAG, Prompt Engineering.
• Maîtriser l’outillage IA comme Github Copilot (ou équivalent) pour le code.
• Développer en Python.
• Appliquer une forte culture DevOps et automatisation avec des pratiques de craftsmanship, "Everything-as-Code" et manipulation d’API.
• Gérer les pipelines CI/CD avec Jenkins, Gitlab-CI, Maven, Artifactory, SonarQube.
• Utiliser IaC et config management avec Terraform et Ansible.
• Travailler avec la conteneurisation Docker et Kubernetes.
• Scripting Shell.
• Assurer la sécurité via la gestion des certificats/SSL et bonnes pratiques SecOps.
• Développer sur une stack standard : backend Java/SpringBoot, frontend Angular/Typescript, cloud AWS, versioning Git avec flows collaboratifs avancés.
• Appliquer la méthodologie agile à l’échelle SAFe, avec une expérience concrète en train SAFe.
• Communiquer efficacement en synthétisant et exposant un raisonnement technique logique et argumenté (niveau présentation CoDir DSI).
• Faire preuve d’autonomie et capacité à travailler en transverse.

Outils & Environnement

• IA agentique & frameworks : LangChain, LanGraf ou équivalent.
• GenAI : LLM, RAG, Prompt Engineering.
• Outillage IA : Github Copilot ou équivalent.
• Langages : Python, Java, Typescript.
• CI/CD : Jenkins, Gitlab-CI, Maven, Artifactory, SonarQube.
• IaC & Config Management : Terraform, Ansible.
• Conteneurisation : Docker, Kubernetes.
• Scripting : Shell.
• Cloud : AWS.
• Versioning : Git (flows collaboratifs avancés).
• Méthodologie agile SAFe.

Contexte technique détaillé sur la contextualisation et RAG

• La contextualisation consiste à fournir les bonnes informations métier au LLM (type GPT-4 ou équivalent) pour éviter des réponses génériques ou des hallucinations.
• Le RAG (Retrieval-Augmented Generation) est au cœur de cette contextualisation dynamique : l’utilisateur pose une question, on requête les données internes (docs, code, KB…), on récupère les morceaux pertinents, puis on les injecte dans le prompt du LLM.
• Les données peuvent provenir de bases de données, APIs internes, documentation (Confluence, Git…), logs, tickets.
• Les méthodes de récupération incluent recherche classique (SQL, API) et recherche sémantique (embeddings + vector DB) avec des outils comme Elasticsearch (full-text) ou Pinecone (vector search).
• Exemple concret : un développeur demande comment configurer un pipeline Jenkins, la contextualisation permet de fournir une réponse spécifique basée sur le repo Git et la documentation interne CI/CD.
• L’IA agentique avec des frameworks comme LangChain automatise ce processus en décidant quoi requêter, appelant API/DB, construisant le contexte et appelant le LLM.
• L’objectif du programme DevX est d’intégrer l’IA dans IDE, CI/CD, etc., pour suggérer du code basé sur le repo, expliquer une erreur CI/CD avec logs internes, générer du code conforme aux standards DSI.

Conditions de travail

• Projet sur 6 mois axé sur la contextualisation et l’injection de données dans les prompts pour éviter les hallucinations.
• Cadre SAFe avec micro-équipes aux rôles très spécifiques, méthode agile avancée.
• CDI souhaité, préférence pour un profil interne.
• Package attractif, tarif à discuter avec le contact Rayan.