Développeur IA / LLMOps : LLM, RAG, Speech-to-text

Bonjour,

Nous recherchons pour notre client grand compte un Développeur IA / LLMOps : IA générative, NLP et Speech-to-text

Nous étudions - prioritairement - les candidatures qui nous sont adressées à freelance à insyco . fr avec les informations suivantes :

• Argumentaire écrit répondant de façon ciblée au besoin ci-dessous

• CV à jour

• Date de prochaine disponibilité

• Tarif journalier

• Merci d'indiquer la référence MDE/LLM/5577 dans l'objet de votre message

Contexte de la prestation

Une direction produit et technologie recherche une prestation de développement IA / LLMOps pour collaborer avec l'équipe IA transverse sur les développements IA, IA générative, NLP et Speech-to-text.

Activités principales attendues

• Développer des solutions d'IA et d'IA générative et les déployer en production

• Concevoir des architectures LLM, mettre en place des RAG, des modèles d'embeddings et des bases vectorielles

• Suivre les expérimentations, évaluer les modèles (LLM-as-judge, golden datasets) et gérer le drift de prompts via MLflow

• Développer et exposer des routes API métiers : Speech-to-text, classification de contenus et de commentaires, titraille SEO, contextualisation

• Collaborer avec l'équipe IA transverse

Profil recherché

Compétences techniques et fonctionnelles requises

• Expertise IA et mise en production : minimum 3 ans en développement IA/ML/DL avec des déploiements effectifs en production

• Expérience attendue : Confirmé, 3 à 5 ans d'expertise significative dans le type d'expertise demandé

• Développement Python/Node et SQL : maîtrise de Python et/ou Node.js appliqué à l'IA et de la manipulation de données avec SQL

• LLM, RAG et bases vectorielles : conception d'architectures LLM, mise en place de RAG, modèles d'embeddings et bases vectorielles

• DevOps et containerisation : maîtrise de Docker, Kubernetes et des pipelines de CI/CD avec GitLab

• MLOps et qualité LLM (MLflow) : suivi d'expérimentations, évaluation (LLM-as-judge, golden datasets) et gestion du drift de prompts via MLflow

• NLP et Speech-to-text : capacité à développer et exposer des routes API métiers (Speech-to-text, classification de contenus et de commentaires, titraille SEO, contextualisation)

Compétences souhaitées

• Architectures cloud et hybrides : expérience sur GCP, Azure ou cloud souverain (OVH/Scaleway) couplée à des contraintes on-premise

• Systèmes agentiques et scalabilité : conception d'agents IA, déploiement de SLM et tests de performance (charge, stress, endurance)

• Monitoring et observabilité : suivi des performances système et métriques applicatives via Prometheus et Grafana

Compétences transverses

• Autonomie dans le flou

• Vulgarisation auprès de profils non techniques

• Pratique des rituels agiles