Salaire: selon le profil

Développeur(se) Full-Stack Confirmé(e) (Python / JS) avec dimension IA (nationalité Française)

Informations clés

-

Contrat : CDI

Localisation : Paris (hybride)

Niveau : Confirmé (≈ 3–6 ans d'expérience)

Positionnement : Développement logiciel d'abord (produit & plateforme), IA en fonctionnalité intégrée

Contexte & objectif du poste

Tu rejoins une équipe AgenceTech/ Produit qui construit et opère des application web pour des clients ou en propre avec des enjeux de qualité, performance, sécurité et mise à l'échelle.

La dimension IA sert à augmenter le produit (assistant, recherche, automatisations, classification, extraction, recommandations…) ajouter des fonctionnalités, nous sommes en train de déployer une méthode projet assisté par l'IA.

Mais le cœur du rôle reste celui d'un(e) développeur(se) full-stack capable de livrer en production.

Missions

• Développer des fonctionnalités front + back de bout en bout : conception, implémentation, tests, déploiement, monitoring.

• Concevoir et opérer des API robustes (contrats, versioning, sécurité, performance).

• Intégrer des briques IA de manière industrialisée : pipelines, serving, évaluations, observabilité, coûts.

• Améliorer en continu l'architecture, la qualité et la maintenabilité (refacto, dette tech, standards).

Responsabilités

Frontend (JS/TS)

• Construire des interfaces claires et fiables (React/Next.js ou équivalent).

• Gestion d'état, formulaires, appels API, UX des parcours IA (feedback, affichage de sources, modes dégradés).

• Qualité front : tests, accessibilité, perf web, observabilité côté client si en place.

Développement IA (Python)

• Concevoir et implémenter des pipelines IA : préparation des données, entraînement/finetuning (si applicable), inférence.

• Mettre en place des services d'inférence (API) et optimiser latence/coûts.

• Évaluer la qualité : jeux de tests, métriques, protocoles d'évaluation (y compris pour LLM : scoring, tests de non-régression).

• Industrialiser : versionning modèles, reproductibilité, packaging, déploiement, rollback.

LLM & solutions génératives (si périmètre concerné)

• Développer des assistants IA : RAG, outils (tools/functions), workflows, guardrails.

• Gérer les données : indexation, chunking, embeddings, recherche sémantique, reranking.

• Sécuriser : gestion des secrets, contrôle d'accès, filtrage/validation des entrées et sorties, prévention fuite de données.

Engineering & delivery

• Tests (unitaires/intégration/e2e), revues de code, documentation.

• CI/CD, Docker, environnements, secrets, observabilité (logs/métriques/traces).

• Sécurité applicative (OWASP), gestion des accès, conformité (RGPD selon contexte).

Stack cible (à adapter)

-

Backend : Python 3.11+, FastAPI, Pydantic, SQLAlchemy, Celery/RQ, PostgreSQL, Redis

Frontend : TypeScript, React, Next.js, API clients, tests (Vitest/Jest, Playwright/Cypress)

Infra : Docker, CI/CD (GitHub Actions/GitLab CI), cloud (AWS/Azure/GCP), éventuellement Kubernetes

Observabilité : OpenTelemetry, Sentry, Prometheus/Grafana (selon stack)

IA (si présent) : Embeddings + moteur vectoriel (pgvector/Weaviate/…), outils RAG, pipelines d'évaluation

Profil recherché (must-have)

• Expérience confirmée en full-stack (front + back) avec livraison en production.

• Très bonne maîtrise Python (API, performance, tests, patterns) et JavaScript/TypeScript (front moderne).

• Bonnes pratiques d'ingénierie : qualité, tests, CI/CD, code review, documentation.

• Capacité à prendre un sujet "produit" et le transformer en implémentation propre et maintenable.

• Expérience d'intégration IA (LLM/RAG, classification, extraction, recommandation) en production.

• Expérience sécurité, multi-tenant, contraintes data sensibles.

• Expérience scaling : caching, async, queues, optimisation DB, observabilité avancée.

Ce qui sera évalué

• Capacité à concevoir et livrer une feature end-to-end (front/back) avec un bon niveau de qualité.

• Maîtrise des fondamentaux : tests, perf, sécurité, erreurs, observabilité.

• Approche pragmatique de l'IA : intégration propre, mesurable, exploitable.

Exemples de réalisations attendues (3–6 mois)

• 2–3 features full-stack livrées, testées, monitorées.

• Mise en place ou amélioration d'une chaîne qualité (tests, CI, lint, conventions).

• Une fonctionnalité IA intégrée avec protocole d'évaluation et suivi de prod (latence/coût/qualité).