🧩 𝐃𝐚𝐭𝐚 𝐒𝐜𝐢𝐞𝐧𝐭𝐢𝐬𝐭 𝐆𝐞𝐧𝐀𝐈 (LLM / RAG / Agents) - Freelance

Taux journalier (TJM): 💶 Budget : 500 à 550 € HT / jour / 50 à 60 Keuros annuel en CDI (selon profil)

🧩 𝐃𝐚𝐭𝐚 𝐒𝐜𝐢𝐞𝐧𝐭𝐢𝐬𝐭 𝐆𝐞𝐧𝐀𝐈 (LLM / RAG / Agents)

🗂️ Informations pratiques

📍 Département : IDF (92)

🗓️ Démarrage : Mars 2026

⏳ Durée : mission longue, reconductible

🧾 Contrat : freelance ou CDI

💶 Budget : 500 à 550 € HT / jour / 50 à 60 Keuros annuel en CDI (selon profil)

🧑‍💻 Télétravail : 4 jours / semaine (1 jour sur site)

🧠 Séniorité : Confirmé (3 à 5 ans)

👤 Poste ouvert : Data Scientist GenAI

🌍 Secteur : Industrie

🧩 Contexte

Dans le cadre du développement d’une AI Factory interne, l’équipe Data renforce ses capacités autour de l’IA Générative afin d’industrialiser des cas d’usage métiers à forte valeur.

Le Data Scientist interviendra au sein d’un dispositif collaboratif impliquant Product Owner, Software Engineers, AI Catalysts et équipes IT, avec pour objectif de concevoir et déployer des solutions GenAI robustes et industrialisées intégrées à l’écosystème technologique existant.

🎯 Missions principales

• Concevoir et industrialiser des solutions d’IA Générative basées sur LLMs, Agents et architectures RAG.

• Traduire les besoins métiers priorisés par le Product Owner en solutions techniques robustes.

• Définir les architectures techniques GenAI : choix de modèles, orchestration d’agents, gestion des sessions et pipelines RAG.

• Développer et maintenir les composants applicatifs en Python et construire des briques réutilisables (prompts, agents, frameworks internes).

• Intégrer les solutions dans l’écosystème technologique existant (GenAI Core, OneAPI, Azure AI Foundry).

• Industrialiser les solutions via Docker, Kubernetes, CI/CD et Infrastructure as Code (Terraform).

• Mettre en place les pratiques MLOps : suivi d’expériences, versioning de modèles, tests de régression et validations pré-production.

• Garantir la qualité, la robustesse et l’observabilité des systèmes : métriques de performance, monitoring, tests adversariaux.

• Collaborer étroitement avec les équipes techniques et métiers pour assurer sécurité, conformité et adoption des solutions.

• Contribuer à la documentation, aux templates techniques et au partage de bonnes pratiques au sein de l’organisation.

🛠️ Environnement technique

• Langages / ML : Python, PyTorch, Transformers

• GenAI frameworks : LangChain, LangGraph, LangFuse

• Vector DB / recherche sémantique : Qdrant, Milvus

• Cloud : Azure (AI Foundry, AKS, WebApp)

• DevOps / MLOps : Docker, Kubernetes, CI/CD, Terraform

• Architecture : Agents, RAG, LLM orchestration, pipelines GenAI