Senior AI Engineer – IA Générative, Agents & LLMOps - Freelance

Dans le cadre de sa transformation digitale et de l’accélération de ses initiatives autour de l’Intelligence Artificielle, un grand groupe international recherche un·e Senior AI Engineer pour rejoindre une équipe Data & AI transverse.

La mission consiste à intervenir sur l’ensemble du cycle de vie de solutions d’IA générative et agentique, depuis l’identification et le cadrage des cas d’usage jusqu’à leur industrialisation et leur mise en production.

L’objectif est de développer des solutions IA à forte valeur métier, robustes, sécurisées, mesurables et capables de fonctionner à l’échelle dans un environnement international.

Vos principales missions :

Cadrage et priorisation des cas d’usage

• Participer aux ateliers avec les équipes métier, produit et Data afin d’identifier et formaliser les cas d’usage IA à fort potentiel.

• Évaluer leur valeur business, leur faisabilité technique, la disponibilité des données et les risques associés.

• Définir les KPIs, critères d’acceptation et méthodologies d’évaluation.

• Contribuer à la priorisation des projets et à leur feuille de route.

Conception et prototypage GenAI

• Concevoir des architectures et pipelines basés notamment sur les LLM, RAG, recherche sémantique, agents et systèmes multi-agents.

• Développer des prototypes et POC en Python.

• Mettre en œuvre des approches de prompt engineering, embeddings, fine-tuning lorsque pertinent et évaluation des modèles.

• Mesurer la qualité, la robustesse, les biais, les coûts et la latence des solutions.

• Définir les garde-fous nécessaires à une utilisation fiable et sécurisée des LLM.

Industrialisation & LLMOps / MLOps

• Transformer les POC validés en solutions robustes et exploitables en production.

• Mettre en place des composants reproductibles, testés et versionnés.

• Collaborer avec les équipes Data Engineering, MLOps, architecture et sécurité.

• Participer à l'intégration des solutions dans un environnement Azure : CI/CD, Docker, Kubernetes, orchestration et observabilité.

• Mettre en œuvre le monitoring des performances, de la qualité des réponses, des coûts et de la disponibilité.

• Optimiser les architectures afin de garantir performance, résilience et maîtrise des coûts.

Collaboration et transfert de compétences

• Travailler avec des équipes techniques et métiers dans un contexte international.

• Participer aux revues de code, démonstrations et rituels projets.

• Documenter les architectures, choix techniques et procédures d’exploitation.

• Assurer le transfert de connaissances afin de permettre aux équipes internes de reprendre et faire évoluer les solutions.

Exemples de cas d’usage

Les projets adressés pourront notamment concerner :

• l’automatisation du traitement et de la réponse à des retours clients ;

• des assistants de génération, traduction et localisation de contenus ;

• des agents IA appliqués au CRM et à la personnalisation des interactions clients ;

• des systèmes de recommandation exploitant l’historique et les données comportementales ;

• l’internalisation et l’industrialisation de solutions GenAI initialement développées par des partenaires externes.