Le client recherche un profil Machine Learning Engineer / AI Engineer avec une forte sensibilité MLOps, conteneurisation et software engineering, pour intervenir sur plusieurs sujets IA déjà en production ou en cours d'industrialisation.
Principales missions
1. Industrialisation et monitoring d'agents IA
Finaliser une application de monitoring d'agents IA.
Mettre en place des fonctionnalités d'évaluation offline à partir de datasets de test.
Comparer différentes versions de prompts, modèles ou architectures d'agents.
Intégrer les feedbacks utilisateurs dans les processus d'évaluation.
Enrichir les traces avec les prompts système, modèles utilisés et consommation de tokens.
Conteneuriser l'application et assurer son déploiement.
Réaliser les tests de fonctionnement dans un environnement partagé.
2. Sécurité des LLM
Développer et entraîner des modèles de détection de :
Prompt Injection
Jailbreak
Les intégrer aux applications métiers et à l'outil de monitoring.
3. Cas d'usage IA métier
Implémenter et tester des templates ESG.
Développer de nouvelles fonctionnalités pour la Direction des Investissements.
Ajouter une fonctionnalité de recherche web au sein de l'application IA.
4. Machine Learning & Recommandation
Finaliser une pipeline de segmentation dans Dataiku.
Construire les fondations d'un moteur de recommandation avec les équipes BI.
5. Expertise et accompagnement IA
Apporter un support technique sur différents POC et projets IA internes.
Conseiller les métiers sur l'évaluation ou l'intégration de solutions IA externes.
Machine Learning Engineer / AI Engineer confirmé
Solides compétences en :
Python
LLM / IA Générative
Évaluation de modèles et prompts
Dataiku
MLOps
Docker / Kubernetes / Conteneurisation
Déploiement et industrialisation de solutions IA
Bonne compréhension des problématiques de sécurité des LLM (prompt injection, jailbreak).
Expérience de développement logiciel (backend idéalement).
Capacité à intervenir aussi bien sur des sujets techniques que sur l'accompagnement métier.
Connectez-vous pour consulter des avis authentiques, des évaluations anonymes et des données salariales avant de postuler.