Contexte

Nous accompagnons depuis plusieurs années les entreprises dans leurs projets de transformation, d'ingénierie et d'innovation, en leur apportant un soutien opérationnel ciblé. Afin de regrouper et valoriser ces expertises, nous avons récemment créé Abylys, une société de consulting. L'un de nos axes de développement majeurs repose sur la mise en place d'une équipe pluridisciplinaire visant à adresser les problématiques de nos clients offshores dans le cadre de transformations digitales diverses. Pour l'un de nos premiers projets, nous collaborons avec un acteur de référence dans le cadre d'un projet de transformation digitale.

Missions principales: Conception et mise en oeuvre de solutions RAG

• Concevoir, developper et industrialiser des pipelines RAG de bout en bout, integrant les LLMs et les mécanismes d'IA generative aux processus métiers.
• Sélectionner, évaluer et optimiser les modèles d'embedding et les LLMs adaptes aux cas d'usage métiers.
• Mettre en place et optimiser les bases de données vectorielles (FAISS, Pinecone, Weaviate, Qdrant, Milvus).
• Concevoir les strategies de chunking, d'indexation et de recuperation des documents.
• Améliorer la pertinence des réponses (re-ranking, hybrid search, fine-tuning d'embeddings) et mettre en place des garde-fous.

Traitement et préparation des données

• Collecter, nettoyer et structurer les données documentaires et métiers en vue de leur exploitation par les modèles d'IA.
• Concevoir des pipelines d'ingestion, de transformation et de vectorisation des données.
• Garantir la qualité la fraicheur et la gouvernance des données.

Evaluation et amélioration continue

• Définir et suivre les métriques de performance (precision du retrieval, qualité des réponses, latence).
• Mettre en place des protocoles d'evaluation et de monitoring des modèles d'IA.
• Optimiser les couts et les performances et assurer une veille active sur l'evolution des modèles et techniques d'IA.

Collaboration et industrialisation

• Travailler en étroite collaboration avec les développeurs backend et les équipes métiers.
• Intégrer les solutions RAG / IA dans les applications et systèmes existants (MLOps).
• Contribuer a la documentation et a la capitalisation des bonnes pratiques.

Competences requises 

Techniques

• Maitrise de Python et de l'écosystème data/IA (PyTorch, TensorFlow, Hugging Face, LangChain, LlamaIndex).
• Solide expertise sur les modèles d'embedding (sentence-transformers, OpenAI, modèles open source).
• Maitrise des bases de données vectorielles et des techniques de recherche sémantique.
• Bonne connaissance des LLMs et de leurs mécanismes d'integration (prompting, fine-tuning, RAG, agents).
• Maitrise des techniques de NLP et de traitement documentaire.
• Connaissance des bases de données (SQL/NoSQL) et des pipelines de données.
• Notions de MLOps et de déploiement de modèles.

Methodologies

• Démarche expérimentale et orientée résultats.
• Travail en mode Agile (Scrum, Kanban).

Comportementales

• Esprit d'analyse, curiosité et gout pour l'innovation.
• Rigueur scientifique et capacité de synthèse.
• Bonne communication orale et écrite en français et anglais.
• Capacité a vulgariser des concepts complexes auprès des métiers.

Formation et experience

• Bac +5 en informatique, data science, IA ou equivalent.
• Experience confirmée de 3 a 5 ans minimum en data science / machine learning / IA.
• Experience concrete sur des projets RAG, embeddings, LLMs et bases vectorielles.
• Une experience en ESN est un atout.

Evolution possible

• Lead Data Scientist / Lead IA
• Architecte IA / MLOps
• Responsable de domaine Data & IA