Contexte

La mission consiste à construire des systèmes d’intelligence artificielle permettant d’éliminer des tâches répétitives des équipes Sales, Ops et Customer Success.

Les systèmes développés doivent être utilisés en production, maintenus dans le temps et mesurés.

L’objectif est de livrer du code utilisé quotidiennement, maintenu et amélioré dans la durée.

Enjeux principaux

Valorisation de la donnée interne via RAG et enrichissement automatique

L’entreprise dispose d’une base de données interne contenant notamment :

• logements

• prestataires

• événements

• retours clients

L’objectif est de permettre l’interrogation et l’enrichissement automatique de ces données afin d’en extraire de la valeur sans intervention manuelle.

Extraction de données depuis des documents

L’entreprise reçoit en continu des informations non structurées sous différentes formes :

• emails

• devis

• formulaires

• bons de commande

• pièces jointes

L’objectif est de transformer ces informations en données exploitables de manière fiable, traçable et à grande échelle.

Orchestration d’agents sur des processus métier

La mission comprend l’automatisation de workflows métier complets.

Les systèmes développés peuvent inclure :

• des agents multi-étapes

• des handoffs humain / machine

• la gestion des erreurs

• des boucles de feedback

Ces automatisations s’appliquent à des processus métiers réels avec des contraintes opérationnelles.

Profil recherché

Le consultant doit maîtriser en profondeur au moins un des domaines suivants :

• systèmes RAG

• orchestration d’agents

• extraction documentaire

Il doit également être capable de progresser sur les autres sujets.

Expérience attendue

• 4 ans d’expérience ou plus sur des sujets pertinents

• expérience sur des systèmes IA utilisés en production

Selon le domaine de spécialisation, les expériences peuvent inclure :

• construction de pipelines RAG sur des corpus internes avec Elastic Search, Voyage AI ou équivalent (chunking, re-ranking, évaluation de la pertinence)

• déploiement d’agents LangGraph ou LangChain en production (gestion d’état, retries, human-in-the-loop, observabilité)

• développement de pipelines d’extraction documentaire (LLM, approches hybrides regex + LLM, ou parsing de layout)

Stack technique

• Python (FastAPI, async)

• LangChain / LangGraph

• OpenAI / Gemini

• Elastic Search

• BigQuery

• GCP

• MongoDB