AI Engineer - Data Science, LLM & Agents

Contexte

Nous accompagnons une startup spécialisée dans le commerce agentique, qui permet aux marques d’être présentes et de vendre au sein des interfaces IA conversationnelles comme ChatGPT ou Perplexity.

La société compte déjà plus de 150 marques clientes. Elle souhaite accélérer l’amélioration de son produit en combinant analyse des comportements utilisateurs, expérimentation et développement de systèmes agentiques.

Nous recherchons un profil issu de la Data Science, ayant évolué vers les LLM et les agents IA.

Votre mission : comprendre ce qui transforme une conversation en achat, puis construire la boucle agentique permettant d’améliorer le produit en continu. Vous travaillerez directement avec les fondateurs et les équipes produit et engineering.

Missions

Comprendre ce qui fait convertir les utilisateurs

• Explorer et croiser les conversations, les événements comportementaux, les données de conversion et les métadonnées produits et annonceurs.

• Analyser les parcours utilisateurs pour identifier les points de friction et les leviers favorisant l’achat.

• Étudier les liens entre les réponses des agents, leurs recommandations et les actions réalisées ensuite par les utilisateurs.

• Transformer les conversations en signaux exploitables : intentions, catégories et caractéristiques des demandes.

• Formuler des hypothèses d’amélioration et estimer leur impact potentiel.

Construire des agents et des pipelines LLM

• Concevoir et développer des agents ou des pipelines LLM répondant aux opportunités identifiées par l’analyse.

• Construire une boucle reliant les données utilisateurs, l’identification des améliorations, leur mise en œuvre et leur évaluation.

• Définir les étapes de traitement, les outils et les sources de données nécessaires aux workflows.

• Collaborer avec les équipes produit et engineering pour intégrer les évolutions au produit.

• Documenter les choix techniques et les limites des solutions développées.

Évaluer et améliorer les systèmes IA

• Définir des critères de succès mesurables pour les agents et les pipelines LLM.

• Construire des jeux de données et des scénarios d’évaluation représentatifs des usages réels.

• Analyser les erreurs, les réponses inadaptées et les limites des workflows.

• Mesurer la qualité des résultats et leur impact sur les comportements utilisateurs et la conversion.

• Améliorer les systèmes à partir des évaluations et des retours d’usage.

Expérimenter et renforcer la mesure

• Concevoir et analyser les A/B tests permettant de valider les évolutions : métriques, populations, taille d’échantillon, durée et critères de décision.

• Distinguer les effets réels du bruit, des biais de sélection et des artefacts de mesure.

• Reconnaître les situations où les données sont insuffisantes pour conclure.

• Identifier les lacunes du tracking et spécifier les événements et propriétés manquants.

• Utiliser des indicateurs intermédiaires pertinents lorsque les conversions sont rares, en explicitant leurs limites.

Conditions de la mission

• Statut : freelance ou portage salarial.

• Localisation : Paris 11e.

• Organisation : hybride, avec présence régulière sur site.

• Démarrage : ASAP.

• Rythme : temps plein.

• Durée : 1 à 3 mois.

• Perspective : possibilité d’évolution en CDI pour le bon profil

Pourquoi rejoindre cette mission ?

• Construire des systèmes IA appliqués aux nouveaux parcours d’achat.

• Relier directement analyse de données, développement agentique et impact business.

• Travailler avec les fondateurs et les équipes produit et engineering.

• Participer à l’amélioration continue d’un produit déjà commercialisé auprès de marques clientes.

Profil recherché

Compétences indispensables

• Au moins 4 ans d’expérience, avec un background solide et opérationnel en Data Science ou Analytics.

• Maîtrise avancée de SQL et Python.

• Solides compétences en statistiques, raisonnement causal et expérimentation.

• Expérience personnelle de conception et d’analyse d’A/B tests, au-delà de l’utilisation d’une plateforme de testing.

• Expérience concrète de construction d’agents IA ou de pipelines LLM, avec capacité à expliquer l’architecture, sa contribution personnelle et la méthode d’évaluation.

• Capacité à présenter une analyse ayant changé une décision produit ou business, avec des résultats chiffrés.

• Profil opérationnel, réalisant lui-même les analyses et les développements.

• Autonomie pour identifier les bonnes questions dans un problème ouvert et prioriser les actions.

• Utilisation quotidienne d’outils IA tels que Claude, Cursor ou des agents.

• Français courant et anglais professionnel.

• Résidence à Paris ou en Île-de-France, avec capacité à venir régulièrement au bureau.

• Disponibilité immédiate à temps plein et statut freelance ou portage salarial opérationnel.

Parcours particulièrement pertinents

• Product / Growth Data Scientist devenu AI Engineer, avec expérience de conversion ou de funnels et construction de systèmes LLM.

• Data Scientist issu de l’adtech ou du performance marketing, ayant développé des agents ou pipelines LLM.

• Data Scientist NLP / LLM, disposant également d’une expérience concrète d’analytics produit et d’expérimentation.

Atouts supplémentaires

• Résultats démontrés sur une métrique de conversion : parcours d’achat, checkout, pricing ou recommandations.

• Expérience de données de conversion rares, incomplètes ou bruitées.

• Extraction de signaux sur des textes utilisateurs réels : détection d’intentions, classification, clustering ou labellisation via LLM.

• Expérience e-commerce, retail, marketplace ou produit grand public.

• Attribution, ROAS, incrémentalité et mesure de performance marketing.

• Familiarité avec les systèmes de recherche, de ranking ou de recommandation.

• Expérience de BigQuery et PostHog.

• Expérience en startup, idéalement early-stage.

Aucun diplôme spécifique n’est exigé. Les parcours freelances comprenant plusieurs missions courtes sont bienvenus dès lors que les réalisations et leur impact sont démontrables.

Profils qui ne correspondent pas au besoin

• Data Scientist sans expérience concrète des LLM.

• Développeur dont l’expérience IA se limite à intégrer une API LLM, sans construction de workflow ni démarche d’évaluation.

• Profil exclusivement BI / reporting, sans analyse ayant conduit à une décision.

• Profil purement managérial, ne réalisant plus personnellement les analyses et développements.

• Profil de recherche sans application produit ou business démontrable.

Environnement technique

• Python et SQL.

• BigQuery et PostHog pour les données et l’analytics.

• LLM, agents IA et pipelines d’évaluation.

Aucun framework agentique spécifique n’est imposé dans le brief. La capacité à construire, évaluer et améliorer un système compte davantage que la seule liste des outils utilisés.