AI Engineer

Contexte

Création de poste au sein d’une équipe mutualisée dédiée au Business renouvelables et batteries. L’équipe accompagne les phases de développement, de construction et d’exploitation-maintenance de parcs éoliens, solaires et batteries. Projets en continu, sur une mission longue.

Missions

• Concevoir, livrer et industrialiser des solutions d’IA générative, d’IA agentique et des systèmes multi-agents sur Databricks, ainsi que les pipelines de données qui les alimentent.

• Conception des cas d’usage IA : qualifier les cas d’usage avec les équipes métier et SI, évaluer leur faisabilité et leur valeur, et définir l’architecture cible (agent, multi-agent, recherche agentique).

• Ingénierie du contexte : donner aux LLM et aux agents un accès gouverné à la connaissance de l’entreprise (Vector Search, Genie / SQL, outils MCP, Model Serving, Foundation Model APIs, LLM externes via AI Gateway). Concevoir les stratégies de contexte : sélection des sources, mémoire, budget de contexte, ingénierie de prompts.

• Développement d’IA agentique : concevoir et développer des agents IA et des systèmes multi-agents (LangGraph, Claude Agent SDK, OpenAI Agents SDK, Databricks Agent Bricks / Agent Framework, appel d’outils, MCP, intégration Genie), avec une orchestration claire, des garde-fous et une validation humaine si nécessaire.

• Ingénierie des données pour l’IA : concevoir et opérer les pipelines de données (Spark, Delta Lake, Lakeflow / DLT, Jobs) qui collectent, nettoient, structurent et rafraîchissent les données structurées et non structurées (documents, PDF, séries temporelles).

• LLMOps :

  • évaluer les agents (Agent Evaluation, LLM-as-a-judge, jeux de données de référence) ;

  • tracer et versionner les agents avec MLflow ;

  • déployer via une CI/CD Git et les Databricks Asset Bundles ;

  • gouverner et superviser les endpoints LLM avec AI Gateway ;

  • suivre la qualité, la latence et les coûts en production.

• Veille technologique : tester et évaluer les nouvelles fonctionnalités IA de Databricks, les LLM et les frameworks agentiques, puis recommander leur adoption.

• Reporting et communication : suivre l’avancement des cas d’usage, présenter les résultats aux parties prenantes et partager les bonnes pratiques avec la communauté IT.

Principaux enjeux

• Passer du POC à la production : livrer des solutions robustes, sécurisées, supervisées et maîtrisées en coût, utilisées au quotidien par le métier.

• Qualité et confiance : garantir la qualité, la traçabilité et la sécurité des réponses des LLM et des agents.

• Concilier innovation et gouvernance : livrer rapidement tout en respectant les standards data, IA et sécurité.

Conditions de travail

• Démarrage : début novembre 2026

• Durée : 3 ans

• Lieu : La Garenne-Colombes

• Télétravail : 2 jours par semaine

1. Compétences avancées en Databricks (AI Gateway, Model Serving, Vector Search, Unity Catalog, Workflows)
2. Compétences avancées en IA générative (LLM, ingénierie du contexte, recherche agentique, ingénierie de prompts, évaluation)
3. Compétences avancées en IA agentique (agents, systèmes multi-agents, appel d’outils, MCP, LangGraph, Claude Agent SDK, OpenAI Agents SDK, Databricks Agent Bricks)
4. Compétences avancées en data engineering (Spark, Delta Lake, Lakeflow / DLT, pipelines, modélisation de données)
5. Compétences appréciées en Python (PySpark, SDK de LLM, API)
6. Compétences appréciées en Cloud AWS / Azure (Bedrock, Azure OpenAI)
7. Compétences confirmées en LLMOps (évaluation, traçage, supervision, Asset Bundles)
8. Compétences confirmées en Git et CI/CD
9. Anglais obligatoire
10. Une connaissance du secteur des énergies renouvelables est un vrai plus