AI Engineer Senior - IA Générative & Full Stack

Contexte

Notre client est un acteur industriel engagé dans l’industrialisation de cas d’usage d’IA générative afin d’accélérer l’automatisation de processus et d’améliorer la productivité des équipes opérationnelles. Dans un contexte de mise à l’échelle de solutions (chatbots, assistants et agents) et d’exigences fortes en matière de sécurité et d’architecture cloud, notre client souhaite renforcer son dispositif avec un AI Engineer capable de délivrer des solutions de bout en bout sur Azure.

La mission s’inscrit dans un programme de construction et de déploiement d’assistants conversationnels et d’agents IA destinés à supporter des processus métiers (support interne, recherche documentaire, aide à la décision, automatisation de tâches). L’objectif est de concevoir des solutions robustes, sécurisées et maintenables, depuis le prototypage jusqu’à la mise en production, en s’appuyant sur une stack IA générative (LLM, RAG, outils d’agentification) et une plateforme Azure conforme aux standards d’entreprise. Le consultant interviendra à l’interface entre les équipes métiers et IT pour transformer des besoins opérationnels en produits IA industrialisés, avec un focus sur la qualité logicielle, la performance, l’observabilité et la gouvernance (accès, données, conformité).

Missions

• Concevoir, développer et faire évoluer des chatbots/assistants et agents IA (approches RAG, outils, orchestration) en Python et LangChain, intégrés à des interfaces web (React/JavaScript).
• Cadrer et implémenter les cas d’usage métiers orientés automatisation de processus : recueil du besoin, définition des parcours utilisateurs, critères d’acceptation, et mesure de la valeur (gains de temps, qualité, réduction des irritants).
• Mettre en place une architecture Azure sécurisée et industrialisable : Azure Web Apps, VNet, Private Endpoints, intégration aux services IA (Azure AI Foundry, AI Search), et bonnes pratiques réseau/sécurité.
• Déployer l’infrastructure as code (Terraform) : modules, environnements (dev/recette/prod), gestion des variables/secrets, et standardisation des patterns de déploiement.
• Construire et maintenir les pipelines CI/CD (build, tests, déploiement) et contribuer aux pratiques DevSecOps : contrôles qualité, scans, gestion des versions, promotion inter-environnements.
• Intégrer les composants data nécessaires (SQL, indexation, recherche) et mettre en œuvre la chaîne RAG (ingestion, chunking, embeddings, retrieval, ranking) en tenant compte des contraintes documentaires (ex. extraction/Doc AI).
• Assurer la qualité et la fiabilité : tests (unitaires/intégration), gestion des erreurs, performance, gestion des coûts, monitoring et observabilité (logs, traces, suivi des prompts).
• Mettre en place des garde-fous IA : sécurité des prompts, contrôle d’accès, gestion des données sensibles, traçabilité, et recommandations de gouvernance (catalogue de prompts, évaluation, validation).
• Documenter les solutions (architecture, runbooks, guides d’exploitation) et accompagner la montée en compétence des équipes internes (revues de code, ateliers, partage de bonnes pratiques).

Outils & Environnement

• Langages & Frameworks : Python, LangChain, React, JavaScript, SQL
• IA générative : LLMs, RAG, agentification, prompt engineering, évaluation de réponses
• Cloud & Infrastructure : Azure Web Apps, VNet, Private Endpoints, Azure AI Foundry, Azure AI Search
• Infrastructure as Code : Terraform (modules, state, environnements)
• CI/CD & DevSecOps : Azure DevOps, GitHub Actions ou équivalent
• Outils documentaires : LiteLLM, Mistral Doc AI (ou équivalents)
• Méthodologies : bonnes pratiques de packaging, tests, qualité logicielle, sécurité, gouvernance

Conditions de travail

• Date de démarrage : ASAP
• Durée : 1 an renouvelable
• Localisation : La Défense
• Télétravail : 3 jours par semaine
• TJM : Selon profil

1. Python (développement applicatif, APIs, bonnes pratiques de packaging et tests)
2. IA générative : LLMs, RAG, agentification, prompt engineering, évaluation de réponses
3. LangChain (ou framework équivalent) pour orchestration d’agents et chaînes RAG
4. Azure : Web Apps, VNet, Private Endpoints, services IA (Azure AI Foundry), intégration sécurisée
5. Azure AI Search / moteurs de recherche vectorielle et hybride
6. Infrastructure as Code : Terraform (modules, state, environnements)
7. CI/CD (Azure DevOps, GitHub Actions ou équivalent) et pratiques DevSecOps
8. Front-end : React, JavaScript (intégration UI d’assistants, consommation d’APIs)
9. SQL et notions data (modélisation, requêtes, intégration applicative)
10. Outils/solutions : LiteLLM, Mistral Doc AI (ou équivalents) pour routage et traitement documentaire
11. Compréhension des enjeux industriels et des processus opérationnels (automatisation, qualité, productivité)
12. Capacité à traduire des besoins métiers en user stories et parcours conversationnels
13. Approche produit : priorisation, itérations, définition de MVP puis industrialisation
14. Sensibilité sécurité / conformité (données sensibles, accès, traçabilité) en environnement entreprise
15. Communication avec des parties prenantes multiples (métiers, IT, sécurité, data)
16. Autonomie et forte capacité de delivery end-to-end
17. Rigueur d’ingénierie (qualité, tests, documentation, maintenabilité)
18. Esprit de synthèse et sens du pragmatisme (MVP vs industrialisation)
19. Capacité à challenger et proposer des solutions adaptées (architecture, coûts, performance)
20. Aisance en travail collaboratif (revues de code, ateliers, co-construction)