AI Engineer

Mission : Transformer les processus rédactionnels complexes du domaine de la construction en solutions d'IA générative performantes. Vous êtes le pont entre les besoins des opérationnels (réponse aux appels d'offres) et une implémentation technique de pointe, industrialisée et scalable.

Vos Responsabilités

- Analyse & Modélisation Métier : Collaborer étroitement avec les équipes opérationnelles pour décortiquer les processus de réponse aux appels d'offres (analyse de DCE, CCTP, mémoires techniques) et les traduire en logique algorithmique

-Développement de la Logique IA : Implémenter et affiner les chaînes de traitement LLM et l'orchestration d'agents (LangChain, Pydantic AI) pour gérer des tâches itératives complexes

- Ingénierie RAG de Précision : Développer et optimiser les pipelines d'ingestion et de récupération de documents (base vectorielle Elasticsearch) pour garantir que l'IA s'appuie sur les bonnes références techniques de l'entreprise

Qualité & évaluation des sorties LLM :

Mettre en place des pipelines d'évaluation pour mesurer la pertinence, la cohérence et la complétude des mémoires générées. Itérer sur les prompts, les stratégies RAG et les chaînes d'agents à partir de métriques objectives

Software Engineering & API :

Développer des API robustes (FastAPI),définir les contrats d'interface clairs et implémenter la logique asynchrone pour garantir une expérience utilisateur fluide malgré des temps de traitement parfois longs

Mise en production & robustesse :

Livrer des fonctionnalités en production.Gérer la montée en charge, anticiper les cas limites (documents malformés, réponses LLM incohérentes, timeouts) et contribuer à l'observabilité des pipelines IA (traces, latences, taux d'erreur)

Adaptabilité Technique :

Ajuster l'implémentation en fonction descontraintes de sécurité, de consommation de tokens, des limites de l'infrastructure existante et des retours utilisateurs sur la qualité du contenu produit.

Stack Technique

- Langage : Python

- Frameworks : FastAPI, Pydantic, Pytest, LangChain et Pydantic AI

- Cloud Azure : Azure OpenAI & Mistral, Elasticsearch, Azure Service Bus

- Patterns IA : parsing, RAG, orchestration d'agents, évaluation LLM, prompt engineering avancé

- DevOps : Docker, CI/CD (Azure DevOps), Git

Profil Recherché

Expérience :

3 à 5 ans minimum en tant que Data Scientist / AI Engineer avec plusieurs projets déployés en production. Les profils ayant réalisé uniquement des POCs ou prototypes ne seront pas retenus

Culture "Production-First" :

Vous savez que le code de production demande une gestion d'erreurs exemplaire, du logging et des contrats d'interface stricts

Sens de l'écoute :

À l'aise dans un environnement où les process métier sont complexes, parfois mal documentés et où il faut savoir avancer avec de l'ambiguïté. Vous appréciez discuter avec des non-techniciens pour comprendre pourquoi une phrase dans un mémoire technique est cruciale et comment l'IA peut aider à la rédiger

Pragmatisme :

Vous savez choisir la solution la plus efficace plutôt que la plus complexe. Vous êtes à l'aise dans un environnement qui évolue vite et demande de s'adapter aux contraintes organisationnelles

Atout :

Connaissance des processus d'appels d'offres dans la construction (DCE, CCTP, mémoires techniques, critères de notation)

Le poste vise à industrialiser l’IA générative appliquée aux réponses aux appels d’offres dans le secteur de la construction, avec une forte orientation métier et production.

L’un des enjeux majeurs est de comprendre et modéliser des processus complexes (DCE, CCTP, mémoires techniques) afin de les transformer en logique exploitable par des systèmes IA.

Le rôle demande une capacité à concevoir et orchestrer des workflows LLM avancés, notamment via LangChain et des agents IA capables de gérer des tâches itératives et multi-étapes.

Une expertise solide en RAG est centrale, avec la mise en place de pipelines de recherche documentaire fiables reposant sur Elasticsearch pour garantir des réponses contextualisées et pertinentes.

Le poste accorde une importance forte à l’évaluation qualité des sorties LLM, avec des métriques objectives sur la pertinence, la cohérence et la complétude des contenus générés.

La dimension software engineering est structurante : développement d’API robustes en FastAPI, gestion de l’asynchrone et définition de contrats d’interface stables.

Une culture “production-first” est indispensable, incluant gestion des erreurs, observabilité, monitoring, montée en charge et traitement des cas limites liés aux modèles IA.

L’environnement technique repose principalement sur Python, Azure OpenAI/Mistral, Elasticsearch, Docker, CI/CD Azure DevOps et des pratiques DevOps modernes.

Le profil recherché doit être capable d’évoluer dans un contexte métier complexe et ambigu, avec une forte capacité d’écoute et de collaboration avec des équipes non techniques.

Enfin, l’entreprise valorise un profil pragmatique, orienté impact et livraison concrète, avec idéalement une connaissance des mécanismes d’appels d’offres dans le secteur de la construction.