AI / ML/ LLM engineer H/F

D’ici décembre 2026, l’équipe souhaite :

*Tester des outils d’IA capables de lire et structurer les retours clients, les préférences et les tendances du marché, puis d’en extraire des idées d’innovation concrètes et des cas d’usage liés au développement de procédés et à la production.

*Explorer des concepts d’IA appliqués aux opérations de bioprocess unitaires, susceptibles de modifier ou de différencier nettement l’offre produit, notamment sur les thèmes d’Automation, PAT et Analytics.

*La mission du consultant est d’explorer ces directions, de concevoir, construire et tester des démonstrateurs d’agents sur des plateformes approuvées en interne, puis de documenter ce qui fonctionne suffisamment bien pour justifier un investissement complémentaire.

3.1 Explorer les cas d’usage et les outils existants

Le consultant devra :

- Identifier, clarifier et formaliser les cas d’usage d’IA avec les product owners, les experts process et les ingénieurs logiciel, notamment autour de :

*l’analyse par IA des retours clients, préférences, tendances technologiques et tendances marché, afin d’identifier besoins, points de douleur et idées d’innovation ;

*le soutien par IA des opérations de bioprocédés, par exemple :

*au niveau proche de la recette (comment utiliser, assistants de recommandation, assistants de connaissances ou outils d’aide au développement de procédés) ;

*au niveau analytics (comment générer des insights).

- Effectuer un benchmark du marché et de l’écosystème interne pour identifier les outils et solutions COTS pertinents.

- Vérifier quelles options peuvent fonctionner sur l’infrastructure approuvée en interne et respecter les règles internes relatives aux données, à la sécurité et à l’usage de l’IA.

3.2 Construire des démonstrateurs d’agents IA

Lorsqu’aucune solution immédiatement utilisable n’est disponible ou qu’une personnalisation supplémentaire est nécessaire, le consultant devra :

Concevoir de petits démonstrateurs IA ciblés pour les cas d’usage retenus (sans ordre de priorité) :

*des workflows permettant d’analyser le feedback client et d’identifier des cas d’usage ou des idées d’innovation ;

*des prototypes IA (ML et/ou LLM) pour soutenir les opérations de bioprocess mentionnées en 3.1.

Construire des “harnesses” d’agents adaptés à chaque démonstrateur (pas une plateforme générique), incluant :

*l’intégration avec les outils et APIs autorisés ;

*des stratégies de prompting et des workflows que les parties prenantes peuvent comprendre et valider.

Utiliser uniquement des solutions LLM approuvées en interne exposant des APIs LLM dès lors que des données internes sont traitées.

Se concentrer sur un prototypage rapide orienté valeur, plutôt que sur une industrialisation complète.

Capitaliser les expériences via une bibliothèque / boîte à outils commune de prompts, outils (MCP, agents, méthodes d’évaluation, etc.).

3.3 Évaluation légère et itération

Le consultant devra :

Définir des approches d’évaluation simples pour chaque démonstrateur, par exemple :

*de petits scénarios de test ou petits jeux de données ;

*des séances de revue avec des experts métiers ;

*des scores qualitatifs simples pour la pertinence, l’utilité et le gain de temps.

Mettre en place des scripts ou outils d’évaluation basiques lorsque cela contribue à structurer les retours.

Consigner les résultats, limites et prochaines étapes dans des notes courtes.

3.5 Collaboration, documentation et partage

Le consultant est attendu :

Pour travailler en étroite collaboration avec les ingénieurs logiciel, les architectes, les product owners et les experts métiers.

Pour documenter le code, la configuration et les choix de conception à un niveau qui permet aux équipes internes de reprendre plus tard le travail.

Pour préparer et réaliser des démonstrations auprès d’auditoires techniques et non techniques.

Pour contribuer au partage interne des bonnes pratiques IA et des enseignements (par exemple via de courtes notes, des sessions de show‑and‑tell ou des pages internes).

Profil requis :

Titulaire d’un PhD ou équivalent.

Compétences techniques

Solide expérience pratique en tant qu’ingénieur(e) AI/ML/LLM.

Expérience concrète en machine learning, ainsi qu’avec des petits et grands modèles de langage (LLM).

Expérience dans la conception ou l’intégration d’agents IA ou de workflows complexes basés sur des LLM.

Solides compétences de développement adaptées au prototypage rapide (langages et frameworks flexibles).

Capacité à concevoir et implémenter des évaluations légères pour des solutions basées sur des LLM et des agents.

Expérience d’utilisation d’APIs LLM d’entreprise fournies par des plateformes managées.

Solides compétences en architecture logicielle, en particulier pour des systèmes petits et embarqués.

Compétences métier et qualités humaines

Connaissance générale des sciences de la vie, avec un intérêt et une volontiendaient à en apprendre davantage sur le bioprocessing.

Maîtrise courante de l’anglais (oral et écrit).

Aisance à travailler sur site au sein d’une équipe agile et pluridisciplinaire.

Capacité à expliquer clairement un travail technique à des publics variés et à mener des discussions sur la faisabilité et les prochaines étapes.

Capacité à interviewer les parties prenantes et à intégrer leurs perspectives dans une solution unifiée.

Profil autonome, capable de travailler en tant que senior individual contributor, avec un potentiel pour piloter ultérieurement un workstream.

Hors périmètre

Pour éviter toute confusion :

L’industrialisation des solutions en production complète ne fait pas partie de ce rôle. L’accent est mis sur les concepts, les prototypes et la validation précoce.

La rédaction de contrats ou de termes juridiques est hors périmètre. Le consultant ne fournit que des contributions techniques.

La gestion d’équipes importantes n’est pas attendue.

La construction d’un nouveau modèle de langage est hors périmètre.