Architecte Data IA (ouvert au full remote)

Contexte

Dans le cadre de la stratégie data et de l'innovation technologique, notre client crée une équipe dédiée à l'Intelligence Artificielle.

Cette équipe conçoit, industrialise et maintien des solutions d'IA générative et d'IA classique (ML), au service des métiers : amélioration de la performance opérationnelle, automatisation, optimisation décisionnelle, assistance aux conseillers, etc.

Description de la mission

Un architecte Data IA définit, conçoit et supervise l'infrastructure technique permettant de collecter, stocker, transformer et exploiter les données, ainsi que d'intégrer des solutions d'intelligence artificielle dans un système d'information.

C'est un rôle stratégique, à la frontière entre l'architecture SI, la data science et engineering et la gouvernance.

Cet architecte contribuera, en secondant le Manager IA, à construire le socle technique, à qualifier les cas d'usages et à les automatiser de bout en bout (cadrage technique, POC/MVP et coordination des parties prenantes, participation active à l'industrialisation, au déploiement et au maintien en condition opérationnelle).

Principales missions

Conception & développement

• Concevoir et développer des composants IA : pipelines de données, features, modèles ML, intégrations LLM/RAG, APIs (chatbots/assistants et services d'inférence).

• Concevoir, implémenter et améliorer continuellement des patterns GenAI (retrieval, grounding, prompt templating, outils/agents, évaluation) robustes et auditables.

• Cadrer techniquement l'équipe : produire des normes, animer l'équipe, coacher les plus junior, mettre en place la structure et les bonnes pratiques techniques.

Industrialisation & MLOps

• Être garant de la mise en place des workflows CI/CD, environnements d'exécution (containers), déploiements (cloud/on prem), monitoring (performance, drift, coût, sécurité).

• Mettre en place, valider et à terme déléguer le versioning (code, données, modèles), l'observabilité, la sécurité (secrets, IAM) et la résilience (retries, timeouts, backoff).

• Cadrer l'IA Factory : outils, frameworks, MLOps, feature store, choix des modèles, évaluation.

Qualité, conformité & sécurité

• Être garant des standards de développement (SOLID, clean architecture, testabilité, couverture, revues de code).

• Respecter RGPD, sécurité SI, gouvernance IA (traçabilité, explicabilité, garde fous de contenu).

• Être garant de la documentation (technique & runbooks) et de la gestion des risques (données, prompts, modèles).

Cycle de vie projet

• Participer aux phases cadrage → POC/MVP → industrialisation → déploiement.

• Contribuer au support N2/N3, à la remédiation (bugs, incidents), et à l'amélioration continue (perf, coût, UX).

• S'impliquer dans l'acculturation IA (démos, partage de bonnes pratiques, veille).

Activités détaillées

• Implémenter des pipelines d'ingestion/traitement, nettoyage de données, vectorisation/embeddings, indexation.

• Intégrer des LLM (API/fondation) avec RAG (chunking, citations, filtres de sécurité, évaluation automatique & humaine).

• Développer des APIs d'inférence (FastAPI/équivalent), SDK clients, intégrations SI (logs, supervision).

• Mettre en œuvre MLflow/registries, tests (validations prompts, robustesse), dashboards (latence, qualité, coût).

• Organiser et cadrer les revues de design, revues de code, post mortems et standards (naming, branching, releases).

• Organiser le support (SLA/SLO), correctifs et améliorations (réduction hallucinations, coût/token, temps de réponse).

Profil recherché

Formation

• Bac +3/5 en informatique/Maths appliquées/Data/IA (ou équivalent).

Expérience

• = 5 ans en développement data/ML/IA (incluant projets IA générative ou ML classique).

• Une expérience en industrialisation (CI/CD, conteneurisation, déploiement cloud) est très appréciée.

• Une exposition à Databricks/Spark et à un cloud majeur (Azure/AWS/GCP) est un plus. Et Azure un gros plus.

Compétences techniques

Langages & Data

• Python (obligatoire), SQL ; Pandas, PySpark (souhaité), scikit learn.

• PyTorch/TensorFlow (au moins un), LangChain/LlamaIndex (ou équivalent).

Générative & Recherche

• Connaissance LLM (prompts, outils, RAG), embeddings, vector DB (FAISS/Milvus/Pinecone/Azure AI Search).

• Évaluation de la qualité : tests de prompts, métriques de RAG, garde fous (ex. filtres contenu).

MLOps & Cloud

• Docker, bases Kubernetes, Git, CI/CD (Azure DevOps).

• MLflow, Databricks/Spark (souhaité), Azure ML/AWS Sagemaker/GCP (au moins un écosystème).

• Intégrations OpenAI/Azure OpenAI (ou modèles open source).

APIs & Intégration

• FastAPI/Flask, REST (GraphQL apprécié), auth (OAuth2/OIDC), observabilité (logs, métriques, traces).

Qualité & Sécurité

• Clean code, tests (unit/intégration/e2e), revues de code, linting/formatage.

• Bonnes pratiques sécurité SI, gestion secrets, RGPD (minimisation, PIA si nécessaire).

Compétences générales

• Rigueur, sens du service et orientation résultat.

• Esprit d'équipe, communication claire (écrit & oral), pédagogie.

• Autonomie et proactivité ; capacité à apprendre vite dans un domaine en évolution rapide.

• Pratique des méthodologies agiles (Scrum/Kanban/XP), documentation soignée.