Data Engineer

Contexte de la mission

Au sein d’une équipe spécialisée dans la reconnaissance automatique de documents (RAD) et l’extraction d’informations (LAD), la mission consiste à améliorer la capacité de détection de documents clients et l’extraction de données associées, tout en modernisant les technologies utilisées, notamment via l’intégration de modèles de type LLM.

L’objectif est d’industrialiser et d’évaluer différentes approches d’IA afin d’optimiser l’assistance apportée aux utilisateurs métiers.

Missions principales

• Évaluer et tester différents modèles LLM (multi-providers cloud) appliqués à des documents

• Préparer, structurer et qualifier des jeux de données d’entraînement et de test

• Définir des critères de performance, succès et échec des modèles

• Mettre en place des outils et protocoles de benchmark pour comparer les solutions

• Contribuer aux développements sur les produits existants (Python / Java)

• Étendre le périmètre de documents reconnus et améliorer l’extraction d’informations

• Assurer un transfert de compétences sur les sujets LLM et RAD-LAD auprès de l’équipe

Compétences techniques requises

• Expérience confirmée en IA appliquée aux documents (OCR, extraction, NLP documentaire)

• Maîtrise des LLM et de leur intégration via des plateformes cloud (AWS, GCP, Azure ou équivalent)

• Solides compétences en Python

• Bon niveau en Java

• Expérience avec des outils d’évaluation / benchmark de modèles IA

• Connaissance des architectures de traitement documentaire

• Expérience en préparation de datasets et en évaluation de modèles

Atout :

• Connaissance de frameworks d’intégration LLM côté backend (ex. Spring IA ou équivalent)

Compétences humaines

• Forte autonomie dans la conduite de travaux techniques

• Capacité à collaborer étroitement avec une équipe pluridisciplinaire

• Communication régulière sur l’avancement malgré des sujets exploratoires

• Esprit de partage et de montée en compétence collective

Profil recherché

• Data Scientist / ML Engineer orienté vision documentaire

• Expérience réelle et opérationnelle sur des projets RAD/LAD ou similaires

• Capacité à intervenir sur des sujets R&D tout en produisant des livrables concrets

• Aucune montée en compétence “théorique” attendue — expertise déjà acquise indispensable