Data Scientist / AI Engineer

Nous recherchons un(e) Data Scientist / AI Engineer capable d'intervenir sur l'ensemble du cycle de vie de solutions IA : cadrage de cas d'usage, POC, développement et mise en production.

La mission combine IA générative, Machine Learning classique et problématiques d'optimisation, sur des cas d'usage métier concrets tels que la gestion des réclamations ou l'optimisation logistique.

Missions

• Cadrer avec les équipes métier de nouveaux cas d'usage IA et en évaluer la faisabilité.

• Transformer des besoins métier parfois peu structurés en problématiques data/IA clairement définies.

• Choisir l'approche adaptée au besoin : règles métier, ML classique, optimisation, LLM ou agents IA.

• Réaliser rapidement des POCs permettant de valider une hypothèse technique ou métier.

• Concevoir des agents IA, notamment avec LangChain ou Pydantic AI.

• Concevoir et tester des architectures RAG, agents et pipelines de traitement.

• Développer des modèles de classification, scoring ou optimisation selon les cas d'usage.

• Itérer sur les prompts, données et architectures à partir des retours utilisateurs et des métriques.

• Industrialiser les prototypes : API FastAPI, gestion des cas limites, tests automatisés et Docker.

• Construire des pipelines d'évaluation LLM pour mesurer qualité, pertinence et fiabilité.

• Contribuer à l'observabilité des solutions : logs, traces, latence et taux d'erreur.

• Documenter les choix techniques et partager les apprentissages avec l'équipe.

Environnement technique

Python • FastAPI • Pydantic • Pytest • LangChain • Pydantic AI • OR-Tools • Azure OpenAI • Azure AI Search • Azure Service Bus • Docker • CI/CD • Git

Patterns et approches : RAG, orchestration d'agents, prompt engineering, évaluation LLM, ML classique et optimisation.

Profil recherché

• 2 à 5 ans d'expérience en Data Science / AI Engineering.

• Expérience concrète allant du POC jusqu'à la mise en production.

• Très bonne maîtrise de Python.

• Capacité à développer des solutions IA robustes et maintenables, et pas uniquement des prototypes.

• Capacité à intervenir aussi bien sur des problématiques LLM/agents que de Machine Learning ou d'optimisation.

• Autonomie sur des sujets peu cadrés et capacité à échanger directement avec les équipes métier.

• Profil pragmatique, polyvalent et orienté produit, capable de sélectionner la solution la plus pertinente plutôt que systématiquement la plus complexe.

• Une expérience des agents LLM, architectures RAG ou problématiques d'optimisation constitue un réel atout.