Développeur Senior Fullstack IA Python

Contexte

Au sein de la tribu Data & IA, la squad est responsable d'assurer la cohérence transverse des évolutions Data pour l'ensemble des pays d'un grand groupe international (présence mondiale sur 5 continents : présence directe dans environ 30 pays).

La squad pilote des projets stratégiques qui façonnent l'avenir de l'entreprise. La mission consiste à exploiter la donnée pour créer des solutions intelligentes et efficaces au service de différentes fonctions de l'entreprise. La squad IA se consacre au développement et à l'amélioration continue d'une plateforme de Data Science et d'IA générative. Cette plateforme vise à révolutionner l'interaction avec les systèmes et les clients en proposant des services automatisés et personnalisés.

En tant que développeur senior Fullstack/IA Python, le candidat intégrera une squad agile en cours de constitution, chargée de concevoir, designer et implémenter des solutions techniques basées sur l'IA générative. En interaction avec les membres de la squad et des task forces externes, le candidat devra être capable de proposer des solutions innovantes, résilientes et industrialisées pour l'adoption de futurs cas d'usage.

Missions

• Concevoir, designer et implémenter des solutions techniques basées sur l'IA générative

• Collaborer avec les membres de la squad et des task forces externes

• Proposer des solutions innovantes, résilientes et industrialisées

• Assurer la cohérence transverse des évolutions Data

• Participer au développement et à l'amélioration continue de la plateforme de Data Science et d'IA générative

Compétences techniques essentielles

Compétences de développement obligatoires :

• Python 3, FastAPI, Flask, Django, SQLAlchemy, pandas, Jupyter

• Angular 15, TypeScript, JavaScript, CSS, Sass

• SQL, PostgreSQL (MongoDB apprécié)

• Kubernetes, CI/CD, Jenkins

• Rédaction de tests unitaires et d'intégration

Compétences de développement souhaitées :

• Expérience avec les bibliothèques modernes basées sur les LLM (LangChain, PyTorch, GPT, Transformers)

• LangChain, Streamlit, PySpark, TensorFlow, python-pptx/docx/openpyxl

• Intérêt, connaissances et expérience en LLM, RAG et IA agentique

• Connaissance d'ElasticSearch, OAuth2, intégration de Design System

• Java (15+), SpringBoot (2+), Kotlin, RestAssured, Tailwind, Kafka

Autres compétences techniques :

• Conception de solutions techniques adaptées aux besoins produit

• Appétence pour le refactoring et l'amélioration continue

• Méthodologies DDD, TDD, BDD, Clean Code, SOLID

• REST, Microservices, Architecture Hexagonale

• Fortes capacités d'analyse et de synthèse

• Pratique du pair-programming

Architecture & Infrastructure :

• Architecture de solutions Data/ML

• Connaissance des environnements cloud et/ou on-premise

• Principes de scalabilité et de haute disponibilité

DevOps & MLOps :

• CI/CD (Jenkins ou équivalent)

• Conteneurisation (Docker) et orchestration (Kubernetes, Tanzu)

• Supervision et journalisation (Prometheus, Grafana)

• Connaissance MLOps pour l'orchestration et le monitoring des données (MLflow, Airflow, Splunk, Dynatrace)

Ingénierie des données (atout) :

• Construction de pipelines ETL/ELT

• Spark, Databricks ou équivalent

• Outils ETL (Domino apprécié)

• Stockage objet (S3)

Data Science (atout) :

• Modélisation prédictive (apprentissage supervisé)

• Modélisation descriptive (apprentissage non supervisé)

• Compréhension des enjeux de performance, biais et interprétabilité des modèles

Autres compétences

Compétences transversales :

• Esprit analytique et critique : capacité à remettre en question les approches et proposer des améliorations

• Vision produit : comprendre les enjeux métier et anticiper les évolutions

• Rigueur : définition d'indicateurs de performance pertinents

• Conduite du changement : expliquer et accompagner l'adoption de nouvelles pratiques

Compétences comportementales :

• Pragmatisme et orienté résultats : livrer des solutions fonctionnelles en production

• Esprit d'équipe : capacité à collaborer efficacement avec les équipes métier et IT

• Résolution de problèmes : créativité et approche structurée

• Orienté client/utilisateur : sens du service

• Curiosité technique : volonté de suivre les évolutions technologiques

• Grande autonomie et sens des responsabilités, pilotage des activités avec de bonnes compétences en communication et en documentation

• Fortes capacités d'analyse et de résolution de problèmes, sens du détail

• Proactivité

Atouts supplémentaires :

• Connaissance d'autres langages (Java, R, Scala)

• Certifications cloud (Azure, AWS)

• Contribution à des projets open-source

1. 5 à 8+ ans d'expérience avec une solide maîtrise du développement Python et du déploiement en production, ainsi qu'une expérience en IA générative
2. Compétences de développement obligatoires : Python 3, FastAPI, Flask, Django, SQLAlchemy, pandas, Jupyter, Angular 15, TypeScript, JavaScript, CSS, Sass, SQL, PostgreSQL (MongoDB apprécié), Kubernetes, CI/CD, Jenkins, rédaction de tests unitaires et d'intégration
3. Compétences souhaitées : expérience avec les bibliothèques modernes basées sur les LLM (LangChain, PyTorch, GPT, Transformers), LangChain, Streamlit, PySpark, TensorFlow, python-pptx/docx/openpyxl, connaissances en LLM, RAG et IA agentique, connaissance d'ElasticSearch, OAuth2, intégration de Design System, Java (15+), SpringBoot (2+), Kotlin, RestAssured, Tailwind, Kafka
4. Compétences techniques complémentaires : conception de solutions techniques adaptées, appétence pour le refactoring et l'amélioration continue, méthodologies DDD, TDD, BDD, Clean Code, SOLID, REST, Microservices, Architecture Hexagonale, fortes capacités d'analyse et de synthèse, pratique du pair-programming
5. Architecture & Infrastructure : architecture de solutions Data/ML, connaissance des environnements cloud et/ou on-premise, principes de scalabilité et de haute disponibilité
6. DevOps & MLOps : CI/CD (Jenkins ou équivalent), conteneurisation (Docker) et orchestration (Kubernetes, Tanzu), supervision et journalisation (Prometheus, Grafana), connaissance MLOps pour orchestration et monitoring des données (MLflow, Airflow, Splunk, Dynatrace)
7. Ingénierie des données (atout) : construction de pipelines ETL/ELT, Spark, Databricks ou équivalent, outils ETL (Domino apprécié), stockage objet (S3)
8. Data Science (atout) : modélisation prédictive (apprentissage supervisé), modélisation descriptive (apprentissage non supervisé), compréhension des enjeux de performance, biais et interprétabilité des modèles
9. Compétences transversales : esprit analytique et critique, vision produit, rigueur, conduite du changement
10. Compétences comportementales : pragmatisme et orientation résultats, esprit d'équipe, résolution de problèmes, orientation client/utilisateur, curiosité technique, grande autonomie et sens des responsabilités, fortes capacités d'analyse et de résolution de problèmes, sens du détail, proactivité
11. Atouts supplémentaires : connaissance d'autres langages (Java, R, Scala), certifications cloud (Azure, AWS), contribution à des projets open-source