Développeur(euse) IA

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

Le/La Développeur(se) IA contribuera, aux côtés du/de la Manager IA, à construire le socle technique et à automatiser des cas d'usage de bout en bout (cadrage technique, POC/MVP, participation active à l'industrialisation, au déploiement et au maintien en condition opérationnelle).

Il/elle aura pour principales missions :

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

• Implémenter des patterns GenAI (retrieval, grounding, prompt templating, outils/agents, évaluation) robustes et auditables.

• Produire un code de qualité (clean code, tests unitaires & d'intégration, logs/traçabilité, packaging).

• Mettre en place des workflows CI/CD, environnements d'exécution (containers), déploiements (cloud/onprem), monitoring (performance, drift, coût, sécurité).

• Gérer le versioning (code, données, modèles), l'observabilité, la sécurité (secrets, IAM) et la résilience (retries, timeouts, backoff).

• Un plus sera de contribuer à l'industrialisation de l'IA Factory : outils, frameworks, MLOps, feature store, évaluation.

• Appliquer les standards de développement (SOLID, clean architecture, testabilité, couverture, revues de code).

• Respecter RGPD, sécurité SI, gouvernance IA (traçabilité, auditabilité, explicabilité, gardefous de contenu).

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

• 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).

• Participer aux revues de design, revues de code, postmortems et standards (naming, branching, releases).

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

Profil recherché

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

• 2 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.

• Maîtrise de Python.

• Connaissance de Pandas, PySpark (souhaité), scikit-learn; PyTorch/TensorFlow (au moins un), LangChain/LlamaIndex (ou équivalent).

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

• Connaissance des tests de prompts, métriques de RAG, gardefous (ex. filtres contenu).

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

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

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

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

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