Expert Data & Retrieval

Notre client, acteur majeur de l'édition, recherche un(e) Expert Data & Retrieval pour rejoindre son équipe "AI Service", au cœur des enjeux d'intelligence artificielle appliquée au domaines réglementés.

Votre mission : concevoir des pipelines de données robustes capables d'ingérer, nettoyer et indexer d'énormes corpus juridiques, puis d'exposer une recherche rapide et pertinente (sémantique et hybride) au service de plusieurs équipes à travers l'Europe. Vous garantirez la fraîcheur des index et la qualité du retrieval, tout en pilotant une complexité technique de haut niveau : volumétrie, hétérogénéité des sources, évaluation de la pertinence, scalabilité.

Vos missions principales :

1. Collecte, ingestion & indexation

• Concevoir des pipelines d'ingestion de sources hétérogènes (édition, open data, bases juridiques) : parsing, nettoyage, chunking, normalisation

• Choisir et industrialiser les modèles d'embeddings, alimenter et maintenir les bases vectorielles

• Garantir la scalabilité de l'indexation sur des corpus massifs et la traçabilité des données (lignage, versioning)

2. Recherche & pertinence (Retrieval)

• Combiner recherche lexicale et sémantique (BM25 + embeddings) avec reranking et filtrage par métadonnées

• Mettre en place des jeux de tests et métriques de pertinence (recall, precision, nDCG, MRR)

• Structurer la phase de retrieval alimentant les LLM (contexte, citations, dé-duplication, gestion des fenêtres de contexte)

• Instrumenter les pipelines (observabilité) et garantir la sécurité/conformité des données (RGPD, cloisonnement par pays)

3. Leadership technique & gouvernance

• Promouvoir les pratiques Clean Code, SOLID, tests automatisés

• Contribuer au rayonnement technique du groupe (veille, articles, meetups, open-source)

Pourquoi cette mission est unique :

• Intervention au moment de décisions structurantes, réel pouvoir d'influence sur la stack finale

• Défi data rare : indexer et rendre pertinent un patrimoine juridique massif et hétérogène au service de l'IA

• Vision long terme — création d'un standard industriel pour le groupe, pas une simple feature à livrer

• Équipe d'experts soudée et bienveillante, préembauche pensée pour une intégration durable

Formation : Master, PhD, ou équivalent.

Compétences techniques requises :

• Langages : Python 3.11+ (maîtrise requise), Go

• Indexation : bases vectorielles (pgvector, Weaviate, Qdrant, OpenSearch), recherche hybride / BM25

• Embeddings & NLP : sentence-transformers, modèles d'embeddings, tokenisation, parsing de documents

• RAG & LLM : LangChain, RAG, reranking, OpenAI, Mistral, Bedrock

• Data & infra : PostgreSQL, Airflow/Spark (ou équivalent), Kafka, Redis, Docker, CI/CD, K8S

• Tests & évaluation : Pytest, métriques de pertinence (recall, nDCG, MRR)

Expérience attendue :

• Expérience avérée en data engineering / information retrieval sur des volumes massifs en production

• Expertise retrieval confirmée : indexation, embeddings, recherche hybride, capacité à mesurer et améliorer la pertinence

• Culture data solide : pipelines reproductibles, qualité et lignage des données, versioning

• Bonne culture IA/ML : embeddings, NLP, compréhension des LLM (sans nécessairement en être l'expert serving)

• Polyvalence appréciée : appétence pour d'autres langages (Java notamment) pour du transverse

• Anglais fluide (contexte européen quotidien)

Soft skills :

• Vision produit — gérer son moteur de recherche comme un produit, au service des autres développeurs

• Leadership technique & pédagogie — capacité à évangéliser les bonnes pratiques

• Obsession de la qualité — rigueur sur la sécurité des données (legaltech) et la fiabilité des services

• Esprit d'innovation et curiosité pour l'écosystème IA/NLP/data

• Communication — savoir vulgariser des concepts complexes