IA Engineer

Mission :

·       Au sein de la Direction des Systèmes d’Information, vous aurez en charge de développer et industrialiser un « Brain Agent », c’est‑à‑dire un ensemble d’agents IA capables d’interagir avec nos systèmes, nos données internes et nos utilisateurs, en s’appuyant sur des techniques d’Agents et de RAG.
Ce dispositif doit permettre de :

·       Interroger efficacement notre base documentaire

·       Orchestrer plusieurs agents spécialisés (question‑réponse, recherche documentaire, synthèse, actions sur systèmes internes) ;

·       Garantir la fiabilité, la traçabilité et la gouvernance des réponses produites.

Activités

·       Concevoir l’architecture technique du « Brain Agent » (agents + RAG + outils).

·       Mettre en place une chaîne de traitement de la donnée (ingestion, indexation, vectorisation, requêtage).

·       Développer, tester et déployer des agents IA robustes, intégrés à notre SI.

·       Transférer les connaissances aux équipes internes.

 Environnement technique :

• Kubernetes, AWS, LLM

 Localisation du poste :

• 4 jours en physique à Neuilly sur Seine et 1 jours de télétravail

Date de démarrage souhaitée : asap

Expérience: 3 ans +

Compétences requises (obligatoires) :

  LLM & Agents

·       Maîtrise des modèles de langage (LLM) : OpenAI, Anthropic, etc.

·       Expérience de frameworks d’agents (LangChain, LlamaIndex, ou équivalents) :

·       Orchestration d’agents, tools calling, gestion du contexte, handoff entre agents ;

·       Conception de workflows d’agents (planner, retriever, executor, critique).

·       Conception de prompts complexes, systèmes de règles, gestion des erreurs de modèle.

RAG (Retrieval‑Augmented Generation)

·       Conception de pipelines RAG :

·       Ingestion de documents hétérogènes (PDF, HTML, DOCX, données structurées) ;

·       Nettoyage, chunking, vectorisation (embeddings), indexation ;

·       Requêtage (similarity search, hybrid search) et re‑ranking.

·       Maîtrise de solutions de stockage vectoriel (Pinecone, Weaviate, Qdrant, Elasticsearch vector, etc.).

·       Optimisation de la pertinence des résultats (tuning du chunking, du top‑k, des filtres, des scores).

Data & Engineering

·       Très bonne maîtrise de Python et des librairies LLM/RAG (LangChain, LlamaIndex, FastAPI, etc.).

Compétences facultatives mais appréciées (clairement un plus pour différencier les candidats)

·       Intégration des agents et du RAG dans des API ou services back end (REST/GraphQL).

·       Connaissance des architectures cloud (AWS) et bonnes pratiques de sécurité.

·       Notions de MLOps pour la surveillance et l’amélioration continue des comportements des agents.

·       Sensibilité aux sujets finops IA (suivi et optimisation des coûts LLM).

Qualités humaines recherchées :

• Prise d’initiative et autonomie

• Sens de la communication

• Dynamisme, curiosité

• Rigueur

• Esprit d’équipe et de collaboration