Staff AI Builder / Staff Data Scientist

Contexte de la mission

Nous accompagnons une scale-up technologique B2B en forte croissance, opérant une plateforme digitale à forte dimension produit, data et opérationnelle.

L’entreprise structure actuellement ses équipes autour de pods autonomes, responsables de périmètres business de bout en bout. Dans ce contexte, la Data & l’IA ne sont pas considérées comme une fonction support, mais comme un levier direct d’amélioration produit, d’automatisation opérationnelle et d’aide à la décision.

La société souhaite renforcer son équipe Data & AI avec un profil Staff très hands-on, capable de prendre un problème métier complexe, de concevoir une solution data/IA pertinente, de la construire, de la mettre en production, puis d’en mesurer l’impact réel.

Il ne s’agit pas d’un rôle de coordination ou de référent théorique. Le besoin porte sur un profil expert, autonome, orienté build, capable de livrer des systèmes IA robustes utilisés en production.

Objectif de la mission

Le consultant interviendra sur la conception, le développement et l’industrialisation de systèmes Data & IA à fort impact business.

La mission consistera à transformer des données business et opérationnelles en systèmes exploitables par les équipes internes et les produits de la plateforme : scoring, recommandation, automatisation de workflows, enrichissement de la connaissance client, assistance aux équipes métier, agents IA, RAG et outils d’aide à la décision.

Le consultant devra être capable de partir d’un problème parfois ambigu, de comprendre les enjeux métier, de choisir l’approche la plus pragmatique, puis de construire une solution fiable, mesurable et maintenable.

Responsabilités principales

Construire des systèmes IA en production

Concevoir, développer et déployer des modèles ML, pipelines RAG, agents IA et workflows agentiques.

Construire des APIs et services backend permettant d’exposer ces systèmes dans un environnement de production.

Transformer des données business, comportementales, transactionnelles ou opérationnelles en signaux exploitables par des modèles, des agents ou des moteurs de décision.

Créer des systèmes capables d’orchestrer plusieurs outils internes ou externes afin d’automatiser des tâches métier complexes.

Passer rapidement d’une hypothèse à une première version utilisable, tout en conservant une exigence forte sur la robustesse, la qualité et la maintenabilité.

Assumer l’ownership complet des systèmes livrés : fiabilité, coût, latence, adoption, monitoring et impact business.

Développer des agents et workflows fiables

Concevoir des workflows agentiques capables de traiter des tâches métier multi-étapes.

Définir les bons contextes, outils, étapes de raisonnement, garde-fous et stratégies de fallback.

Améliorer la qualité des réponses, recommandations ou décisions produites par les systèmes LLM.

Mettre en place des mécanismes de récupération de contexte, d’appel d’outils, de validation, d’action et de monitoring.

Rendre des systèmes non déterministes suffisamment fiables pour une utilisation réelle en production.

Mesurer, monitorer et améliorer les systèmes IA

Définir les bonnes métriques pour évaluer la performance d’un modèle, d’un prompt, d’un agent ou d’un workflow.

Construire des benchmarks, datasets de validation et systèmes d’évaluation continue.

Mettre en place du monitoring sur la qualité des sorties, les erreurs, la latence, les coûts, les hallucinations, les cas limites et l’impact métier.

Optimiser les coûts d’inférence et les performances à mesure que les usages scalent.

Itérer rapidement à partir des retours terrain et des signaux de production.

Savoir simplifier ou abandonner une approche lorsqu’elle ne crée pas suffisamment de valeur.

Profil recherché

Nous recherchons un profil Staff-level Individual Contributor, très autonome, avec une forte capacité à construire lui-même des solutions techniques complexes.

Le consultant doit être capable d’échanger avec les équipes business pour comprendre le problème, challenger le besoin, identifier le levier de valeur, puis retourner builder sans dépendre d’un cadrage exhaustif ou de spécifications trop détaillées.

Le profil idéal est à la fois très solide techniquement, orienté production et business-first. Il ne part pas d’un modèle ou d’une technologie par défaut : il part du problème, choisit l’approche la plus pertinente, puis mesure concrètement l’impact.

Compétences attendues

Minimum 7 ans d’expérience en Data Science, Machine Learning Engineering, AI Engineering ou Software Engineering orienté data/IA, ou parcours plus court mais particulièrement pertinent.

Expérience confirmée sur des systèmes ML, data ou IA réellement utilisés en production.

Très bon niveau en Python, SQL et bases NoSQL de type MongoDB.

Capacité à construire des APIs et services backend, notamment avec FastAPI ou équivalent.

Expérience concrète avec les LLM dans un contexte produit, métier ou opérationnel.

Bonne maîtrise des sujets RAG, agents IA, workflows agentiques, tool use et orchestration.

Capacité à définir des métriques d’évaluation : qualité, taux d’échec, précision, coût, latence, impact business.

Expérience du monitoring et de l’observabilité de systèmes data/IA en production.

Forte autonomie dans des environnements ambigus, rapides et exigeants.

Capacité à prendre un sujet de bout en bout : exploration, design, développement, mise en production, mesure et itération.

Éléments différenciants

Expérience dans la construction d’agents ou de workflows agentiques déjà utilisés en production.

Mise en place d’evals, benchmarks ou datasets de validation pour des systèmes LLM.

Optimisation de coûts d’inférence ou de latence en environnement de production.

Capacité à choisir pragmatiquement entre ML classique, règles métier, RAG, LLM, agent IA ou workflow produit simple.

Expérience sur des sujets de scoring, recommandation, ranking, classification, NLP ou automatisation métier.

Capacité à construire des systèmes simples et robustes pour résoudre des problèmes complexes.

Stack technique indicative

Langages : Python, SQL, MongoDB.

Backend / APIs : FastAPI, APIs internes, services orientés production.

Machine Learning classique : scikit-learn, XGBoost, scoring, recommandation, ranking, classification.

IA générative : LLM, RAG, agents, workflows agentiques, prompt engineering, tool use.

Orchestration agentique : LangGraph, LangChain ou équivalent.

Évaluation & observabilité IA : LangSmith, evals, benchmarks, métriques qualité, datasets de validation.

Recherche & retrieval : Elasticsearch, Pinecone ou équivalent.

Monitoring production : qualité des sorties, erreurs, latence, coûts, drift, hallucinations, edge cases.

Cloud / infra : GCP ou environnement cloud équivalent.

Organisation de la mission

Le consultant rejoindra une équipe Data & AI intégrée à une organisation produit en forte croissance.

Il travaillera en interaction directe avec les équipes produit, engineering, data, opérations et business, avec un haut niveau d’autonomie et une forte exposition aux enjeux opérationnels.

La mission est particulièrement adaptée à un profil qui aime construire, tester, livrer vite, mesurer l’impact et améliorer continuellement les systèmes en production.