Tech lead Expert Data Retrieval RAG

Le contexte

Rejoignez une aventure data au cœur de la Legaltech : notre client construit le moteur de recherche et d'indexation qui donnera accès, demain, à un patrimoine juridique massif et hétérogène pour plusieurs équipes à travers l'Europe.

Votre mission n'est pas d'écrire un simple script : c'est de concevoir des pipelines de données robustes, capables d'ingérer, nettoyer et indexer d'énormes corpus juridiques, puis d'exposer une recherche rapide, pertinente et hybride (sémantique + lexicale) à grande échelle.

Vos missions au quotidien

1. Collecte, ingestion & indexation

• Concevoir des pipelines d'ingestion sur des 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 fraîcheur des index, la scalabilité sur des volumétries massives et la traçabilité (lignage, versioning).

2. Recherche & pertinence (Retrieval)

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

• Mettre en place des métriques de pertinence (recall, precision, nDCG, MRR) et les faire vivre dans le temps.

• Structurer la phase de retrieval qui alimente les LLM (RAG : contexte, citations, dé-duplication, gestion des fenêtres de contexte).

• Instrumenter les pipelines (logs, métriques, traces qualité) et garantir la sécurité/conformité des données (RGPD, cloisonnement par pays).

3. Leadership technique & gouvernance

• Promouvoir une culture Clean Code, SOLID et tests automatisés.

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

Formation

Master, PhD ou équivalent.

Compétences attendues

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

• Expertise Retrieval confirmée : indexation, embeddings, recherche hybride — et capacité à mesurer puis améliorer la pertinence.

• Culture Data forte : pipelines reproductibles, qualité et lignage des données, versioning des datasets/index.

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

• Un plus : appétence pour d'autres langages (notamment Java) pour des sujets transverses.

• Anglais fluide (contexte européen quotidien).

Soft skills

• Vision produit : vos index et votre moteur de recherche sont gérés comme un produit ; les autres développeurs sont vos clients.

• Leadership technique & pédagogie : capacité à évangéliser les bonnes pratiques data/retrieval/IA.

• Obsession de la qualité : rigueur absolue sur la sécurité des données (Legaltech oblige) et la fiabilité des services.

• Esprit d'innovation : curiosité pour les avancées IA, NLP et data.

• Communication : savoir vulgariser des concepts complexes.

Python 3.11+ (maîtrise requise), GoIndexationBases vectorielles (pgvector, Weaviate, Qdrant, OpenSearch), recherche hybride / BM25Embeddings & NLPsentence-transformers, modèles d'embeddings, tokenisation, parsing de documentsRAG & LLMLangChain, RAG, reranking, OpenAI, Mistral, BedrockData & infraPostgreSQL, Airflow / Spark, Kafka, Redis, Docker, CI/CD, K8sTests & qualitéPytest, évaluation de pertinence (recall, nDCG, MRR)