Ingénieur IA – Large Language Models (LLM)

Vous êtes

En tant qu’AI Engineer opérationnel (hands-on), vous serez au cœur de la conception et du développement des composants qui constituent les systèmes d’IA avancés alimentant les entreprises modernes. Il s’agit d’un rôle d’ingénierie hautement technique et pratique dans lequel vous consacrerez la majorité de votre temps à la conception détaillée, au développement, à l’intégration et aux tests de composants de systèmes d’IA couvrant le machine learning traditionnel, l’IA générative et les systèmes agentiques, dans le cadre de missions clients actives.

Vous prendrez des architectures détaillées et des spécifications de conception afin de les transformer en composants logiciels fonctionnels et prêts pour la production. Cela implique d’écrire un code propre et structuré, de prendre des décisions de conception de bas niveau dans votre périmètre de responsabilité et de garantir une intégration fiable de vos composants au sein d’un système d’IA plus large. Vous développerez et assemblerez les différents composants des systèmes d’agents IA, notamment la logique des agents individuels, les intégrations avec les outils, les skills et les composants de mémoire (memory components), tout en contribuant au développement et à l’intégration de foundation models ainsi que de modèles de machine learning traditionnels dans des pipelines de bout en bout (end-to-end pipelines).

Une curiosité pratique pour l’écosystème open source est essentielle pour ce rôle. Vous évaluerez, apprendrez et adopterez en permanence des bibliothèques et frameworks pertinents couvrant notamment l’orchestration d’agents, le stockage vectoriel (vector storage), le model serving et les pipelines ML. Vous sélectionnerez et appliquerez les solutions les plus adaptées à chaque problématique. Vous serez également amené à configurer, intégrer et mettre en production des technologies d’IA tierces ainsi que des services de plateforme, en comprenant suffisamment leurs capacités et leurs contraintes pour les exploiter efficacement dans le contexte d’un système d’entreprise à grande échelle.

Vous concevrez des composants répondant aux standards d’une organisation de niveau entreprise (enterprise-grade), en veillant à respecter les exigences définies en matière de sécurité, d’observabilité, de gouvernance, de performance et de scalabilité. Vous rédigerez et maintiendrez les livrables techniques associés à vos travaux d’ingénierie, notamment les documents de conception détaillée (low-level design documents), les spécifications de composants et les contrats d’intégration (integration contracts), afin de garantir que vos développements soient correctement documentés, testables et facilement transférables.

Vous interviendrez en tant que contributeur technique au sein d’équipes pluridisciplinaires composées de Data Engineers, ML Engineers et développeurs applicatifs. Vous travaillerez sous la direction de Lead Architects et Principal Architects tout en participant activement à la résolution de problématiques techniques ainsi qu’aux discussions de conception dans votre domaine d’expertise.

Ce poste représente une excellente opportunité de développer une expertise pratique approfondie sur l’ensemble de la stack AI Engineering, de renforcer vos compétences en ingénierie logicielle appliquées aux systèmes d’IA de pointe et d’évoluer progressivement vers un poste de Lead Engineer ou d’Architect.

Vos missions

• Concevoir, développer et configurer des agents individuels, y compris leurs prompts, outils et skills, puis les intégrer dans des workflows multi-agents.

• Mettre en œuvre la logique d’orchestration des agents afin de gérer les transferts de tâches, la communication et la reprise après erreur.

• Concevoir des frameworks d’évaluation et des suites de tests permettant de mesurer la qualité des agents et des composants selon des critères tels que l’exactitude (accuracy), la pertinence (relevance) et la fidélité (faithfulness), puis partager les résultats afin d’alimenter les améliorations de conception.

• Intégrer des foundation models dans les applications en sélectionnant le modèle et le mode d’invocation les plus adaptés à chaque cas d’usage.

• Concevoir et exécuter des pipelines de fine-tuning incluant la préparation des données et l’entraînement des modèles afin de les adapter à des domaines métiers spécifiques, en s’appuyant sur une bonne maîtrise des architectures basées sur les Transformers.

• Développer des pipelines d’ingestion capables d’analyser, segmenter (chunk), enrichir et indexer du contenu d’entreprise non structuré pour des besoins de recherche et de restitution.

• Mettre en œuvre la génération d’embeddings, intégrer des bases de données vectorielles et développer les composants de retrieval, y compris les connecteurs et adaptateurs permettant d’alimenter des pipelines RAG (Retrieval-Augmented Generation) de bout en bout.

• Développer la logique permettant d’assembler les prompts et de gérer les informations transmises au modèle au sein de sa fenêtre de contexte (context window).

• Implémenter des composants de mémoire permettant de stocker et de restituer l’historique conversationnel ainsi que le contexte pertinent.

• Mettre en œuvre des guardrails, des mécanismes de filtrage de contenu et des protections contre les attaques de type prompt injection.

• Développer des composants de détection et de masquage des données personnelles (PII Detection & Redaction) et intégrer les mécanismes de contrôle d’accès aux modèles et aux outils.

• Mettre en œuvre les mécanismes de versionning, d’audit logging et de traçabilité (lineage tracking), tout en maintenant une documentation garantissant l’auditabilité du système.

• Instrumenter les composants avec des mécanismes de logging et de tracing afin de suivre les requêtes, les réponses, la consommation de tokens et les appels aux outils.

• Contribuer aux activités de monitoring, d’alerting et de suivi des coûts afin de garantir la stabilité et la performance des systèmes d’IA en production.

• Assurer une veille continue et appliquer de nouveaux patterns de conception, technologies et frameworks issus d’un écosystème IA en constante évolution, afin d’apporter de nouvelles approches aux composants développés.

• Collaborer avec les équipes pluridisciplinaires afin de clarifier les besoins et de garantir que les composants développés répondent aux attentes des parties prenantes.

• Produire et maintenir une documentation technique claire pour les composants développés afin de faciliter le support, le troubleshooting et les évolutions futures.