L’IA Engineer / Développeur est responsable de la conception, du développement et de l’industrialisation de solutions d’intelligence artificielle, avec un accent sur l’IA générative (GenAI) et les cas d’usage enterprise (assistants, RAG, automatisation, analyse de documents, etc.).

Ses principales missions incluent :

• Le choix, la mise en œuvre et l’optimisation de modèles d’IA (LLM, modèles de vision, embeddings, etc.) en fonction des cas d’usage et des contraintes (coût, latence, confidentialité, conformité)
• La conception et l’optimisation d’architectures RAG (Retrieval-Augmented Generation) : ingestion, chunking, embeddings, bases vectorielles, stratégies de retrieval, évaluation de la qualité des réponses
• La gestion des pipelines de données : collecte, nettoyage, transformation, enrichment, versioning et gouvernance des données utilisées pour l’IA
• L’ingénierie de prompts et l’orchestration de flux d’IA (multi-agents, tool calling, function calling, guardrails, filtrage, modération)
• L’intégration de l’IA dans les applications et SI existants (APIs, microservices, événements, interfaces utilisateurs)
• La contribution au déploiement de solutions IA dans des environnements cloud sécurisés (AWS, Azure, GCP), avec une attention particulière à la sécurité, la confidentialité et la conformité (RGPD, politiques internes)
• La mise en place de pratiques MLOps / LLMOps : monitoring des modèles et des prompts, gestion des versions, tests, re-training / fine-tuning, gestion des coûts et de la performance
• La collaboration avec les équipes métier, data, produit et sécurité pour transformer des besoins business en solutions IA robustes et mesurables

Compétences requises ou à acquérir

• Maîtrise de l’anglais (écrit et oral)
• Maîtrise du français ou du néerlandais
• Expérience confirmée en développement : Python (obligatoire), et/ou SQL, JavaScript/TypeScript, .NET
• Expérience confirmée en data engineering : préparation de données, pipelines (batch/streaming), nettoyage, ingestion, qualité des données
• Expérience confirmée dans la mise en œuvre, la configuration et le test de modèles d’IA : LLM (open source et/ou providers cloud), NLP, embeddings, RAG, fine-tuning / instruction tuning
• Expérience confirmée en MLOps / LLMOps : monitoring, évaluation, versioning de modèles et de prompts, gestion des coûts, CI/CD pour l’IA
• Expérience confirmée en architectures RAG : bases vectorielles (Qdrant, Weaviate, Milvus, Pinecone, pgvector, etc.), frameworks (LangChain, LlamaIndex, Haystack, Semantic Kernel, etc.)
• Expérience en CI/CD et automatisation (Dev / Data / IA) : GitHub Actions, GitLab CI, Jenkins, Azure DevOps, etc.
• Expérience en conception et implémentation d’API REST / GraphQL et d’intégrations événementielles (Kafka, Pub/Sub, etc.)
• Expérience en prompt engineering, evaluation de prompts, guardrails, sécurité des LLM (injection, data leakage, PII, etc.)
• Connaissance des environnements cloud (AWS, Azure, GCP) et des services IA associés (SageMaker, Bedrock, Azure OpenAI, Vertex AI, etc.)
• Sensibilité aux enjeux de Green AI / sobriété numérique (optimisation des modèles, choix d’infra, mesure d’impact)

Aptitudes / Savoir-être

• Capacité à travailler en équipe, rigoureux, organisé
• Esprit critique et orientation produit / valeur métier
• Curiosité pour les usages émergents de l’IA (agents, automatisation, IA générative appliquée aux processus)
• Capacité à vulgariser des concepts techniques complexes auprès de publics non techniques
• Envie de « level up » en continu dans un domaine en évolution rapide