Bonjour,
Nous recherchons pour notre client grand compte un ML Engineer spécialisé en modèles LLM multimodaux et fine-tuning pour l'audiovisuel
Nous étudions - prioritairement - les candidatures qui nous sont adressées à freelance à insyco . fr avec les informations suivantes :
Argumentaire écrit répondant de façon ciblée au besoin ci-dessous
CV à jour en français
Date de prochaine disponibilité
Tarif journalier
Merci d'indiquer la référence MLE/5344-6 dans l'objet de votre message
Contexte de la prestation
La prestation s'inscrit chez un grand compte du secteur des médias et de l'audiovisuel, engagé dans la plateformisation de son offre numérique et le développement de ses usages data et IA. Le besoin porte sur l'adaptation et le fine-tuning de modèles open-source multimodaux pour des cas d'usage audiovisuels, leur industrialisation et leur mise en production, ainsi que leur intégration dans l'écosystème média existant.
Activités principales
Identifier, adapter et fine-tuner des modèles open-source (vision, audio, parole, texte) pour des cas d'usage audiovisuels spécifiques.
Implémenter des stratégies avancées d'interaction et d'optimisation (prompt-engineering, RAG (Retrieval-Augmented Generation), LoRA/distillation, quantization, pruning) pour maximiser précision, latence et pertinence éditoriale.
Architecturer des pipelines multimodaux end-to-end fusionnant vidéo, audio, images et texte pour enrichir les métadonnées, optimiser l'indexation et automatiser les workflows de production.
Établir des métriques d'évaluation, benchmarker et itérer sur les systèmes d'IA via des KPIs techniques et business clairement définis.
Concevoir et déployer des solutions multimodales cross-data et cross-modality pour étendre les capacités prédictives et génératives des modèles.
Administrer et optimiser l'infrastructure technique nécessaire au déploiement, monitoring et ajustement des modèles en production (clusters GPU/TPU, gateway d'inférence, scaling policies).
Orchestrer l'intégration des services IA dans l'écosystème média existant (MAM/PAM, NRCS, chaînes de transcription, pipelines de distribution, systèmes d'information logiciels SI) en collaboration avec product owners et tech leads.
Structurer, enrichir et valider les datasets audiovisuels en garantissant leur alignement avec les exigences éditoriales, culturelles et éthiques.
Instrumenter, mesurer et raffiner les modèles en conditions opérationnelles (accuracy, fairness, explainability, pertinence culturelle, empreinte carbone).
Coordonner avec les équipes pluridisciplinaires l'alignement des solutions IA avec les objectifs stratégiques et le cadre réglementaire (RGPD, AI Act).
Élaborer et maintenir une documentation technique exhaustive assurant la transmissibilité des connaissances.
Profil candidat:
Bon niveau d'anglais
Adaptation et optimisation de modèles : architectures neuronales avancées, fine-tuning, LoRA, distillation, quantization, pruning
Industrialisation IA audiovisuelle : systèmes haute-performance et faible-latence (object detection, ASR/diarization, multimodal retrieval, caption generation)
MLOps et DevOps appliqués à l'IA : conteneurisation (Docker), orchestration (Kubernetes), pipelines CI/CD, observabilité, optimisation des ressources
Frameworks et écosystèmes IA : Hugging Face, PyTorch, TensorFlow, bibliothèques spécialisées
Entraînement distribué et matériel accélérateur : GPU NVIDIA (séries A et H, par exemple A100, H100), TPU
Standards de métadonnées média : EBUCore, IPTC, pipelines d'annotation audiovisuelle, ingestion de données non structurées
Alignement éditorial : capacité à relier les solutions techniques aux impératifs éditoriaux, aux workflows de production et aux contraintes de diffusion en environnement média public
Veille technologique : computer vision, speech processing, multimodal learning
Cadre réglementaire et éthique : RGPD, AI Act, privacy-by-design, ethics-by-design
Cloud et plateformes de traitement de données : Azure, Databricks, AWS, GCP
Outils collaboratifs et de gestion : Jira, Confluence, GitHub