Description :
Ta mission : construire des agents IA et des workflows vraiment “production‑ready”, qui tiennent la route dans 6 mois, et qui font gagner un temps réel aux équipes internes (Sales, Ops, CS, Produit).
**Ce que tu feras
1) Concevoir et développer des agents & outils IA “production‑ready”**
- Concevoir des agents IA et des workflows orientés business : extraction/synthèse d’info, rédaction assistée, qualification, automatisation de tâches récurrentes pour les équipes internes.
- Mettre en place les bons patterns d’architecture : tool‑calling, gestion de contexte, guardrails, gestion des erreurs, maîtrise des coûts.
- Déployer des agents basés sur des frameworks de type LangChain / LangGraph (ou équivalents), avec un vrai souci de robustesse et de maintenabilité.
2) Construire la data foundation qui rend l’IA utile
- Développer des pipelines de données et des intégrations entre les systèmes internes (data warehouse cloud type BigQuery, base NoSQL type MongoDB, APIs internes / externes).
- Travailler main dans la main avec la Data Team pour s’appuyer sur des modèles fiables, documentés, et versionnés.
- Préparer les données pour les cas d’usage IA : RAG, feature store, jeux de données pour évaluation et amélioration continue.
3) Aller jusqu’en production (pas des POC jetables)
- Packager et déployer des services IA utilisés au quotidien par des utilisateurs internes : SLAs, monitoring, métriques d’usage.
- Mettre en place l’observabilité des agents et pipelines (logs, métriques, traces, alerting) pour comprendre ce qui se passe en production.
- Travailler avec le Product Manager et les équipes métier pour garantir l’adoption et la valeur réelle des fonctionnalités livrées.
4) Mesurer, évaluer, optimiser
- Suivre des KPIs de performance : latence, taux d’erreurs, taux de fallback, coûts par workflow, temps gagné pour les équipes.
- Mettre en place une vraie démarche d’évaluation LLM : hallucinations, qualité d’extraction, conformité, pertinence métier.
- Optimiser en continu : choix modèles, tuning de prompts, stratégies de caching/batching, amélioration de la donnée d’entrée.
Stack & environnement
Tu évolueras dans un environnement proche de cette stack :
- Langages : Python (FastAPI, Pandas, tooling autour des LLM), SQL.
- IA / LLMs : OpenAI API, frameworks type LangChain / LangGraph, éventuellement Hugging Face, RAG avec vector DB (FAISS / Chroma ou équivalent).
- Data & Infra : BigQuery, MongoDB, stack cloud type GCP.
- Observabilité : logs centralisés, métriques, traces, dashboards pour suivre la santé des agents.
Tu ne seras pas seul(e) : tu travailles avec un Engineering Manager, un CTO très impliqué sur l’IA, une Data Team déjà en place et une équipe produit qui pousse fort les sujets IA.
Profil recherché :
Profil recherché
- Anglais niveau professionnel
- BAC +5 en Informatique
- Résident Parisien uniquement
- 4–5 ans d’expérience (ou plus) en tant qu’AI Engineer / ML Engineer / Software Engineer avec forte dominante IA.
- Tu as déjà livré des systèmes IA en production : agents, outils internes, automatisations, data products – pas juste des POC.
- Solides bases en SQL et manipulation / modélisation de données.
- Expérience concrète avec les LLMs / NLP (OpenAI API, LangChain/LangGraph, RAG, évaluation de réponses).
- À l’aise dans un environnement cloud data (BigQuery, GCP, MongoDB).
- Forte culture production & fiabilité : monitoring, métriques, alerting, post‑mortems, amélioration continue.
Qualités personnelles attendues :
- Autonome, rigoureux(se), orienté(e) impact et résultats mesurables.
- Sens du produit : tu comprends les besoins des équipes internes et cherches la solution la plus simple et efficace plutôt que la plus “fancy”.
- Tu aimes livrer vite, bien, observer l’usage, améliorer.
Package & conditions
- Salaire brut annuel cible : 70–85 k€
- Localisation : Paris Intramuros (Hybride Remote)
- Mutuelle
- Titres resto
- Evénements d’équipe
- Budget formation
- **BSPCE très avantageux
Process de recrutement**
- Entretien visio (45 min) avec l’Engineering Manager Data & IA : parcours, projets IA significatifs, attentes mutuelles.
- Rencontre avec le CTO : discussion technique approfondie, vision produit & IA, architecture, manière de travailler.
- Speed meeting avec plusieurs membres de l’équipe (data, produit, tech) pour valider le fit humain, la culture et le mode de collaboration.
PS : (Si tu préfères un passage par étude de cas / test technique plutôt qu’un pur oral, c’est possible d’en discuter dès le premier échange.