Salaire: 900 Nous construisons une plateforme qui transforme des documents d'évidence clinique en graphe de connaissances et génère des dossiers destinés aux payeurs (assureurs santé), avec traçabilité complète - de l'ingestion à la rédaction, en passant par le contrôle qualité et le suivi des mises à jour d'évidence. Vous prendrez en charge l'ensemble du périmètre IA/ML et backend, en autonomie, du prototype jusqu'à la production. Le front-end est géré par une autre équipe. Vos missions * Concevoir des pipelines de parsing documentaire et d'extraction par LLM sur des rapports d'études cliniques et publications : segmentation, canonicalisation d'entités sur un graphe (avec une discipline de fusion stricte), détection terminologique. * Implémenter la couche graphe de connaissances Neo4j : migrations de schéma, templates Cypher, serveur de requêtes MCP. * Développer le backend FastAPI portant l'état des workflows, une projection Postgres avec réconciliation, et des agents LLM pour la rédaction et le contrôle qualité avec provenance vérifiable. * Construire et maintenir le socle d'évaluation : jeux de données de référence (golden sets), métriques d'extraction, recalcul indépendant - chaque évolution est validée par la mesure, pas par la démo. Profil recherché * Python solide, expérience en ingénierie LLM en production (Azure OpenAI ou équivalent), extraction structurée, conception de prompts et d'agents, gestion de tests mock/réel. * Bases de données graphe et Cypher. * FastAPI ou équivalent, Postgres. * Parsing documentaire (docx, pptx, PDF). * Rigueur méthodologique sur l'évaluation. * À l'aise pour prendre des décisions d'architecture en autonomie et les défendre à l'écrit. Un plus * MCP ou frameworks d'agents à appel d'outils (tool-calling). * Recherche vectorielle et embeddings. * Connaissance du domaine clinique ou HEOR/market access. * Déploiement Docker mono-tenant.