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.