Descriptif du poste: Votre mission : En tant que référent·e GenAI, vous aidez Orange Wholesale à passer du prototype à la production, en garantissant la qualité technique, la sécurité et la création de valeur.  Définir et porter les bonnes pratiques Data Science / GenAI (RAG, agents, évaluation, LLMOps).  Concevoir et challenger les architectures des solutions GenAI (cloud et onpremise) avec les équipes IT et produit.  Industrialiser des composants réutilisables (moteur RAG, orchestrations d'agents, outillage d'observabilité et de coûts).  Animer la communauté des data scientists : partage, coaching, montée en compétences, standards de delivery.  Vous travaillez dans un cadre structuré (sécurité, protection des données, éthique) avec une forte exigence de qualité et de mise en production.    Responsabilités : Au quotidien, vos responsabilités s'articulent autour de 5 axes :  Architecture & expertise GenAI : choix des modèles/approches, patterns (RAG, agents), revues techniques, sécurisation des solutions.  Delivery de bout en bout : cadrage, POC, MVP, mise en production, mesure de la valeur, amélioration continue.  Industrialisation (LLMOps/MLOps) : CI/CD, observabilité, évaluation, monitoring, qualité et performance en production.  Optimisation des coûts : recommandations coûts/performance (usage LLM, ressources cloud), bonnes pratiques FinOps.  Communauté & mentoring : animation de sessions, coaching, capitalisation, onboarding des data scientists.  Profil recherché: Diplômé(e) Bac+5 en data, IA, informatique ou mathématiques appliquées, avec plus de 7 ans d'expérience en data science, spécialisé(e) en IA générative (LLM, RAG, agents). Expérience confirmée en livraison de solutions IA en production, respectant exigences de qualité, sécurité et performance. Maîtrise de Python, pandas, scikit-learn, et bonnes pratiques de codage. Expertise en GenAI/LLM : sélection, déploiement, prompt engineering, gestion des garde-fous. Compétences en RAG et agents : vectorisation, retrieval, orchestration (LangChain, Hugging Face). Connaissance approfondie en MLOps/LLMOps : CI/CD, monitoring, traçabilité, observabilité. Bonne compréhension des architectures cloud (idéalement GCP), APIs, microservices, intégration SI. Sensibilité à l'optimisation des coûts liés aux LLM et cloud. Engagement pour la sécurité, la confidentialité, l'éthique et la conformité. Capacité à prendre des décisions techniques, à challenger et sécuriser des choix complexes, tout en fédérant et vulgarisant. Orienté valeur, pragmatique, axé sur la mise en production. Autonome, rigoureux(se), curieux(se) et esprit de capitalisation. Maîtrise du français courant et de l'anglais opérationnel.