Au sein du SOC et en étroite collaboration avec les équipes R& D Cyber, vous contribuez à la conception, l'entraînement et l'évaluation de modèles d'Intelligence Artificielle Générative spécialisés en cybersécurité. Votre mission consiste à développer des modèles souverains capables d'assister les analystes SOC dans l'analyse des alertes, la contextualisation des menaces et l'automatisation des investigations de sécurité. À ce titre, vous serez notamment en charge de : Concevoir et entraîner des modèles de langage spécialisés à partir de LLM open source (Llama, Mistral, Qwen, etc.). Réaliser des opérations de fine-tuning avancées à l'aide de techniques PEFT telles que LoRA et QLoRA. Construire, nettoyer, structurer et enrichir des jeux de données issus de sources cybersécurité (logs, rapports CTI, événements SOC, playbooks, documentation technique). Définir les formats conversationnels et les stratégies de prompting adaptés aux besoins métier. Mettre en ?uvre des méthodes d'alignement des modèles afin de limiter les hallucinations et garantir la pertinence des réponses produites. Développer des pipelines d'évaluation et de benchmarking permettant de mesurer objectivement la qualité, la robustesse et la performance des modèles. Réaliser des expérimentations autour des techniques de Reinforcement Learning et Preference Optimization. Collaborer avec les équipes cybersécurité afin d'intégrer les modèles IA dans les processus opérationnels du SOC. Participer à la veille technologique sur les évolutions du marché de l'IA générative et de la cybersécurité. Profil candidat: Expérience significative dans le développement et l'entraînement de modèles de Machine Learning et d'IA Générative. Maîtrise des techniques de fine-tuning de LLM : LoRA QLoRA PEFT Maîtrise d'au moins un framework de fine-tuning : Unsloth Axolotl TRL (Hugging Face) Excellente connaissance des formats d'entraînement conversationnels : ChatML Alpaca Instruction Tuning Solide expérience des méthodes d'alignement et d'optimisation : DPO PPO GRPO RLHF Maîtrise des frameworks associés : TRL OpenRLHF verl Expérience dans la conception de protocoles d'évaluation LLM et l'utilisation de benchmarks de référence : MMLU GSM8K LLM-as-a-Judge Evaluation Arena / LMSYS Excellente maîtrise de Python et PyTorch. Bonne connaissance des environnements MLOps et d'inférence : Hugging Face Hub vLLM Ollama Triton Inference Server Rigueur scientifique et méthodologique. Forte capacité d'analyse et esprit critique. Autonomie et capacité à évoluer dans un contexte R& D . Aisance à vulgariser des sujets techniques complexes. Goût pour l'innovation et l'expérimentation. Esprit collaboratif et orientation résultats.