Descriptif du poste:\n\nDescription du poste\nObjectifs du poste\n* \nConcevoir des architectures logicielles intégrant l'intelligence artificielle (modèles prédictifs, intelligence artificielle générative, agents autonomes, outils d'aide à la décision, plateformes de données métiers).\n* \nGarantir la robustesse, la maintenabilité, la scalabilité, la sécurité et la bonne intégration des solutions au système d'information.\n* \nAssurer l'alignement avec les enjeux métiers, les cadres de gouvernance, de cybersécurité, de protection des données et d'intelligence artificielle responsable.\n* \nPréparer une industrialisation maîtrisée des solutions, en s'appuyant sur les bonnes pratiques de développement et d'exploitation, d'optimisation des coûts du cloud et d'industrialisation des modèles d'apprentissage automatique.\nMissions principales\n* \nCadrage des besoins et des cas d'usage\n* \nQualifier les besoins métiers et proposer des cas d'usage d'intelligence artificielle pertinents (prédiction, recommandation, automatisation, agents, génération de texte, traitement d'images, analyse de langage naturel).\n* \nÉvaluer les prérequis techniques et données : qualité, disponibilité, volumétrie, gouvernance, sécurité.\n* \nConception d'architectures intégrant l'intelligence artificielle\n* \nConcevoir des architectures logicielles orientées services, intégrant :\n* \ndes modèles d'intelligence artificielle (prédictifs, génératifs, agents autonomes),\n* \ndes interfaces de programmation applicative pour exposer les services,\n* \ndes chaînes de traitement de données (collecte, préparation, stockage, supervision).\n* \nChoisir les composants et modèles d'architecture les plus adaptés :\n* \ngénération de texte enrichie par recherche documentaire (approche d'augmentation par recherche),\n* \nagents d'intelligence artificielle orchestrés,\n* \npersonnalisation de modèles (réentraînement ciblé),\n* \nclassification, prédiction, recommandation, vision par ordinateur, traitement automatique du langage naturel.\n* \nIndustrialisation et exploitation\n* \nPréparer l'industrialisation des solutions en s'appuyant sur :\n* \nles pratiques de développement et d'exploitation pour automatiser les déploiements, les tests et les mises en production,\n* \nles démarches d'industrialisation des modèles d'apprentissage automatique pour suivre les performances, les dérives et les mises à jour de modèles,\n* \nles approches d'optimisation des coûts du cloud pour garantir une utilisation efficiente des ressources.\n* \nConcevoir des mécanismes de supervision et d'observabilité pour suivre en continu la performance, la disponibilité, la sécurité et les coûts des solutions d'intelligence artificielle.\n* \nGouvernance, sécurité et intelligence artificielle responsable\n* \nIntégrer les principes de gouvernance de la donnée : identification des sources de données, des responsables de données, gestion de la qualité et du cycle de vie.\n \n \n\nProfil recherché:\n\n \nProfil recherché\nFormation et expérience\n* \nDiplôme de niveau Bac+5 en informatique, intelligence artificielle, data ou école d'ingénieurs (ou équivalent).\n* \nExpérience significative (5 ans minimum) en architecture logicielle et/ou data, dont une partie sur des projets d'intelligence artificielle (prédictif, IA générative, agents, outils d'aide à la décision).\n* \nPratique avérée dans des contextes SI complexes (multi-applications, multi-projets, environnement industriel ou grands comptes).\nCompétences techniques\n* \nArchitecture IA et logicielle :\n* \nConception d'architectures intégrant des briques IA (modèles prédictifs, intelligence artificielle générative, agents autonomes, systèmes de recommandations, outils d'aide à la décision).\n* \nMaîtrise des patterns IA : génération de texte enrichie par recherche de documents (Retrieval-Augmented Generation), agents IA, personnalisation de modèles (fine-tuning), classification, analyse de langage naturel, traitement d'images.\n* \nCapacité à concevoir des architectures orientées services, intégrées au système d'information existant.\n* \nData, industrialisation et supervision :\n* \nBonne compréhension des plateformes de données métiers et des prérequis data (qualité, disponibilité, gouvernance).\n* \nMaîtrise des pratiques de développement et d'exploitation (DevOps), d'industrialisation des modèles de machine learning (ML Ops) et d'optimisation des coûts du cloud (FinOps).\n* \nConnaissance des outils de supervision et observabilité pour suivre les performances, la disponibilité et la consommation des solutions IA.\n* \nSécurité et IA responsable :\n* \nSensibilité aux enjeux de sécurité, confidentialité, conformité (données sensibles, éthique, protection des utilisateurs).\n* \nCapacité à intégrer les principes d'IA responsable dans les choix d'architecture et de gouvernance.\n* \nConception et documentation :\n* \nExpérience dans la production de dossiers d'architecture, de notes de cadrage, de dossiers d'intégration SI