Un acteur majeur du secteur de la grande distribution recherche un AI Engineer Senior spécialisé en IA générative et systèmes agentiques pour contribuer à un projet stratégique d'optimisation des processus de négociation. Vous rejoindrez une équipe pluridisciplinaire travaillant sur la conception et le déploiement de solutions d'intelligence artificielle avancées, dans un environnement technologique moderne fondé sur Python, PyTorch, TensorFlow et GCP. Ce projet s'inscrit dans une stratégie d'entreprise ambitieuse visant à démocratiser l'usage des données et des approches analytiques rationnelles, ainsi que le développement de systèmes agentiques d'assistance aux équipes métier. Vous participerez à la conception et à la réalisation du « Négociateur Augmenté », une plateforme destinée à fournir des outils analytiques et agentiques permettant d'optimiser les accords conclus avec les fournisseurs. Votre mission couvrir l'ensemble du cycle de vie des projets data et IA : de l'identification des besoins métier à la mise en production, en passant par l'exploration des données, la modélisation, le développement agentique, le déploiement, et le suivi des performances. Vous travaillerez en étroite collaboration avec les équipes opérationnelles pour comprendre leurs enjeux, ainsi qu'avec les équipes techniques pour arbitrer les choix algorithmiques, d'architecture et d'implémentation. Vous serez responsable de l'application des bonnes pratiques de software engineering afin d'assurer la qualité, la maintenabilité et l'industrialisation des solutions. Responsabilités : - Concevoir, développer et déployer des systèmes agentiques robustes et scalables, du prototypage à la mise en production - Dialoguer avec les équipes métier pour identifier les besoins, comprendre les difficultés et traduire les exigences fonctionnelles en solutions techniques - Contribuer itérativement au projet Négociateur Augmenté : exploration de données, construction de datasets, modélisation, conception agentique, développement, revue de code, déploiement et monitoring - Discuter les choix de modélisation, d'architecture algorithmique et technique avec les pairs et l'équipe ; participer à l'arbitrage des décisions complexes - Concevoir et développer des modèles d'apprentissage automatique robustes avec Python, Scikit-learn, TensorFlow ou PyTorch, adaptés aux contraintes de production - Mettre en ?uvre les principes DevOps et CI/CD, utiliser Git pour le versionning du code, des données et des modèles - Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables et fiables - Appliquer les principes de qualité logicielle (SOLID, YAGNI), assurer une couverture de tests adéquate et un code maintenable - Implémenter des solutions d'observabilité et de monitoring pour diagnostiquer les performances des applications et modèles en production -... Indispensables : - Expérience confirmée (5+ ans) en machine learning et/ou data science avec Python en environnement production - Maîtrise de frameworks de deep learning : PyTorch et/ou TensorFlow - Solides connaissances en systèmes agentiques, IA générative et LLM (Large Language Models) - au moins 2 ans d'expérience pratique - Expertise en manipulation et analyse de données : Pandas, NumPy, SciPy - Maîtrise de Git et des pratiques CI/CD, ainsi que des principes DevOps - Expérience de déploiement de modèles ML en production - Bonne connaissance d'une plateforme de cloud computing (GCP ou équivalents Azure, AWS) - Capacité à participer à toutes les phases du cycle logiciel : conception, développement, déploiement, run et maintenance - Excellente communication écrite et orale en français pour interagir fluides avec les équipes métier et techniques - Capacité à analyser les situations complexes, proposer des solutions adaptées et identifier les axes d'amélioration - Rigueur et respect des délais tout en maintenant des standards élevés de qualité Fortement appréciés : - Expérience en conception et déploiement de systèmes agentiques en production - Connaissance spécifique de GCP (Vertex AI, BigQuery) ou des services cloud équivalents - Pratique des bibliothèques de visualisation avancées : Plotly, Seaborn - Gestion du versionning des données et des modèles (MLflow, DVC ou équivalents) - Expérience avec Scikit-learn pour des pipelines ML structurés et maintenables - Familiarité avec les outils de monitoring et d'observabilité pour les modèles en production - Connaissance des bases de données relationnelles et NoSQL - Pratique des principes de craftsmanship logiciel et du framework SOLID - Utilisation d'outils de qualité de code (Sonar) - Expérience en contexte Agile/Scrum - Esprit de collaboration, partage de connaissances et amélioration continue - Capacité à...