Contexte : Dans le cadre de l?accélération de ses initiatives en Intelligence Artificielle Générative, notre client recherche un Data Scientist GenAI / AI Engineer pour concevoir, développer et industrialiser des solutions basées sur les LLM. Le consultant interviendra sur des projets d?IA appliquée visant notamment l?automatisation de processus métiers, l?accès à la connaissance interne et le développement d?assistants intelligents, de la phase de conception jusqu?à la mise en production. Missions principales : - Analyser les besoins métiers et identifier les cas d?usage pertinents autour de l?IA générative. - Concevoir et développer des applications basées sur des LLM tels que GPT, Mistral, Llama ou Claude. - Développer des assistants conversationnels et des systèmes d?aide à la décision. - Concevoir et mettre en ?uvre des architectures RAG et des solutions de recherche sémantique. - Développer les pipelines documentaires : ingestion, nettoyage, chunking, embeddings, indexation, retrieval et reranking. - Concevoir des workflows agentiques et orchestrer des outils et agents IA. - Développer des APIs et services backend autour des modèles IA. - Transformer les POC en solutions industrialisées et production-ready. - Mettre en place les pratiques de tests, versioning, CI/CD, monitoring et documentation. - Définir et mettre en ?uvre des métriques et frameworks d?évaluation des solutions GenAI. - Optimiser la qualité des réponses, la pertinence du retrieval, la latence et les coûts, tout en limitant les hallucinations. - Participer au déploiement des solutions sur des environnements Cloud. - Présenter et vulgariser les solutions auprès des équipes techniques et métiers. Livrables attendus : - Analyses des besoins et identification des cas d?usage IA. - Spécifications fonctionnelles et techniques. - Prototypes et applications GenAI fonctionnelles. - Architectures RAG et pipelines documentaires documentés. - APIs, services IA et agents opérationnels. - Scripts et notebooks d?expérimentation. - Code source versionné et pipelines CI/CD. - Documentation d?architecture, de déploiement et d?exploitation. - Métriques de qualité et de performance des solutions. - Documentation des modèles, prompts et dispositifs d?évaluation.