Descriptif du poste:\n\nNEXTON recrute un Data Scientist / AI Engineer, en CDI, à Paris !\n\nTon futur environnement de travail :\n\nTu intègres l'équipe en tant que Dev/Data engineer pour l'un de nos clients grands comptes du secteur bancaire. Au cœur des enjeux d'innovation, tu participeras à la conception, au développement et à l'industrialisation de solutions d'IA avancées (Agentic AI, RAG) et de modèles prédictifs complexes pour répondre à des problématiques métier stratégiques (risque, fraude, marketing, recouvrement).\n\nTes missions :\n\n \n* \n \nTu concevras des architectures RAG robustes et sécurisées, construiras des workflows multi-agents pour des processus complexes et orchestreras des LLMs (Azure OpenAI, modèles open source) avec intégration de Function Calling et de capacités de raisonnement.\n \n* \n \nTu développeras des composants réutilisables sous forme d'API (FastAPI) et de services Cloud, définiras les standards techniques et déployeras les pratiques MLOps / LLMOps (CI/CD, Docker, Kubernetes) pour garantir la qualité, la fiabilité et la sécurité en production.\n \n* \n \nTu concevras et maintiendras des modèles ML (supervisés, XGBoost, LightGBM), réaliseras des analyses exploratoires et garantiras l'explicabilité (SHAP, LIME) ainsi que la responsabilité des algorithmes.\n \n* \n \nTu mettras en place l'observabilité des systèmes GenAI, suivras la dérive des modèles et des RAG, et mesureras la qualité des réponses générées via des frameworks d'évaluation avancés (RAGAS, LLM-as-a-Judge).\n\n\nProfil recherché:\n\nTu justifies de minimum 6 ans d'expérience en tant que data Scientist et dispose d'une connaissance de :\n\n \n* \n \nL'écosystème IA Générative & LLM avec la maîtrise des architectures RAG avancées, du Multi-Agent (LangChain, LangGraph, Semantic Kernel), du Prompt Engineering, du Fine-tuning et des Vector Databases\n \n* \n \nLe Software Engineering & MLOps via le développement Python avancé, la création d'API (FastAPI), la conteneurisation (Docker, Kubernetes), les pipelines CI/CD, MLflow et la gestion de version (Git)\n \n* \n \nLa Data Science classique reposant sur de solides bases en statistiques appliquées, le Machine Learning supervisé (Gradient Boosting), l'optimisation de modèles prédictifs et XAI (SHAP, LIME)\n \n* \n \nLes environnements Cloud & Data avec une pratique avérée des plateformes Cloud (Azure, Azure AI Foundry, Azure AI Search, Azure ML) et des environnements Big Data (Databricks, PySpark)\n\n\nEt tu as :\n\n \n* \n \nUne capacité démontrée à industrialiser des produits IA complexes et à les maintenir en condition operational à grande échelle\n \n* \n \nUn fort esprit d'innovation et une veille active sur les évolutions rapides de l'IA Générative et de l'Agentic AI\n \n* \n \nUne excellente aisance relationnelle pour vulgariser les sujets IA et collaborer efficacement avec les équipes métiers, SI et produit\n