CONTEXTE Aux côtés d'une équipe d'experts passionnés, vous relèverez les plus hauts défis techniques d'une société. En tant qu'Expert Data & Retrieval, vous êtes le garant de la matière première de leur IA : la collecte, l'ingestion, l'indexation et la recherche de pertinence sur des volumes massifs de documents spécialisés, le socle qui alimente leurs modèles de langage et produits. Votre terrain de jeu : transformer la manière dont tout un secteur professionnel travaille au quotidien. Votre mission n'est pas d'écrire un simple script, mais de concevoir des pipelines de données robustes capables d'ingérer, de nettoyer et d'indexer d'énormes corpus textuels, puis d'exposer une recherche rapide et pertinente (sémantique et hybride) au service de plusieurs équipes à travers l'Europe. Vous garantirez la fraîcheur des index et la qualité du retrieval tout en gérant une complexité technique de haut vol (volumétrie, hétérogénéité des sources, évaluation de la pertinence, scalabilité). MISSIONS Vos missions principales s'articulent autour de trois axes : bâtir, outiller et transmettre. 1. Collecte, ingestion & indexation * Concevoir la collecte et le traitement de sources hétérogènes (open data, bases spécialisées, documents métier), le parsing, le nettoyage, le chunking et la normalisation des documents. * Choisir et industrialiser les modèles d'embeddings, alimenter et maintenir les bases vectorielles, gérer la fraîcheur et la reconstruction des index. * Garantir la scalabilité de l'indexation sur des corpus massifs et la traçabilité des données (lignage, versioning des index). 2. Recherche & pertinence (Retrieval) * Combiner recherche lexicale et sémantique (BM25 + embeddings) avec reranking et filtrage par métadonnées pour maximiser la pertinence. * Mettre en place des jeux de tests et des métriques de pertinence (recall, precision, nDCG, MRR) pour mesurer et améliorer le retrieval. * Structurer la phase de récupération qui alimente les LLM (contexte, citations, dé-duplication, gestion des fenêtres de contexte). * Instrumenter les pipelines (logs, métriques, traces de qualité) et garantir la sécurité et la conformité des données (isolation par pays, conformité aux réglementations). 3. Leadership technique & gouvernance * Promouvoir les pratiques de Clean Code, SOLID, et tests automatisés. * Assurer une veille constante et contribuer au rayonnement technique du groupe (articles, meetups, open-source). STACK TECHNOLOGIQUE * Langages : Python 3.11+ (maîtrise requise), Go * Indexation : Bases vectorielles (pgvector, Weaviate, Qdrant, OpenSearch), recherche hybride / BM25 * Embeddings & NLP : sentence-transformers, modèles d'embeddings, tokenisation, parsing de documents * RAG & LLM : LangChain, RAG, reranking, OpenAI, Mistral, Bedrock * Data & Infra : PostgreSQL, Airflow / Spark (ou équivalent), Kafka, Redis, Docker, CI/CD, Kubernetes * Tests & Qualité : Pytest, évaluation de la pertinence (recall, nDCG, MRR) CONDITIONS DE TRAVAIL * Secteur : Édition spécialisée & services technologiques * Périmètre : France (périmètre européen) * Type de contrat : Freelance * Domaine : Intelligence artificielle & Data Engineering 1. Diplôme requis : Master, Ph.D, Diplôme d'Ingénieur ou équivalent en Informatique / Data 2. Maîtrise de Python 3.11+, connaissance de Go 3. Expérience avérée en Data Engineering / Information Retrieval sur des volumes massifs en production 4. Expertise Retrieval : maîtrise de l'indexation, des embeddings et de la recherche hybride, capacité à mesurer puis améliorer la pertinence 5. Culture Data : pipelines reproductibles, qualité et lignage des données, versioning des datasets et des index 6. Solide culture IA / ML : embeddings, NLP et bonne compréhension des LLM 7. Polyvalence appréciée, notamment une appétence pour d'autres langages