AI Agent Builder / Generative AI Engineer
Dans le cadre de la structuration de notre pôle IA, nous faisons évoluer notre trajectoire technique : nous ne cherchons pas un Data Scientist ou un ML Engineer classique, mais un AI Agent B...
Résumé
<p>Dans le cadre de la structuration de notre pôle IA, nous faisons évoluer notre trajectoire technique : nous ne cherchons pas un Data Scientist ou un ML Engineer classique, mais un <strong>AI Agent Builder / LLM Engineer</strong> confirmé.</p><p>Votre mission ? Concevoir, déployer, gouverner et industrialiser des <strong>agents IA autonomes</strong> répondant à des besoins métier variés (Support, Finance, RH, Opérations, Fraud/Risk), tout en maintenant une infrastructure de données robuste et hautement scalable<strong> sous GCP.</strong></p><p>Vous travaillerez au carrefour des équipes Data, Tech, Produit et Metier pour passer des prototypes à la production réelle.</p><p></p><strong>VOS MISSIONS</strong><p></p><strong>Conception & Industrialisation d'Agents IA (Cœur du rôle)</strong><ul><li><p><strong>Création d'agents IA métiers :</strong> Développer et orchestrer des agents fonctionnels et multi-outils pour adresser des problématiques métier concrètes.</p></li><li><p><strong>Gouvernance & Guardrails :</strong> Mettre en place des mécanismes de contrôle, d'évaluation, de sécurité et d'alignement pour garantir des réponses fiables en production.</p></li><li><p><strong>Administration de plateformes Agents/LLM :</strong> Gérer et superviser l'écosystème d'orchestration et de monitoring (ex: LangSmith, Azure AI Foundry, Vertex AI, Bedrock).</p></li><li><p><strong>Déploiement & MLOps :</strong> Assurer le passage en production robuste avec une architecture MLOps adaptée (CI/CD via GitHub Actions).</p></li></ul><strong>Modélisation, Analyse & Inférence de Données</strong><ul><li><p><strong>Modélisation hybride :</strong> Adresser les problématiques clés (prévention de la fraude, scoring, optimisation des conversions) en combinant GenAI/LLM et ML classique / Deep Learning selon l'impact coût/performance.</p></li><li><p><strong>Analyse d'impact & Rigueur statistique :</strong> Analyser le flux transactionnel avec rigueur (tendances, anomalies, causalité) et challenger les modèles sur des données réelles avant tout déploiement.</p></li></ul><strong>Infrastructure de Données & MLOps (Stack GCP)</strong><ul><li><p><strong>Pipelines de données :</strong> Concevoir et maintenir des pipelines de données fiables sur notre stack GCP (BigQuery, Dataform, Pub/Sub) pour alimenter les agents et modèles.</p></li><li><p><strong>Performance & Scalabilité :</strong> Optimiser les requêtes, gérer de volumineux flux de données et éliminer les goulots d'étranglement.</p></li></ul><strong>Acculturation & Animation de la Culture IA</strong><ul><li><p><strong>Inspiration & Pédagogie :</strong> Co-construire les cas d'usage avec le Produit et vulgariser vos réalisations auprès d'interlocuteurs non-techniques sans sacrifier la rigueur scientifique.</p></li><li><p><strong>Veille & Standards :</strong> Établir des standards de dev (tests, linting, doc) et animer une veille technologique active sur les avancées des LLM et de l'agentique.</p></li></ul>