Ingénieur En Intelligence Artificielle

Profil recherché

• Diplôme : Ingénieur d’État ou Master en informatique, intelligence artificielle, Data Science ou domaine équivalent.

• Expérience : 0 à 2 ans, stages et projets significatifs en IA/data pris en compte.

Mission principale

• Au sein d'une équipe de développement pluridisciplinaire, en lien étroit avec les spécialistes Business Intelligence (BI), l'ingénieur(e) IA conçoit, développe, teste et intègre des solutions basées sur l’intelligence artificielle et l’apprentissage automatique afin d’améliorer l’exploitation des données, d’automatiser le traitement des documents et de contribuer à la modernisation des processus métiers, dans le respect des exigences de sécurité et de confidentialité des données.

Activités principales

• Participer à la conception et au développement de modèles de machine learning (classification, prédiction, détection d’anomalies...) et de deep learning et de traitement du langage naturel (NLP).

• Développer des solutions de traitement intelligent de documents, notamment la reconnaissance optique de caractères (OCR), l’extraction d’informations et la structuration automatique des données.

Collecter, nettoyer, préparer et analyser les jeux de données nécessaires à l'entraînement des modèles.

• Explorer et mettre en œuvre des solutions d’intelligence artificielle générative (LLM, RAG) pour la recherche d’informations, l’analyse documentaire et l’assistance aux utilisateurs.

• Préparer, nettoyer, structurer et analyser les données nécessaires au développement et à l’évaluation des modèles.

• Évaluer les performances des modèles, réaliser les tests nécessaires et assurer leur amélioration continue.

• Intégrer les modèles dans la plateforme (API, services, pipelines) en collaboration avec les développeurs.

• Participer à la mise en place de solutions d’IA déployées en environnement interne, en tenant compte des contraintes d’infrastructure, de sécurité et de confidentialité.

• Contribuer à la veille technologique en IA et proposer des améliorations.

• Documenter les développements réalisés, les modèles utilisés, les résultats obtenus et les procédures de déploiement.

• Collaborer avec les équipes informatiques et les structures métiers afin de comprendre leurs besoins et de proposer des solutions adaptées.

• Participer aux projets de valorisation des données, d’amélioration de la qualité des données et d’automatisation des processus internes.

• Contribuer à l’intégration des solutions d’IA dans l’environnement technique existant et à leur maintien en conditions opérationnelles.

• Participer aux phases de tests, de validation et de mise en production des solutions développées.

• Assurer le partage des connaissances techniques et la rédaction de la documentation nécessaire à la maintenance et à l’évolution des solutions.

• Respecter les règles de sécurité des systèmes d’information, les procédures internes et les exigences de confidentialité applicables aux données traitées.

Compétences techniques :

• Programmation : bonne maîtrise de Python et des principales bibliothèques de traitement et d’analyse de données (Pandas, NumPy, Scikit-learn).

• Machine Learning et Deep Learning : compréhension des principaux algorithmes, entraînement, évaluation et optimisation des modèles ; pratique de TensorFlow ou PyTorch.

• Traitement intelligent de documents : connaissance des technologies OCR, de l’extraction d’informations et du traitement automatique de documents.

• IA générative : connaissance des LLM, du prompt engineering et des architectures RAG ; une expérience avec des modèles locaux constitue un atout.

Données : maîtrise du langage SQL et capacité à manipuler, préparer et exploiter des données structurées et non structurées.

• Développement et intégration : notions de déploiement (API REST, Docker) appréciées.

• Environnements techniques : connaissance des environnements Windows et/ou Linux, de Git et des outils de gestion de versions.

• Déploiement : compréhension des principes de mise en production, de suivi et de maintenance des modèles d’IA.

Compétences comportementales :

• Esprit d'équipe et goût du travail pluridisciplinaire

• Rigueur, curiosité et capacité d'apprentissage

• Sens de l'analyse et de la synthèse

• Aptitude à vulgariser des concepts techniques auprès de non-spécialistes

• Autonomie adaptée à son niveau d'expérience

Langues : français et anglais technique (lecture de documentation).