Lead ai Engineer H/F Andema

Dans le cadre d'un projet stratégique Data & IA, nous accompagnons l'un de nos clients, acteur tech à fort enjeu produit, dans le recrutement d'un Lead AI Engineer.

Le rôle

Le Lead AI Engineer est responsable de la conception, du développement et du déploiement de solutions IA à forte valeur métier. À la fois référent technique IA et acteur clé du delivery, il combine une posture très hands-on avec une vision produit / ROI, en lien étroit avec les équipes métier, produit et la direction.

Vos responsabilités

1. Conception & développement de solutions IA (coeur du poste)

- Concevoir et développer des solutions IA avancées :
- LLM & GenAI (RAG, MCP, agents, workflows IA, fine-tuning si nécessaire)
- Modèles de scoring, recommandation, prédiction, classification
- Développer des solutions robustes, scalables et industrialisées, prêtes pour la production
- Être très fortement hands-on en développement, principalement en Python
- Garantir la qualité du code, la performance, la sécurité et la maintenabilité
- Utiliser des outils d'assistance au développement (ex. Claude Code)

2. Leadership technique & delivery IA

- Porter les projets IA de bout en bout : cadrage fonctionnel et technique, choix d'architecture, priorisation delivery, mise en production et suivi de la valeur
- Jouer un rôle de leader technique, sans management hiérarchique direct
- Être capable d'arbitrer et de prendre des décisions techniques structurantes
- Structurer le delivery dans une logique produit et ROI, en lien avec le CPTO

3. Interface produit, métier et direction

- Travailler en proximité avec : les équipes métiers, le produit, les équipes techniques, la direction
- Traduire des besoins métier complexes en solutions IA concrètes
- Animer des ateliers de cadrage, restituer les avancées, vulgariser les sujets IA
- Porter une vision transverse des projets (roadmap, dépendances, risques)

4. Structuration et montée en maturité IA

- Contribuer à la vision IA globale (choix technologiques, standards, bonnes pratiques)
- Mettre en place des patterns réutilisables (RAG, pipelines IA, templates projets)
- Participer à la diffusion de la culture IA
- Assurer une veille active sur les évolutions IA (LLM, frameworks, usages)

Environnement technique

- Langage : Python (expert)
- IA / Data : LLM / GenAI, RAG, embeddings, agents Pandas, PySpark (selon cas)
- Plateforme Data : MinIO, MongoDB, PostgreSQL, ElasticSearch, Airflow, RabbitMQ
- Infra : Docker, Kubernetes
- Dataviz / exposition : PowerBI, Metabase
- Outils : Git, CI/CD, outils d'IA d'assistance au développement