Ingénieur Intelligence Artificielle - CDI - Île-De-France H/F ALTEN

Contexte du poste

Dans le cadre de notre développement en IA, nous recherchons un Ingénieur Intelligence Artificielle pour renforcer nos équipes en Île-de-France. Vous contriburez à la conception, l'entraînement et le déploiement de modèles d'IA avancés (LLM, Computer Vision, NLP, etc.) pour des cas d'usage métiers variés (automatisation, prédiction, génération de contenu, etc.).

Type de contrat : CDI
Localisation : Île-de-France (présentiel partiel, télétravail possible selon les projets)
Niveau d'expérience : 4 ans minimum en Intelligence Artificielle ou domaine connexe.
Diplôme requis : Bac +5 ou diplôme d'ingénieur en IA, mathématiques appliquées, ou informatique.
Langues : Anglais professionnel obligatoire (documentation technique, échanges internationaux).

Missions principales

1. Recherche et développement de modèles d'IA

• Concevoir des architectures de modèles pour des cas d'usage spécifiques :

  • LLM (fine-tuning, RAG, agents conversationnels).

  • Computer Vision (détection d'objets, segmentation, reconnaissance faciale).

  • NLP (compréhension de langage, génération de texte, analyse de sentiments).

  • Séries temporelles (prédiction, détection d'anomalies).

• Expérimenter avec des frameworks avancés :

  • Transformers (Hugging Face, PyTorch, TensorFlow).

  • Diffusion Models (Stable Diffusion, DALL·E).

  • Reinforcement Learning (RLHF, PPO).

• Optimiser les modèles pour des contraintes spécifiques (latence, mémoire, edge computing).

2. Industrialisation et déploiement (MLOps)

• Containeriser et déployer des modèles en production (Docker, Kubernetes).

• Automatiser les pipelines MLOps :

  • Entraînement (MLflow, Weights & Biases).

  • Déploiement (TensorFlow Serving, FastAPI, ONNX Runtime).

  • Monitoring (drift detection, performance, logging).

• Collaborer avec les équipes DevOps/Cloud pour intégrer les modèles dans des architectures scalables (AWS SageMaker, Azure ML, GCP Vertex AI).

3. Collaboration avec les métiers et innovation

• Comprendre les enjeux métiers et traduire les besoins en solutions d'IA.

• Prototyper des POCs pour valider la faisabilité technique (ex : chatbots métiers, systèmes de recommandation).

• Former et accompagner les équipes à l'utilisation des outils d'IA.

• Veille technologique active :

  • Suivre les avancées en IA (papers, conférences, outils open-source).

  • Évaluer l'applicabilité de nouvelles technologies (ex : agents autonomes, IA multimodale).

4. IA Responsable et conformité

• Garantir l'éthique et la transparence des modèles (explicabilité, détection des biais).

• Appliquer les réglementations (RGPD, AI Act, normes sectorielles).

• Documenter les processus (data lineage, fiches modèles, rapports d'impact).

Compétences et technologies mandatory

Intelligence Artificielle et Machine Learning

• Frameworks :

  • Deep Learning : PyTorch, TensorFlow, Keras, JAX.

  • LLM : Hugging Face (Transformers), LangChain, LlamaIndex.

  • Computer Vision : OpenCV, PIL, YOLO, Detectron2.

• Modèles :

  • Transformers (BERT, T5, Llama, Mistral).

  • Diffusion Models (Stable Diffusion, ControlNet).

  • Optimisation : Quantization, Pruning, Distillation.

• Outils MLOps :

  • Expérimentation : MLflow, Weights & Biases, TensorBoard.

  • Déploiement : FastAPI, Flask, ONNX, Triticum.

  • Monitoring : Evidently, Arize, Prometheus.

Cloud et Infrastructure

• Cloud Providers :

  • AWS : SageMaker, Lambda, EC2, S3.

  • Azure : Azure ML, Databricks, Cognitive Services.

  • GCP : Vertex AI, BigQuery, TPU.

• Containerisation : Docker, Kubernetes (EKS, AKS, GKE).

• CI/CD : GitLab CI, GitHub Actions, Jenkins.

Data Engineering

• Traitement des données :

  • Big Data : Spark, Databricks, Dask.

  • Bases de données : SQL (PostgreSQL), NoSQL (MongoDB), Vector DB (Pinecone, Weaviate).

• Outils : Pandas, Polars, Apache Arrow.

Langages et Bonnes Pratiques

• Langages : Python (obligatoire), R (un plus), C++/Java (pour l'IA embarquée).

• Bonnes pratiques :

  • Clean Code, tests unitaires (Pytest), documentation (Sphinx, MkDocs).

  • Gestion de version (Git, DVC).