Belgium
Deutschland
France
日本
Nederland
Österreich
Schweiz
United Kingdom
A propos de cette offre
Informations clés
Ingénieur IA
Consulting
ASAP
Oui
Paris, Île-de-France, France
Négociable €
Mon client industrialise une plateforme interne d'agents IA destinée à ses équipes métiers et IT. Le projet, en phase d'industrialisation, vise à mettre à disposition dans un cadre gouverné des agents conversationnels et décisionnels capables de répondre à des cas d'usage opérationnels en s'appuyant sur les données et systèmes internes de la banque (gestion d'incidents, topologie applicative, gestion des changements, etc.).
Mission
L'Ingénieur IA intervient au sein de l'équipe plateforme et contribue au développement, à la
qualification et à la mise en production d'agents IA orchestrés sous LangGraph. Le périmètre de la
mission couvre :
* Conception et développement d'agents autonomes en Python avec LangGraph (StateGraph, multiagents, human-in-the-loop, intégration LLM, prebuilt tools).
* Intégration des agents avec des composants RAG, des bases de connaissances internes et des
sources opérationnelles via API.
* Optimisation des stratégies de prompt engineering et des mécanismes de contrôle (function
calling, tool use, plan-and-execute).
* Mise en place et enrichissement des suites d'évaluation (eval datasets, monitoring
comportemental, détection de dérive et d'hallucinations) sous LangSmith.
* Industrialisation : versioning, packaging conteneur, intégration CI/CD GitLab, conformité aux
standards de la plateforme.
* Documentation des agents, contribution à la matrice de risques et aux runbooks d'exploitation.
COMPÉTENCES REQUISES:
🔹 Conception d'agents IA
Maîtrise de la conception d'architectures d'agents intelligents complexes :
- Utilisation de LangGraph (StateGraph, systèmes multi-agents, Human-in-the-Loop, outils préconfigurés)
- Implémentation de patterns d'orchestration avancés
- Gestion de la mémoire contextuelle et des boucles de rétroaction
🔹 Intégration de modèles LLM
Capacité à intégrer et exploiter des modèles de langage dans des workflows opérationnels :
- Function calling, tool use, plan-and-execute
- Sélection et optimisation des modèles
- Prompt engineering systématique et structuré
🔹 RAG & systèmes de recherche
Conception et optimisation de pipelines de retrieval :
- Vector retrieval, chunking, ingestion de données
- Re-ranking, hybrid retrieval
- Réglage fin des paramètres (top-K, pertinence)
🔹 Développement Python & écosystème IA
Excellente maîtrise de Python appliqué à l'IA :
- Frameworks : LangGraph, LangChain, Pydantic
- Bonnes pratiques de développement : typage, packaging, tests, qualité de code
🔹 Tests et robustesse des systèmes IA
Mise en place de stratégies avancées de validation :
- Suites d'évaluation et simulations de dialogues
- Injection de fautes et tests de résistance
- Détection des dérives comportementales et des hallucinations
🔹 Observabilité & monitoring
Suivi et analyse du comportement des agents :
- Outils : LangSmith, OpenTelemetry
- Gestion des traces et identifiants de corrélation
- Monitoring des performances et comportements en production
🔹 CI/CD & conteneurisation
Industrialisation des agents IA :
- Pipelines GitLab CI/CD, Docker
- Packaging et versioning des agents
- Déploiement en environnements multiples (dev, staging, production)
🔹 Sécurité applicative
Application des standards de sécurité :
- Gestion des secrets (Vault ou équivalent)
- Protocoles sécurisés (OAuth, mTLS)
- Principe du moindre privilège et traçabilité des actions
🔹 Expérience en production
Gestion complète du cycle de vie des agents IA :
- Déploiement en production
- Gestion des incidents et plans de rollback
- Monitoring post-déploiement et amélioration continue
