Descriptif de la mission :

La prestation consistera à?participer à:

- L’analyse : En fonction des besoins priorisés, analyser les modèles et solutions répondant au besoin.
- Déploiement et Intégration : Concevoir, développer et / ou intégrer des modèles d'intelligence artificielle dans nos produits. (NLP, LLM Multimodale, SLM, Computer Vision)
- Maintenance : Mise en place d’outils pour aider le déploiement complexe de LLMs multimodaux sur différents environnement produits (ONNX Runtime, LangChain, MLflow, MLLM-Tool, etc.)
- Tests : Mise en place de tests de performance (tests de charge, de stress, et d'endurance)
- Surveillance et qualité : Suivre la qualité des résultats et affiner l’utilisation et assurer la scalabilité, la fiabilité et la performance des modèles déployés.
- Optimisation : Améliorer la performance et la précision des modèles IA existants avec des solutions à intégrer (LLM as a Judge, RAG, fine-tuning).
- Expérimentation et Veille : Tester de nouvelles approches algorithmiques et se tenir informé(e) des dernières avancées en IA. (LLM, SLM, CNN, CV etc.)
- Collaboration : Travailler en étroite collaboration avec les différentes équipes produit de l’offre d’infos, data, infra et développement pour assurer une intégration efficace et transverse des solutions.
- Documentation et Reporting : Assurer le suivi et la documentation des solutions développées.

Expertises?requises?

- Expérience minimale de 3 ans en développement IA, ML/DL (machine learning/deep learning)
- Maîtrise des langages Python, TensorFlow, PyTorch, SQL et bibliothèques associées.

- Expérience en machine learning (ML), deep learning (DL), traitement du langage naturel (NLP), Large Language Model (LLM), Computer Vision (CV) ou systèmes de recommandation (Filtrage collaboratif, filtrage basé sur le contenu). (à détailler)

- Connaissance des infrastructures aidant au déploiement et orchestration de modèles des LLMs multimodaux, de monitoring et d’optimisation des modèles (ONNX Runtime, LangChain, MLflow, MLLM-Tool, etc.)

- Expérience avec les bases de données et le cloud computing (Azure, OVH, GCP)

- Connaissance et maîtrise de la conteneurisation (docker/swarm, Kubernetes)

- Connaissance et maîtrise des standards de produit SAAS et API

Environnement Technique

API

Azure

Deep Learning

IA

Machine Learning

NLP

Python

SQL

tensorflow

pytorch

mlflow