Descriptif de la mission :

Il anticipe et fait mûrir les nouveaux projets par une sensibilisation à l'apport des technologies et une analyse prospective des processus métiers. Il assiste la
maîtrise d'ouvrage pour la définition des besoins et des solutions à mettre en oeuvre, dans un souci de meilleure intégration dans le système d'information
d'entreprise.
Niveau d'expérience : 3-6 ans

Contexte et objectifs de la mission
Dans le cadre de sa stratégie d’innovation digitale, le client souhaite accélérer le déploiement d’agents d’IA générative pour différents cas d’usage métiers. Afin d’assurer une intégration efficace, pérenne et sécurisée, il est indispensable d’identifier, d’évaluer et de préconiser les technologies socles les plus adaptées au contexte du groupe.
Cette mission vise donc à réaliser une étude de choix comparant les différents outils et frameworks disponibles pour :
-Le développement d’agents IA avancés (framework dédié, SDK, bibliothèques, etc.)
-La mise à disposition de solutions low-code/no-code pour le prototypage ou le déploiement rapide d’agents simples-L’indexation, la gestion et la sécurisation des données nécessaires au fonctionnement des agents, notamment via des bases vectorielles (vector DB)
-L’assurance d’un environnement répondant aux exigences de sécurité (sécurité des accès, confidentialité des données, conformité réglementaire), de scalabilité (montée en charge et performance) et d’observabilité (monitoring, traçabilité, gestion des incidents)

Périmètre de l’étude
L’étude doit impérativement couvrir les volets suivants :
-Recensement des besoins métiers et techniques auprès des équipes client impliquées dans l’IA générative-Cartographie de l’existant et identification des contraintes d’intégration avec le SI du client
-Benchmark des frameworks de développement pour agents AI (exemples : Semantic Kernel, LangChain, LlamaIndex, etc.)
-Comparaison des solutions low-code/no-code pour la création d’agents (exemples : Microsoft Copilot Studio, Pipedream, etc.)
-Analyse des solutions d’indexation de données textuelles et multimodales (notamment bases vectorielles comme Azure AI Search, Databricks, Pinecone, Weaviate, Qdrant, etc.)
-Étude des dispositifs existants ou à mettre en place pour la sécurité, la conformité, la scalabilité et l’observabilité des technologies retenues
-Préconisations argumentées sur l’architecture cible et le schéma directeur de déploiement

Livrables attendus
Document de synthèse présentant l’état de l’art des solutions évaluées-Analyse comparative (forces/faiblesses, coûts, niveau de maturité, etc.)-Proposition d’architecture cible et recommandations d’implémentation-Tableau de sélection des technologies et justification des choix proposés-Schéma de gouvernance technique et principes d’intégration

Environnement Technique