Developpeur IA Agentic & RAG
NATANSaaS B2BPubliée il y a 2 semaines
~ 270 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Paris · Sur site
- Durée
- 6 mois
- Démarrage
- 9 septembre 2026
- Expérience
- Confirmé (3-6 ans)
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- Le TJM de cette mission se situe en dessous de la médiane des 696 missions de votre métier et de votre séniorité de notre catalogue, dont la médiane est de 400 €/jour (moitié centrale : 190 à 525 €/jour).
- 244 missions développeur full-stack sont ouvertes à Paris en ce moment, sur 1071 pour ce métier en France.
- 3 % des missions développeur full-stack de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : LangChain (8 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil confirmé (3-6 ans) · Comment ces repères sont calculés
La mission
Développeur IA Agentique & RAG (Python / LangChain)
Expérience de mise en production requise
Objectif de la mission Vous integrez, optimisez et déployez des cas d'usage IA avancés. L'enjeu principal est de disposer d'un développeur capable d'aller au-delà du simple développement de prototypes ou de PoC, et de construire de véritables solutions robustes destinées à la production.
Environnement technique L'ensemble de la stack IA est développé en Python. Les technologies et concepts utilisés comprennent notamment : Python /LangChain / Architectures RAG / Bases de données vectorielles Qdrant / Onyx II / Orchestration de prompts / Agents IA / API OpenAI
Points qui seront challengés
Les candidats devront notamment pouvoir être interrogés sur : •Leur expérience réelle de mise en production d'applications IA •Leur capacité à passer d'un PoC à une solution robuste en production •La conception et l'optimisation d'une architecture RAG •Leur utilisation de LangChain •La gestion des bases de données vectorielles •La gestion des comportements inattendus des LLMs •La sécurisation des agents IA •Les risques liés aux prompt injections •Les mécanismes mis en place pour limiter ces risques •La mise en oeuvre de guardrails •Leur manière de gérer les imprévus et incidents en production
Compétences attendues
Indispensables
- Python
- LangChain