IA Engineer (H/F)
Cherry PickSaaS B2BPubliée il y a 4 jours
500 €/j
- Lieu
- Paris · Hybride
- Durée
- 6 mois
- Démarrage
- 16 novembre 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 au-dessus de la médiane des 47 missions de votre métier et de votre séniorité de notre catalogue dont l'annonce publie un budget, dont la médiane est de 475 €/jour (moitié centrale : 400 à 550 €/jour).
- 152 missions ingénieur ia sont ouvertes à Paris en ce moment, sur 383 pour ce métier en France.
- 7 % des missions ingénieur ia de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : pgvector (6 missions), MLOps (112 missions), RGPD (168 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil confirmé (3-6 ans) · Comment ces repères sont calculés
La mission
Contexte de la mission
Au sein d’un grand groupe, l’Ingénieur IA / MLOps (AIOps) intervient pour administrer, fiabiliser et faire évoluer une plateforme d'IA générative en production. Dans un contexte à fort enjeu d'adoption, de conformité réglementaire (RGPD) et de transition d'architectures (maintien de la V1 et préparation/mutualisation vers la V2), le profil assure la continuité opérationnelle du service, l'optimisation des performances du RAG et l'industrialisation des chaînes de déploiement et de tests dans le cloud.
Missions principales & Rôle
Assurer le fonctionnement opérationnel, la disponibilité et la performance quotidienne de la plateforme d'IA générative en production.
Développer et intégrer les évolutions techniques et fonctionnelles (API Python, front React, orchestration LLM).
Optimiser les architectures RAG (Retrieval-Augmented Generation) et les bases vectorielles (PostgreSQL vectorisé / pgvector).
Mettre en œuvre et superviser les outils d'observabilité, d'évaluation et de traçabilité des LLM (Langfuse).
Définir et implémenter la stratégie de tests automatisés et de validation dans les pipelines CI/CD (constitution de jeux de données de test, automatisation des contrôles qualité/sécurité).
Mettre en conformité la plateforme avec les exigences de sécurité et les standards réglementaires (RGPD).
Documenter les architectures, schémas techniques et spécifications pour sécuriser la transmission vers les équipes centrales de la DSI.
Objectifs & Livrables
Assurer le suivi et le traitement du backlog d'incidents ainsi que la publication des indicateurs de production et de performance.
Livrer les évolutions applicatives et techniques documentées (spécifications, schémas d'architecture, guides d'exploitation).
Garantir la stabilité, la haute performance et la sécurité des services d'IA générative pour les entités utilisatrices.
Fournir une suite de tests automatisés intégrée à la chaîne CI/CD et capitaliser les briques techniques réutilisables.
Compétences requises
Solide expertise en frameworks d'orchestration d'IA générative : LangChain, LangGraph, et observabilité LLM avec Langfuse (impératif).
Maîtrise des modèles de fondation et architectures RAG : Mistral AI, Google Cloud Vertex AI, bases de données relationnelles vectorisées (PostgreSQL / pgvector).
Maîtrise du développement logiciel : API Python et développement Frontend React (impératif).
Pratique confirmée des environnements Cloud GCP / Cloud souverain (S3NS) : Cloud Run, Google Cloud Storage (GCS) et des pratiques CI/CD / DevOps.
Compétences attendues
Indispensables
- MLOps
- RGPD
- RAG
- Python
- React
- LLM
- PostgreSQL
- pgvector
Appréciées
- Tests automatisés
- CI/CD
- LangChain
- LangGraph
- Mistral AI
- Vertex AI