Lead Data Scientist - Google ADK

Les équipes IT & Operations (ITO) de la banque d’investissement conçoivent, développent, maintiennent et sécurisent les systèmes d’information et les applications nécessaires aux activités de la banque.

Présente à l’échelle internationale, l’organisation accompagne les entreprises dans leur développement en leur proposant des solutions de conseil stratégique, de financement et de services bancaires transactionnels. Elle joue également un rôle d’intermédiaire entre les entreprises et les investisseurs institutionnels, en s’appuyant sur une expertise sectorielle reconnue et des équipes réparties dans plusieurs régions du monde.

Objectif de la mission

Dans le cadre du développement de ses activités en intelligence artificielle, la division AI de la plateforme Banking souhaite renforcer son équipe de Data Scientists.

L’équipe intervient dans la conception et l’intégration de solutions d’IA innovantes au sein des applications métiers, notamment pour automatiser l’extraction et le traitement de données issues de documents complexes (états financiers, dossiers de crédit, etc.) et de systèmes d’information internes.

Principales responsabilités

Le consultant interviendra sur l’ensemble du cycle de vie des projets de Data Science et d’intelligence artificielle, avec pour principales missions :

Conception de solutions agentiques : définir et développer des architectures basées sur des agents IA afin de simplifier et d’accélérer des processus métiers complexes.

Collaboration avec les équipes métiers : identifier les besoins, proposer des solutions adaptées et favoriser leur adoption afin de maximiser leur valeur ajoutée.

Extraction intelligente de données : concevoir et optimiser des pipelines agentiques permettant d’extraire des informations pertinentes à partir de documents variés et de systèmes internes.

Évaluation et observabilité : mettre en place des mécanismes d’évaluation, de suivi et d’observabilité pour mesurer la fiabilité et les performances des pipelines agentiques.

Déploiement de modèles d’IA : installer et exécuter des LLM et autres modèles sur des infrastructures GPU dans un environnement de développement.

Optimisation continue : améliorer les performances, la précision et la robustesse des solutions d’extraction de données selon une approche itérative et incrémentale.

Qualité et tests : concevoir et mettre en œuvre des stratégies de tests afin de garantir la qualité des développements et la fiabilité des solutions.

Industrialisation des solutions : appliquer les meilleures pratiques de développement informatique et collaborer avec les architectes ainsi qu’avec les équipes de production pour assurer le passage à l’échelle.

Responsabilité technique et transfert de compétences : assurer le suivi technique des cas d’usage métiers, accompagner les équipes et contribuer à la mise en production des solutions développées.

Environnement technique

Frameworks et outils IA : FastAPI, Google ADK, LangGraph, DSPy, Arize Phoenix.

Tests et qualité : Pytest.

Infrastructure et déploiement : Kubernetes, Jenkins, vLLM, GPU.