Tech lead Data & Retrieval – IA Générative / RAG F/H
SMARTPOINTSaaS B2BPubliée il y a 1 semaine
~ 750 – 950 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Île-de-France · Hybride
- Durée
- 6 mois
- Démarrage
- 22 septembre 2026
- Expérience
- Expert (10 ans et +)
- 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 17 missions de votre métier et de votre séniorité de notre catalogue, dont la médiane est de 795 €/jour (moitié centrale : 400 à 850 €/jour).
- 23 missions qa engineer sont ouvertes à Île-de-France en ce moment, sur 174 pour ce métier en France.
- 1 % des missions qa engineer de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Redis (13 missions), NLP (18 missions), LangChain (20 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil expert (10 ans et +) · Comment ces repères sont calculés
La mission
Au sein d’une équipe spécialisée en Data et Intelligence Artificielle, vous intervenez sur des problématiques à forte dimension technique autour de la gestion de données, de l’Information Retrieval et de l’IA générative.
Votre mission consiste à concevoir et industrialiser les pipelines permettant de collecter, transformer, indexer et rechercher de grands volumes de données, afin d’alimenter des applications basées sur les LLM et les architectures RAG.
Vous serez également impliqué dans les choix d’architecture, l’amélioration de la pertinence des recherches et l’industrialisation des solutions en production.
Vos principales missions
Data Engineering & Indexation
Concevoir et industrialiser des pipelines d’ingestion de données provenant de sources hétérogènes.
Mettre en œuvre les traitements de parsing, nettoyage, normalisation et chunking.
Concevoir et maintenir des systèmes d’indexation à grande échelle.
Mettre en œuvre des bases vectorielles et des embeddings.
Garantir la qualité, la fraîcheur, la traçabilité et la scalabilité des données et des index.
Retrieval & RAG
Concevoir des stratégies de recherche sémantique et hybride.
Combiner recherche lexicale (BM25), embeddings, filtrage et reranking.
Mettre en place des indicateurs de pertinence : Recall, Precision, nDCG, MRR.
Optimiser les mécanismes de Retrieval alimentant les LLM et architectures RAG.
Travailler sur la gestion du contexte, la déduplication et la qualité des résultats.
Architecture & qualité
Participer aux choix techniques et à l’évolution de la stack Data/IA.
Mettre en place les bonnes pratiques de développement : Clean Code, SOLID, tests automatisés.
Assurer l’observabilité des pipelines et des services.
Compétences attendues
Indispensables
- LLM
- Tests automatisés
- Python
- NLP
- PostgreSQL
- LangChain
- Kafka
- Redis
Appréciées
- Airflow
- Spark
- Docker
- Kubernetes
- CI/CD
- Go


