[Mission] Gen-AI EngineerEn tant que Gen-AI Engineer, vous serez le pilier technique du développement de notre assistant IA à destination d’équipes métier, en garantissant la pertinence, la robustesse et la traçabilité des réponses générées à partir de sources documentaires complexes. Vos principales responsabilités incluent :
Conception et déploiement de l’architecture RAG : De la conception à la mise en production, vous construisez un pipeline RAG robuste et évolutif.
Développement du pipeline de données : En collaboration avec le Data Engineer, vous assurez l’extraction, le pré-traitement, l’embedding et l’indexation de sources documentaires complexes. Vous implémentez un moteur de recherche sémantique.
Prompt Engineering avancé : Vous optimisez les interactions avec les LLM (Large Language Models) pour maximiser la pertinence et la qualité des réponses. Cela inclut le réglage des prompts, le few-shot learning et la mise en œuvre de techniques d’agents conversationnels.
Évaluation et amélioration continue : Vous mettez en place des métriques d’évaluation rigoureuses (via EvalAP ou d’autres outils) pour mesurer la pertinence des réponses, l’absence d’hallucinations et la robustesse du système. Vous analysez les retours utilisateur et les logs pour améliorer continuellement le modèle.
Déploiement et MLOps : Vous contributez à l’intégration continue et au déploiement continu (CI/CD) du projet, en assurant la scalabilité et la maintenabilité de la solution en production. Participer à l’amélioration continue par l’analyse des logs, des tests et des retours terrain.
Collaboration et communication : Vous travaillez en étroite collaboration avec les équipes métier pour comprendre leurs besoins et avec les équipes techniques pour intégrer l’assistant dans l’écosystème de l’État. Vous vulgarisez les concepts techniques complexes pour différents publics.
Expertise Technique
Langages et Frameworks : Maîtrise de Python (incluant des bibliothèques comme OpenWebUI, FastAPI, Faiss, Pydantic). Connaissance d’outils de visualisation et d’analyse comme Streamlit ou Gradio.
IA Générative et NLP : Solide compréhension des LLM, des architectures RAG, de l’indexation vectorielle et des techniques d’évaluation de modèles. Expérience avec des bibliothèques telles que LangChain, LlamaIndex ou Hugging Face.
Bases de données : Expérience avec les bases de données relationnelles (PostgreSQL) et NoSQL (MongoDB), ainsi qu’avec les bases de données vectorielles (PGVector, Pinecone, ou ChromaDB).
DevOps & MLOps : Pratique de Git et GitHub, expérience avec le CI/CD. Connaissance des conteneurs (Docker) et de l’orchestration (Kubernetes). Familiarité avec les enjeux de sécurité et d’analyse de logs en production.
Méthodologie et Soft Skills
Méthodes Agiles : Capacité à travailler dans un environnement agile, itératif et orienté produit.
Rigueur : Fortes compétences en qualité du code, documentation technique et tests (TDD).
Autonomie et Adaptabilité : Capacité à s’approprier rapidement de nouvelles technologies et à prendre des initiatives.
Communication : Excellente capacité à travailler en équipe, à communiquer clairement et à vulgariser des sujets techniques pour des interlocuteurs non-techniques.