Responsabilités

Analyse des besoins et cadrage des projets :

·         Recueillir les besoins métiers des clients pour définir les objectifs et identifier les cas d’usage pertinents pour l’utilisation des modèles de langage (LLM).

·         Réaliser des études de faisabilité technique et métier en vue de la mise en œuvre de solutions basées sur des modèles de langage.

·         Proposer des architectures de données et d’intelligence artificielle adaptées aux problématiques spécifiques des clients.

2. Conception et développement de solutions basées sur des LLM :

·         Sélectionner, entraîner et ajuster les modèles de langage (ex : GPT, BERT, T5) selon les exigences des projets.

·         Superviser et participer à la construction et à la préparation des datasets nécessaires à l'entraînement des modèles.

·         Adapter ou personnaliser des modèles de langage pré-entraînés aux cas d’usage des clients via des techniques telles que le fine-tuning ou le prompt engineering.

3. Déploiement et industrialisation des modèles :

·         Assurer l’intégration des modèles dans les environnements de production en collaboration avec les équipes DevOps et MLOps.

·         Suivre la performance des modèles en production, en mettant en place des systèmes de monitoring et de retraining pour garantir leur qualité et leur pertinence.

·         Optimiser les performances des modèles en termes de coût, vitesse d’exécution et impact environnemental (quantification, distillation, etc.).

4. Conseil et accompagnement des clients :

·         Assurer une veille technologique continue pour identifier les évolutions des modèles de langage et des pratiques associées, et en faire bénéficier les clients.

·         Diplômé(e) d’une formation supérieure - école d’ingénieur ou diplôme universitaire en informatique - avec de préférence une spécialisation en Intelligence Artificielle.

·         Expérience significative (6+ ans) en IA et Machine Learning : Expertise confirmée dans des projets réussis d’intégration et de déploiement de modèles de langage (LLM) de la preuve de concept à la production.

·         Maîtrise des frameworks IA : Compétences avancées avec TensorFlow, PyTorch, Hugging Face, et autres bibliothèques LLM, avec une capacité à entraîner et ajuster les modèles selon les besoins des projets.

·         Compétences en Data Engineering : Expérience dans la manipulation de grands volumes de données et la mise en place de pipelines de données pour entraîner les modèles.

·         Industrialisation des modèles ML : Solide expertise en MLOps, Docker, Kubernetes, automatisation, et mise à l’échelle des modèles IA, avec monitoring et maintenance en production.

·         Esprit d’analyse et de synthèse : Capacité à comprendre rapidement les enjeux métiers et à proposer des solutions IA adaptées.

·         Excellentes compétences en communication : Capable de collaborer efficacement avec des équipes techniques et métiers, ainsi qu’avec les clients.

·         Connaissance des architectures cloud : Expertise des services IA proposés par AWS, Google Cloud, Azure et maîtrise des déploiements dans des environnements cloud.

·         Bonne connaissance des LLM du marché : Familiarité avec les modèles comme GPT, GEMINI, MISTRAL, et capacité à les évaluer et personnaliser selon les besoins.