Responsabilités principales :

Plateforme et architecture

• Concevoir et développer une plateforme IA/ML hybride (on-premise / cloud) permettant d’exécuter des cas d’usage IA à grande échelle (feature stores, registry de modèles, expérimentation, évaluation, observabilité).

• Définir et mettre en œuvre des architectures d’entraînement et d’inférence sécurisées et fiables , incluant si nécessaire des composants de vector search et RAG (Retrieval-Augmented Generation) .

• Fournir un support plateforme pour les embeddings, bases vectorielles et protocoles de communication d’agents IA , afin de permettre des workflows IA interopérables et ancrés sur les données.

• Documenter les processus de machine learning, l’architecture des systèmes et les procédures opérationnelles afin d’assurer la reproductibilité et le partage de connaissances.

Développement et évaluation des modèles

• Participer à l’entraînement, au fine-tuning et à l’optimisation de modèles (LLM, NLP, systèmes de recommandation), y compris LoRA / PEFT lorsque pertinent.

• Mettre en place des guardrails et des stratégies de prompt engineering afin de réduire les hallucinations et améliorer la sécurité et la cohérence des modèles.

• Mettre en place des cadres d’évaluation pour les systèmes RAG et LLM .

Développement logiciel et MLOps

• Prendre en charge le cycle complet de développement logiciel des services et API d’IA (conception, développement, tests et déploiement).

• Automatiser les processus de build, test et déploiement via des pipelines CI/CD et gérer les versions des modèles via des model registries .

• Mettre en place un monitoring continu des systèmes IA déployés .

Collaboration produit et parties prenantes

• Collaborer étroitement avec les utilisateurs métiers, Product Owners, Business Engineers, Data Managers, Data Scientists et équipes IT afin de comprendre les cas d’usage IA/ML, les besoins et les critères de succès.

• Travailler avec les Data Scientists pour transformer des prototypes en services robustes et scalables en production .

• Traduire les avancées en GenAI et Agentic AI en opportunités produits concrètes et en composants réutilisables pour l’organisation.

Sécurité, confidentialité et conformité

• S’assurer que toutes les solutions IA/ML respectent les normes internes de données et d’IA , notamment en matière de protection des données, cybersécurité et IA responsable.

• Intégrer les principes de privacy by design , de contrôle d’accès, de chiffrement et de traçabilité dans les flux de données et les opérations sur les modèles.

• Collaborer avec les équipes Risk, Security et Compliance afin de respecter les cadres réglementaires tels que SOC 2, GDPR/CCPA et la gouvernance interne.

Compétences et expérience :

Formation

• Diplôme avancé en informatique, data science, mathématiques, statistiques, physique ou domaine équivalent .

Compétences requises

• Excellente maîtrise des frameworks ML/IA : PyTorch ou TensorFlow, écosystème Hugging Face , LangChain / LlamaIndex ou équivalent pour l’orchestration.

• Expérience pratique avec les LLM : prompt engineering, fine-tuning / LoRA, embeddings, bases vectorielles (FAISS, Pinecone, Weaviate), architectures RAG .

• Solides compétences en programmation Python, R ou Java/Scala .

• Expérience pratique avec SQL, outils ETL, Linux ; connaissances Control-M et Terraform appréciées.

• Expérience de déploiement d’applications sur environnements cloud (Azure) et familiarité avec des architectures hybrides on-premise / cloud.

• Expérience dans la construction de services et API de niveau production (REST/gRPC), architectures cloud-native (AWS/GCP/Azure), conteneurs ( Docker ) et orchestration ( OpenShift, Kubernetes ).

• Connaissances MLOps : suivi d’expérimentations (MLflow, W&B), model registry, CI/CD, monitoring de modèles, feature stores.

• Capacité à surveiller, déboguer et maintenir des pipelines CI/CD (GitHub Actions, GitLab CI, Azure DevOps).

• Compétences en data engineering : SQL, modélisation de données, ETL/ELT, data warehouses/lakes (Snowflake, BigQuery, S3/Delta).

• Capacité à travailler dans un environnement SCRUM / Agile avec une forte orientation delivery et collaboration avec les parties prenantes.

• Excellentes capacités analytiques et de résolution de problèmes ; orientation résultats et sens du détail avec de bonnes compétences de communication écrite et orale.

• Une expérience dans la banque ou la gestion de fortune est un plus.

Compétences appréciées

• Expérience dans le déploiement et l’optimisation de modèles open source (Llama, Mistral, Mixtral) sur GPU.

• Connaissances en quantization (INT8/4) et optimisation (tensor / Flash attention).

• Connaissances des systèmes de recherche d’information (BM25, hybrid search), semantic caching et agents/outils structurés.

• Expertise en évaluation des LLM : rubrics, jeux de données de référence, tests adversariaux et expérimentations A/B.

• Bonnes pratiques de sécurité pour les applications IA : protection contre les prompt injections, filtrage des outputs, modération de contenu, red teaming.

• Contributions à des projets open source IA ou publications.

Comment se déroule le processus de recrutement chez Ekkiden ?

Chez Ekkiden, nous nous engageons à offrir une expérience positive à chaque candidat.