Ingénieur AI

Joignez notre équipe en tant que Ingénieur AI!

• Implémentation de pipelines MLOps automatisés (CI/CD, données, entraînement).
• Implémenter des pipelines de ETL pour l’ingestion des données.
• Containerisation et déploiement de modèles en production.
• Surveillance continue des modèles (drift detection, alerting).
• Gestion des versions des modèles et des données pour garantir reproductibilité.
• Application des principes de gouvernance (biais, vie privée, transparence).
• Collaboration avec data scientists pour transformer un prototype en service stable.
• Rédaction de prompts optimisés et évaluation comparative de modèles

• Langage & Librairies
  :
  Maîtrise de Python + librairies IA (Pandas, Huggingface, OpenAI, … ) et expérience Java et Java Script
• AI Agentic Frameworks :
  Expérience avec des techniques comme les agents multi-agents, ReAct, function Autogen, Lang Graph, CrewAI, Chainlit, Streamlit, n8n, Google ADK.
• Connaissance des modèles LLM et LFM
  : connaissance des modèles propriétaires (OpenAI, Claude, Gemini, …) et modèles Open Source sr Hugging Face.
• Science des données :
  Bonne compréhension générale des techniques de data science et de leurs pipelines.
• Architecture logicielle :
  Compréhension de l’architecture de systèmes distribués, microservices, APIs (par exemple REST).
• Cloud infonuagique
  :
  Expérience AWS Bedrock, Azure AI Foundry, GCP Vertex ai
• Dev Ops / MLOps :
• Deployment via CI/CD, containers (Docker, Kubernetes), cloud et pipelines automatises.
• Automatisation des workflows ML (prétraitement, entraînement, évaluation, déploiement).
• Versioning de modèles/données/expériences (MLflow, DVC…)
• Monitoring des modèles en production (drift, latence, performance, métriques métier)
• Gouvernance & compliance :
  Notions d’éthique, biais, GDPR, explicabilité, confidentialité , risques IA.
• Prompt Engineering & Benchmarking Modèles :
  Capacité à formuler des prompts efficaces, comparer des modèles, tester et sélectionner pour les tâches spécifiques.
• Déploiement & intégration :
  Packaging de modèles, mise en production (API, microservices), intégration backend/legacy.
• Communication :
  Travailler en collaboration avec les équipes de data, produit, infrastructure ; expliquer les enjeux IA de manière claire.

#CICJOBS #IBMJOBS #LI-IO1