Ingénieur IA

Mon client industrialise une plateforme interne d'agents IA destinée à ses équipes métiers et IT. Le projet, en phase d'industrialisation, vise à mettre à disposition dans un cadre gouverné des agents conversationnels et décisionnels capables de répondre à des cas d'usage opérationnels en s'appuyant sur les données et systèmes internes de la banque (gestion d'incidents, topologie applicative, gestion des changements, etc.).

Mission

L'Ingénieur IA intervient au sein de l'équipe plateforme et contribue au développement, à la

qualification et à la mise en production d'agents IA orchestrés sous Lang Graph. Le périmètre de la

mission couvre :

* Conception et développement d'agents autonomes en Python avec Lang Graph (State Graph, multiagents, human-in-the-loop, intégration LLM, prebuilt tools).

* Intégration des agents avec des composants RAG, des bases de connaissances internes et des

sources opérationnelles via API.

* Optimisation des stratégies de prompt engineering et des mécanismes de contrôle (function

calling, tool use, plan-and-execute).

* Mise en place et enrichissement des suites d'évaluation (eval datasets, monitoring

comportemental, détection de dérive et d'hallucinations) sous Lang Smith.

* Industrialisation : versioning, packaging conteneur, intégration CI/CD Git Lab, conformité aux

standards de la plateforme.

* Documentation des agents, contribution à la matrice de risques et aux runbooks d'exploitation.

COMPÉTENCES REQUISES:

Conception d'agents IA

Maîtrise de la conception d'architectures d'agents intelligents complexes :

* Utilisation de Lang Graph (State Graph, systèmes multi-agents, Human-in-the-Loop, outils préconfigurés)

* Implémentation de patterns d'orchestration avancés

* Gestion de la mémoire contextuelle et des boucles de rétroaction

Intégration de modèles LLM

Capacité à intégrer et exploiter des modèles de langage dans des workflows opérationnels :

* Function calling, tool use, plan-and-execute

* Sélection et optimisation des modèles

* Prompt engineering systématique et structuré

RAG & systèmes de recherche

Conception et optimisation de pipelines de retrieval :

* Vector retrieval, chunking, ingestion de données

* Re-ranking, hybrid retrieval

* Réglage fin des paramètres (top-K, pertinence)

Développement Python & écosystème IA

Excellente maîtrise de Python appliqué à l'IA :

* Frameworks :
Lang Graph, Lang Chain, Pydantic

* Bonnes pratiques de développement : typage, packaging, tests, qualité de code

Tests et robustesse des systèmes IA

Mise en place de stratégies avancées de validation :

* Suites d'évaluation et simulations de dialogues

* Injection de fautes et tests de résistance

* Détection des dérives comportementales et des hallucinations

Observabilité & monitoring

Suivi et analyse du comportement des agents :

* Outils :
Lang Smith, Open Telemetry

* Gestion des traces et identifiants de corrélation

* Monitoring des performances et comportements en production

CI/CD & conteneurisation

Industrialisation des agents IA :

* Pipelines Git Lab CI/CD, Docker

* Packaging et versioning des agents

* Déploiement en environnements multiples (dev, staging, production)

Sécurité applicative

Application des standards de sécurité :

* Gestion des secrets (Vault ou équivalent)

* Protocoles sécurisés (OAuth, mTLS)

* Principe du moindre privilège et traçabilité des actions

Expérience en production

Gestion complète du cycle de vie des agents IA :

* Déploiement en production

* Gestion des incidents et plans de rollback

* Monitoring post-déploiement et amélioration continue