Carrières

Ta mission

‍

Architecture agentique et orchestration

• Concevoir des systèmes multi-agents collaboratifs : définition des rôles, des flux d’échanges et de la logique décisionnelle.
• Maîtriser et mettre en œuvre des plateformes low-code d’orchestration telles que AgentKit, n8n, Copilot Studio, etc.
• Modéliser et orchestrer des agents autonomes et supervisés, en gérant routines, événements et interactions.
• Concevoir des architectures compatibles avec le Model Context Protocol (MCP).
• Mettre en place des mécanismes de traçabilité, observabilité et optimisation de coûts (tokens, latence, performance).
  ‍

Cloud et intelligence artificielle appliquée

• Travailler avec des environnements IA tels que OpenAI Platform, Azure AI, Google Vertex AI, Hugging Face, Anthropic Claude, etc.
• Concevoir des architectures interopérables, hybrides et sécurisées, intégrant plusieurs écosystèmes.
• Exploiter des bases de données vectorielles pour la recherche sémantique et la gestion de données contextuelles.
• Gérer l’intégration de modèles et d’APIs externes (authentification, sécurité, monitoring).
  ‍
  

Fine-tuning et personnalisation de modèles LLM

• Réaliser des fine-tunings sur Hugging Face, OpenAI, Vertex AI ou équivalents.
• Préparer et structurer des datasets (instruction-tuning, LoRA, PEFT, RLHF, génération de données synthétiques).
• Publier et déployer des modèles personnalisés sur Hugging Face Hub, Azure ML ou GCP.
• Intégrer ces modèles dans des orchestrations multi-agents performantes.
  ‍
  

Programmation et intégration

• Développer des flux et automatisations en Node.js / TypeScript et Python.
• Utiliser des orchestrateurs low-code (n8n, Airia) pour connecter diverses plateformes et APIs, etc.
• Travailler avec des APIs REST existants.
• Intégrer des outils multimodaux pour la génération automatique de contenu.
  ‍
  

Prompt engineering et design cognitif

• Créer des prompts modulaires et traçables, adaptés à des contextes métiers complexes.
• Concevoir et documenter des instructions sets et rôles d’agents.
• Mettre en place des prompts dynamiques : variables, contextes, garde-fous, auto-validation.
• Documenter et itérer systématiquement les prompts pour mesurer leur performance.
  ‍
  

Data, observabilité et MLOps

• Participer à la mise en place de pipelines de data ingestion et transformation (Snowflake, Synapse, BigQuery).
• Contribuer au monitoring des performances et au versionnement des modèles (LLMOps).
• Développer des tableaux de bord de performance pour suivre les agents et modèles en production.