Spécialiste IA Back End – Senior

Anone Inc.; Montreal (administrative region); On-site; CAD 110,000 - 150,000; Full time

Job summary

Anone Inc. cherche un expert IA Santé pour concevoir et développer l’application IA clinique (LLM). Vous traduirez les besoins cliniques en fonctionnalités et prototyperez rapidement, en codant les services backend et l’intégration UI.

Vous définirez l’architecture LLM et multi-agents, assurerez la traçabilité des décisions et des sources, et garantirez la sécurité, la confidentialité et la conformité des systèmes en milieu médical.

Qualifications

• Détenir un diplôme universitaire de premier cycle en TI ou expérience/certification équivalente.
• Expérience: 8 ans en développement et déploiement IA en santé ou projets gouvernementaux québécois.
• ,

Responsibilities

• Concevoir et développer l’application IA clinique (LLM) et prototyper rapidement des fonctionnalités.
• Définir l’architecture LLM et multi-agents, gérer le cycle de vie des prompts et l’intégration avec les systèmes cliniques.
• Mettre en place des garde-fous et la conformité (sécurité, confidentialité, tests, audits).
• Optimiser le RAG (indexation, embeddings, retrieval) et l’observabilité (logs, métriques).

Skills

REST/GraphQL APIs

Security standards

Monitoring tools

Automated tests

ML/Data processing

API/microservices

CI/CD

Data privacy & ethics

AI models & agents

Education

Bachelor's degree in IT or related field

Tools

Prometheus

Grafana

Loki

OWASP ZAP

CI/CD tooling

Job description

• Concevoir et développer l’application IA clinique (LLM) : Traduire les besoins cliniques en fonctionnalités (support au raisonnement diagnostique, génération de récits cliniques), prototyper rapidement, coder les services backend/API, intégrer l’interface et assurer la traçabilité des décisions et des sources;
• Définir l’architecture LLM et multi-agents : Concevoir, documenter et implémenter des architectures multi-agents (orchestration, rôles, outils, mémoire, politiques d’escalade), intégrer les modèles (hébergés ou locaux), gérer le cycle de vie des prompts et des workflows, et assurer l’intégration avec les systèmes cliniques (ex. formats et flux de données);
• Mettre en place des garde-fous (guardrails) et la conformité : Définir et coder les contrôles de sécurité, de confidentialité et de qualité (détection mitigation d’hallucinations, contrôle de contenu, gestion des consentements, minimisation des données, masquage/PII, audits), établir des tests automatisés, des seuils d’acceptation et des mécanismes d’override humain;
• Optimiser et industrialiser le RAG et l’évaluation : Concevoir la stratégie RAG (indexation, chunking, embeddings, retrieval, reranking, citations), améliorer la pertinence et la latence, instrumenter l’observabilité (journaux, métriques, coûts), mettre en place un cadre d’évaluation (jeux de tests cliniques, scoring, stress tests, monitoring en production) et itérer sur les performances.

Formation académique :

• Détenir un diplôme universitaire de premier cycle (baccalauréat) dans le domaine des technologies de l’information ou autre domaine pertinent, ou une expérience, une certification ou la combinaison de certains éléments jugés pertinents en compensation aux exigences académiques.
• Expérience professionnelle minimale :
• Posséder HUIT (8) ans d'expérience en développement et déploiement de solutions d’intelligence artificielle en santé ou des projets au sein de l’appareil gouvernemental québécois;
• Posséder CINQ (5) ans d’expérience en produits Healthtech, FinTech ou Cyber à haute disponibilité avec preuves de mise en production d’application pour plus de 50k utilisateurs;
• Démontrer une expertise technique de pointe et une compréhension profonde du milieu médical;
• Démontrer une connaissance approfondie des concepts d’IA;
• Expérience démontrée dans l’utilisation de différents modèles AI, d’agents et de MCP.

Compétences techniques essentielles requises :

• Langages et technologies :
• API REST/GraphQL sécurisées
• Standards modernes de sécurité (OAuth 2.0, OIDC, chiffrement TLS 1.3, AES-256)
• Surveillance : Prometheus, Grafana, Loki
• Tests : OWASP ZAP, tests automatisés, fuzzing
• Très bonne connaissance des outils d’apprentissage automatique et traitement des données;
• Bonne connaissance des interfaces API, des microservices et des pipelines CI/CD pour l’intégration des modèles;
• Très bonne connaissance des standards de sécurité et de confidentialité des données, incluant les pratiques éthiques en santé.