AI / Machine Learning Engineer

FAE Consulting; France; Hybride; EUR 70 000 - 110 000; Plein temps

Résumé du poste

FAE Consulting recherche un expert IA production-grade pour concevoir des architectures IA avancées (RAG, agents, systèmes de recommandation) et piloter le déploiement des modèles (LLM propriétaires ou open source). Vous évaluerez et optimiserez les coûts tout en assurant une observabilité robuste.

Vous travaillerez en étroite collaboration avec les équipes métier pour cadrer les cas d’usage, et utiliserez un ensemble de frameworks LLM et bases vectorielles modernes pour livrer des solutions

Qualifications

• Expérience 3 à 8 ans dans le domaine IA et MLOps.
• Conception d’architectures IA production-grade.
• Capacité à évaluer et réduire les coûts opérationnels.
• Collaboration avec les équipes métier pour cadrer les cas d’usage.

Responsabilités

• Concevoir des architectures IA production-grade (RAG, agents, systèmes de recommandation, ML classique).
• Implémenter et déployer les modèles (LLM propriétaires ou open-source).
• Mettre en place l’évaluation, le monitoring et l’optimisation des coûts.
• Collaborer avec les équipes métier pour cadrer les cas d’usage.
• Maîtriser les frameworks LLM et les bases vectorielles.
• Gérer l’observabilité et analytics LLM (Langfuse/ LangSmith/ Arize).
• Pilotage MLOps et déploiement (Docker, FastAPI, infra cloud).

Connaissances

Conception IA production-grade

Monitoring & observabilité

Cadrage cas d'usage métier

Outils

LangChain

LangGraph

LlamaIndex

Claude Agent SDK

OpenAI SDK

pgvector

Qdrant

Pinecone

Weaviate

Ragas

DeepEval

TruLens

Langfuse

LangSmith

Arize Phoenix

MLflow

Kubeflow

Vertex AI

SageMaker

Docker

FastAPI

GPU serverless

Description du poste

Industrialiser des systèmes IA production-grade — LLM, RAG, agents, ML classique. Évaluation rigoureuse, monitoring, coûts maîtrisés.

expérience

3 à 8 ans

publié

• 01 Concevoir des architectures IA production-grade (RAG, agents, systèmes de recommandation, ML classique).
• 02 Implémenter et déployer les modèles (LLM propriétaires, open-source, fine-tunés selon besoin).
• 03 Mettre en place l'évaluation, le monitoring et l'optimisation des coûts.
• 04 Collaborer avec les équipes métier pour cadrer les cas d'usage.
• 02 Frameworks LLM : LangChain, LangGraph, LlamaIndex, Claude Agent SDK, OpenAI SDK ou équivalent.
• 03 Vector databases : pgvector, Qdrant, Pinecone, Weaviate ou similaire.
• 04 Évaluation LLM : Ragas, DeepEval, TruLens ou pipelines maison.
• 05 Observabilité LLM : Langfuse, LangSmith, Arize Phoenix ou équivalent.
• 06 MLOps : MLflow, Kubeflow, Vertex AI, SageMaker ou équivalent.
• 07 Déploiement : Docker, FastAPI, GPU serverless ou infra cloud dédiée.