Ingénieur / Ingénieure data scientist (H/F)

Brief IA; Nantes; On-site; EUR 55,000 - 85,000; Full time

Job summary

Brief IA recherche un ingénieur IA / Data Scientist à Nantes pour renforcer l'équipe locale et intervenir sur des projets variés (Services Publics, Banque/Assurance, Transport, Industrie, Retail).

Vous concevrez et entraînerez des modèles, développerez des composants en Python et participerez à l'industrialisation et à la supervision des solutions.

Qualifications

• Concevoir des modèles d'apprentissage automatique et d'IA, du pilotage d'expérimentation à la mise en production.
• Concevoir et évaluer des modèles d'IA générative et systèmes d'inférence.
• Développer en Python des composants robustes et réutilisables.
• Conduire ou participer à l'industrialisation des modèles : déploiement et supervision.

Responsibilities

• Concevoir, entraîner et industrialiser des modèles d'apprentissage automatique et d'IA.
• Construire et fiabiliser les briques d'IA générative (moteurs d'inférence, chaînes de génération).
• Développer en Python des composants réutilisables pour accélérer les équipes.
• Mettre en place l'industrialisation des modèles : CI/CD, supervision et observabilité.
• Partager les bonnes pratiques via revues de code et documentation.

Skills

Python

Modèles d'apprentissage automatique

IA générative

Industrialisation

Job description

Pour aller plus loin, nous recherchons un(e) ingénieur(e) IA / Data Scientist, pour renforcer notre équipe nantaise et intervenir sur des projets pour des clients dans des domaines variés (Services Publics, Banque/Assurance, Transport, Industrie, Retail). Vous interviendrez sur des périmètres variés, et selon les tâches, vous prendrez plus au moins part aux activités suivantes :

• Concevoir, entraîner et industrialiser des modèles d'apprentissage automatique et d'intelligence artificielle (générative, agentique, .), de la première analyse jusqu'à la mise en production.
• Construire et fiabiliser nos briques d'intelligence artificielle générative : moteurs d'inférence, évaluation des modèles, chaînes de génération augmentée par la recherche.
• Développer en Python des composants robustes et réutilisables (cadres et gabarits de projet) pour accélérer les équipes.
• Mettre en place l'industrialisation des modèles : intégration et déploiement continus, supervision et observabilité.
• Partager : revues de code, documentation, veille technologique et diffusion des bonnes pratiques.