LLM Engineer - Freelance (H/F)

Collective.work; Paris; Hybrid; EUR 148,000 - 221,000; Full time

Job summary

Brief IA recherche un ingénieur IA générative freelance pour piloter des solutions RAG et des agents métiers sur Paris. Démarrage ASAP, mission de 12 mois renouvelables, rythme 2 à 3 jours sur site.

Vous consoliderez la production existante, améliorerez la qualité des sources et réduirez les hallucinations. Compétences en écosystème Azure/OpenAI, Lang Graph et MCP demandées, avec une forte orientation résultats et performance.

Qualifications

• 3 ans minimum en ML/IA, dont 1 à 2 ans sur des LLM en production
• Expérience pratique avec des systèmes RAG et des agents métiers
• Conception et implémentation de pipelines documentaires complexes (PDF, tableaux, scans)
• Maîtrise de Python, FastAPI et déploiement.continuer en prod

Responsibilities

• Concevoir des pipelines RAG avancés: parsing de documents, chunking, recherche hybride, reranking
• Développer des agents métiers avec appels d'outils et workflows multi-agents
• Mettre en place garde-fous: injections de prompt, données personnelles, périmètre d'action
• Tracer, déboguer et optimiser les exécutions des agents et des pipelines
• Gérer mémoire, état et reprise sur erreur des agents
• Exposer les outils et données du SI via le protocole MCP
• Optimiser latence et coût par requête

Skills

ML/IA

LLM en prod

RAG pipelines

Python

FastAPI

Docker

Kubernetes

Lang Graph

MCP

Azure OpenAI

Tools

Llama Index

Docling

Azure AI Search

Qdrant

Rerankers

Job description

Mission freelance - Ingénieur IA Générative : RAG & Agents (H/F)

Client : grand compte assurance, Paris

Démarrage : ASAP / Durée : 12 mois renouvelables

Rythme : 2 à 3 jours sur site

TJM : selon profil

Expérience : 3 ans minimum en ML/IA, dont 1 à 2 ans sur des LLM en production

Contexte

La direction IA développe des assistants et des agents métiers pour la gestion des sinistres, la souscription et le support client. Plusieurs RAG sont déjà en production, et l'enjeu actuel est double : améliorer leur qualité et passer à des agents autonomes connectés au système d'information.

Missions

RAG

• Concevoir des pipelines RAG avancés : parsing de documents complexes (PDF, tableaux, scans), stratégies de chunking, recherche hybride (vectorielle + BM25), reranking
• Mettre en place du RAG agentique : reformulation de requêtes, routage entre sources, recherche multi-étapes
• Réduire les hallucinations et fiabiliser les citations de sources

Agents

• Développer des agents métiers avec appels d'outils : API internes, bases de données, génération de documents
• Concevoir des architectures multi-agents et des workflows avec validation humaine
• Exposer les outils et données du SI via le protocole MCP
• Gérer la mémoire, l'état et la reprise sur erreur des agents

Qualité et production

• Construire les jeux d'évaluation et les métriques : fidélité aux sources, pertinence, taux de succès des tâches agentiques
• Tracer et déboguer les exécutions d'agents
• Mettre en place les garde-fous : injections de prompt, données personnelles, périmètre d'action des agents
• Optimiser la latence et le coût par requête

Stack technique

• LLM : Azure OpenAI, Mistral, Claude
• Orchestration agents : Lang Graph, MCP
• RAG : Llama Index, Docling, Azure AI Search, Qdrant, rerankers (Cohere, BGE)
• Évaluation et observabilité : Ragas, Deep Eval, Langfuse
• Backend : Python, FastAPI, Pydantic
• Déploiement : Docker, Kubernetes, Git Lab CI

Profil re