Machine Learning Engineer / Scientist – Search & Retrieval – H/F

Anakine.io; Paris; Sur place; EUR 70 000 - 110 000; Plein temps

Avantages offerts par ce poste

Prime de vacances

Prévoyance 100%

Remote flexible

Bureaux à Paris

Résumé du poste

Anakine.io recherche un ingénieur ML spécialisé retrieval pour rejoindre une squad de 5 personnes. Poste en full remote possible ou à Paris.

Vous porterez le retrieval de bout en bout et travaillerez sur l’adaptation des modèles (embeddings, cross-encoders, rerankers) pour des données d’entreprise, avec des gains mesurables sur la qualité. Vous collaborerez avec l’équipe de recherche interne pour définir les besoins en modèles, mener des évaluations rigoureuses et accélérer l’intégration

Qualifications

• Expérience professionnelle solide dans ML et retrieval.
• Cycle de vie d'un modèle: sélection, architecture, fine-tuning, benchmark, déploiement en production.
• Compréhension approfondie du retrieval — lexical, sémantique et hybride.
• Connaissance des architectures Transformer et entraînement des modèles.

Responsabilités

• Porter le retrieval de bout en bout avec optimisation.
• Sélectionner et adapter les modèles pour chaque tâche.
• Diagnostiquer les problèmes de qualité et proposer des plans d'action.
• Évaluer et produire des preuves via de nouveaux jeux de données et métriques.
• Collaborer avec l’équipe R&D et intégrer rapidement les résultats dans le produit.
• Expliquer les choix techniques à des non spécialistes et à l'équipe produit.

Connaissances

Retrieval

Python

PyTorch

vLLM

Embeddings

Cross-encoders

Rerankers

Multilingual

Benchmarking

Deployment

Outils

vLLM

OCR

Quantization

Document Parsing

Description du poste

Full remote (ou à Paris si vous le souhaitez)

Attention : ce poste n'est probablement pas pour vous si votre expérience du retrieval se limite au prototypage d'applications RAG avec des frameworks comme LangChain ou LlamaIndex. Le travail se situe une couche en dessous : internes des modèles, fine-tuning, évaluation, mise en service.

Nous sommes une scale-up (70 personnes) qui développe ses propres API et modèle de langage à destination d'entreprises grands comptes. Notre équipe technique est internationale est pionnière dans la recherche en intelligence artificielle.

Au sein d'une squad de 5 personnes, vos missions seront les suivantes :

• Porter le retrieval de bout en bout : stratégies lexicales, sémantiques, hybrides, multi-vecteurs et multimodales, découpage des documents, reranking, mise en service, supervision, réentraînement — avec des gains mesurables sur la qualité des résultats.
• Sélectionner et adapter les modèles : faire l'état de l'existant, décider de ce qui convient à chaque tâche, affiner (fine-tuning) modèles d'embeddings, retrievers multi-vecteurs et cross-encoders sur les données de l'entreprise.
• Diagnostiquer les problèmes de qualité : partir d'une faiblesse observée dans les résultats, formuler des hypothèses, les transformer en plan d'action concret.
• Pousser l'évaluation plus loin : nouveaux jeux de données, nouvelles métriques, signaux de production, pour que chaque changement soit adossé à des preuves.
• Travailler avec l'équipe de recherche interne sur les besoins en modèles, les retours du terrain et l'intégration rapide de la recherche dans le produit.
• Expliquer votre travail clairement à des ingénieurs, au produit et à des interlocuteurs non spécialistes du ML : arbitrages, incertitudes, et ce que signifie réellement un chiffre de benchmark.

Environnement technique

Python, PyTorch, vLLM, modèles d'embeddings, cross-encoders, rerankers, retrieval multi-vecteurs et à interaction tardive, recherche hybride et multilingue, parking de documents, OCR, pipelines d'ingestion à grande échelle, quantification et arbitrages d'inférence.

La chaîne de tests de qualité de bout en bout est déjà mature : vous construisez sur des fondations d'évaluation solides plutôt que de partir de zéro.

Votre profil

• Vous avez au minimum une première expérience professionnelle solide.
• La maîtrise du cycle de vie d'un modèle : sélection, architecture, fine-tuning, benchmark, déploiement en production.
• Une compréhension approfondie du retrieval — lexical, sémantique, embeddings, cross-encoders et rerankers, approches hybrides — et la capacité à raisonner en détail sur leurs modes de défaillance.
• Une compréhension réelle des architectures "Transformer" et de la façon dont les modèles sont entraînés, mise au service de meilleures décisions d'ingénierie.
• Un Python solide et une chaîne de mise en service moderne (PyTorch, vLLM ou équivalents), y compris les arbitrages d'inférence qui viennent avec l'échelle : quantification, traitement par lots, latence contre débit.
• Une méthodologie d'évaluation rigoureuse : vous doutez de vos propres résultats et vous mesurez avant d'affirmer.
• Un anglais professionnel, à l'écrit comme à l'oral. Le français est un confort, pas une obligation.

Compétences supplémentaires appréciées

• Retrieval multi-vecteurs ou à interaction tardive (modèles de type ColBERT), modèles sparse.
• Retrieval multilingue, ou recherche académique et benchmarks en recherche d'information.
• Parsing de documents, OCR, ou pipelines d'ingestion à grande échelle.
• Contributions open source dans l'écosystème de la recherche ou de l'outillage ML.
• Poste en full remote, ou dans nos bureaux parisiens si vous préférez.
• Horaires relativement flexibles.
• Prime de vacances.
• Prévoyance prise en charge à 100 % par l'entreprise.