Senior Data Retrieval Architect

Meetshake; Paris; Sur place; EUR 70 000 - 110 000; Plein temps

Résumé du poste

Free-Work recherche un Expert Data & Retrieval pour assurer la collecte, l’ingestion, l’indexation et la recherche de pertinence sur des volumes massifs de documents spécialisés. Vous alimenterez les modèles de langage et les produits en garantissant la fraîcheur des index et la qualité du retrieval.

Vous concevrez des pipelines robustes, gérerez la volumétrie et l’hétérogénéité des sources, et travaillerez avec des équipes à travers l’Europe pour offrir une recherche rapide et fiable.

Qualifications

• Collecte, ingestion et indexation d'un corpus massifs de documents spécialisés.
• Recherche et pertinence via des approches lexicale et sémantique (BM25 + embeddings).
• Leadership technique et gouvernance des pipelines, qualité et traçabilité des données.

Responsabilités

• Concevoir des pipelines d'ingestion, nettoyage et indexation des documents.
• Mettre en place une recherche rapide et pertinente (sémantique et hybride) pour plusieurs équipes en Europe.
• Promouvoir les pratiques Clean Code et tests automatisés et assurer la gouvernance technique.

Connaissances

Extraction de données

Indexation vectorielle

Recherche sémantique

BM25

RAG

Formation

Aucune exigence spécifique mentionnée

Outils

Python

SQL

bases vectorielles

LLM / Embeddings

Description du poste

Contexte de la Mission
Aux côtés d'une équipe d'experts passionnés, vous relèverez les plus hauts défis techniques de la société. En tant qu'Expert Data & Retrieval, vous êtes le garant de la matière première de notre IA : la collecte, l'ingestion, l'indexation et la recherche de pertinence sur des volumes massifs de documents spécialisés, le socle qui alimente nos modèles de langage et nos produits. Votre terrain de jeu : transformer la manière dont tout un secteur professionnel travaille au quotidien.
Votre mission n'est pas d'écrire un simple script, mais de concevoir des pipelines de données robustes capables d'ingérer, de nettoyer et d'indexer d'énormes corpus textuels, puis d'exposer une recherche rapide et pertinente (sémantique et hybride) au service de plusieurs équipes à travers l'Europe. Vous garantirez la fraîcheur des index et la qualité du retrieval tout en gérant une complexité technique de haut vol (volumétrie, hétérogénéité des sources, évaluation de la pertinence, scalabilité).

Objectifs et Missions Principales
Vos missions principales s'articulent autour de trois axes : bâtir, outiller et transmettre.

1. Collecte, Ingestion & Indexation
• Pipelines d'ingestion : Concevoir la collecte et le traitement de sources hétérogènes (open data, bases spécialisées, documents métier), le parsing, le nettoyage, le chunking et la normalisation des documents.
• Indexation & Embeddings : Choisir et industrialiser les modèles d'embeddings, alimenter et maintenir les bases vectorielles, gérer la fraîcheur et la reconstruction des index.
• Qualité & Volumétrie : Garantir la scalabilité de l'indexation sur des corpus massifs et la traçabilité des données (lignage, versioning des index).

2. Recherche & Pertinence (Retrieval)
• Stratégie de retrieval : Combiner recherche lexicale et sémantique (BM25 + embeddings) avec reranking et filtrage par métadonnées pour maximiser la pertinence.
• Évaluation continue : Mettre en place des jeux de tests et des métriques de pertinence (recall, precision, nDCG, MRR) pour mesurer et améliorer le retrieval.
• RAG : Structurer la phase de récupération qui alimente les LLM (contexte, citations, dé-duplication, gestion des fenêtres de contexte).
• Observabilité & Sécurité : Instrumenter les pipelines (logs, métriques, traces de qualité) et garantir la sécurité et la conformité des données (isolation par pays, conformité aux réglementations).

3. Leadership Technique & Gouvernance
• Culture Craftsmanship : Promouvoir les pratiques de Clean Code, SOLID, et tests automatisés.