Stagiaire assistant ia / data - chaîne rag H/F

Crédit Mutuel Arkéa; Brest; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Une entreprise de services financiers recherche un stagiaire assistant IA/data à Brest pour une durée de 6 mois à partir de mars 2026. Le candidat idéal doit avoir de solides compétences en Python et une forte curiosité technique. Les responsabilités incluent la mise en œuvre de stratégies de retrieval hybride et l'exploration des techniques de query expansion. Ce stage est une excellente opportunité pour les étudiants en Master 2 ou dernière année d'École d'Ingénieur.

Responsabilités

• Mettre en œuvre une stratégie de retrieval hybride.
• Explorer les techniques de query expansion.
• Mettre en place un système de filtrage par silos métiers.

Connaissances

Compétences solides en Python

Connaissances en NLP

Curiosité technique

Pragmatisme

Autonomie

Esprit analytique

Formation

Étudiant(e) en Master 2 ou dernière année d’École d’Ingénieur en Informatique, Data Science ou Intelligence Artificielle

Description du poste

Stagiaire assistant ia / data - chaîne rag H/F

Stage de 6 mois à pourvoir sur Brest à compter de mars 2026.

Axe 1 : Indexation Hybride (Sémantique + Mots‑clés)

• Mettre en œuvre une stratégie de retrieval hybride combinant : la recherche sémantique (via embeddings) pour la compréhension du sens.
• La recherche lexicale (ex : BM25, TF‑IDF) pour garantir la remontée des documents contenant des termes métiers ou des acronymes spécifiques (que le sémantique seul peut manquer).
• Évaluer l’équilibre entre ces deux approches.

Axe 2 : Expansion de Requête (Multi‑Query)

• Explorer les techniques de "query expansion" pour reformuler la question initiale de l’utilisateur.
• Développer une approche Multi‑Query où un LLM génère plusieurs variantes de la question, en y injectant des synonymes et, surtout, des termes du vocabulaire métier pertinent, afin d’augmenter les chances de "toucher" le bon document.

Axe 3 : Filtrage Métadonnées & "Routage Métier"

• Mettre en place un système de filtrage par silos métiers (ex : produits, périmètres fonctionnels, ...).
• L’enjeu sera d’associer la requête utilisateur au bon silo avant l’étape de retrieval pour éviter la "contamination" contextuelle.
• Vous explorerez les méthodes pour : induire les métadonnées (le silo) à partir de la question de l’utilisateur.
• Guider l’utilisateur (via l’interface) pour qu’il précise son périmètre de recherche.
• Synthèse et Benchmark : mener une campagne d’évaluation rigoureuse pour mesurer l’apport de chaque brique et leur combinaison.

Compétences et qualifications

Étudiant(e) en Master 2 ou dernière année d’École d’Ingénieur en Informatique, Data Science ou Intelligence Artificielle.

• Compétences solides en Python.
• Connaissances en NLP.
• Une première expérience (même via des projets) avec les systèmes RAG (ex : LangChain) et les bases de données vectorielles est un atout majeur.
• Qualités : curiosité technique, pragmatisme, autonomie et esprit analytique.