Senior AI/LLM Engineer - IA Générative & Agentique (RAG, Fine-tuning, Inférence) - Freelance (H/F)

CONTEXTE

Vous rejoignez la division IA d'une grande banque d'investissement européenne, au sein de la plateforme CIB. L'équipe Data Science conçoit et délivre des produits IA déjà en production : extraction automatisée de données à partir de documents financiers, chatbot agentique et génération de données. Ces produits sont utilisés au quotidien par les équipes métiers - vos améliorations ont un impact direct et mesurable.

VOS MISSIONS

- Concevoir, fine-tuner et améliorer des pipelines RAG et agentiques en production

- Travailler sur l'inférence de modèles : déploiement de LLMs sur GPU (vLLM), optimisation latence / débit / coûts

- Mettre en place l'évaluation et l'observabilité des pipelines IA (Phoenix/Arize, DSPy) : datasets d'évaluation, métriques de qualité, boucles d'amélioration continue

- Améliorer en continu la qualité d'extraction et les performances des agents

- Partager vos connaissances et coacher les profils moins expérimentés

POURQUOI CETTE MISSION

- Des produits GenAI réellement en production, dans un environnement exigeant et à fort impact

- Une stack à l'état de l'art : vLLM, Lang Graph, Google ADK, DSPy, Phoenix (Arize)

- Un vrai mandat technique : du delivery, pas des slides

- L'opportunité d'apporter un regard neuf à une équipe qui investit sérieusement dans l'IA

STACK : Python, vLLM, Lang Graph, Google ADK, DSPy, Phoenix (Arize), FastAPI, Kubernetes

PROCESSUS DE RECRUTEMENT

1) Test technique Python sur Hacker Rank. 2) Entretien en présentiel à Paris, incluant des exercices de mathématiques et de code sur table, sans assistance IA. 3) Vérification des références techniques

1) 5 ans d'expérience minimum, dont au moins 3 ans en entreprise sur des sujets agentique, RAG, IA générative

2) Compréhension profonde du fonctionnement des LLMs (architecture transformer, attention, tokenisation, décodage, quantization) - capable de l'expliquer et de le démontrer

3) Expérience concrète de l'inférence en production : vLLM, GPU, optimisation