? Au sein de la Direction des Systèmes d?Information, vous aurez en charge de développer et industrialiser un « Brain Agent », c?est à dire un ensemble d?agents IA capables d?interagir avec nos systèmes, nos données internes et nos utilisateurs, en s?appuyant sur des techniques d?Agents et de RAG.
Ce dispositif doit permettre de :
? Interroger efficacement notre base documentaire
? Orchestrer plusieurs agents spécialisés (question réponse, recherche documentaire, synthèse, actions sur systèmes internes) ;
? Garantir la fiabilité, la traçabilité et la gouvernance des réponses produites.
Activités
? Concevoir l?architecture technique du « Brain Agent » (agents + RAG + outils).
? Mettre en place une chaîne de traitement de la donnée (ingestion, indexation, vectorisation, requêtage).
? Développer, tester et déployer des agents IA robustes, intégrés à notre SI.
? Transférer les connaissances aux équipes internes.
Profil candidat:Environnement technique :
? Kubernetes, AWS, LLM
Compétences requises (obligatoires) :
? LLM & Agents
? Maîtrise des modèles de langage (LLM) : OpenAI, Anthropic, etc.
? Expérience de frameworks d?agents (LangChain, LlamaIndex, ou équivalents) :
? Orchestration d?agents, tools calling, gestion du contexte, handoff entre agents ;
? Conception de workflows d?agents (planner, retriever, executor, critique).
? Conception de prompts complexes, systèmes de règles, gestion des erreurs de modèle.
? RAG (Retrieval Augmented Generation)
? Conception de pipelines RAG :
? Ingestion de documents hétérogènes (PDF, HTML, DOCX, données structurées) ;
? Nettoyage, chunking, vectorisation (embeddings), indexation ;
? Requêtage (similarity search, hybrid search) et re ranking.
? Maîtrise de solutions de stockage vectoriel (Pinecone, Weaviate, Qdrant, Elasticsearch vector, etc.).
? Optimisation de la pertinence des résultats (tuning du chunking, du top k, des filtres, des scores).
? Data & Engineering
? Très bonne maîtrise de Python et des librairies LLM/RAG (LangChain, LlamaIndex, FastAPI, etc.).
Compétences facultatives mais appréciées (clairement un plus pour différencier les candidats)
? Intégration des agents et du RAG dans des API ou services back end (REST/GraphQL).
? Connaissance des architectures cloud (AWS) et bonnes pratiques de sécurité.
? Notions de MLOps pour la surveillance et l?amélioration continue des comportements des agents.
? Sensibilité aux sujets finops IA (suivi et optimisation des coûts LLM).
Qualités humaines recherchées :
? Prise d?initiative et autonomie
? Sens de la communication
? Dynamisme, curiosité
? Rigueur
? Esprit d?équipe et de collaboration
