L'IA générative change la donne. Chez eXalt, on accompagne nos clients pour passer du POC excitant au produit en production, robuste, mesurable et utile.

On cherche un·e AI Engineer expérimenté·e pour construire avec nous cette pratique GenAI et intervenir sur des cas d'usage concrets chez nos clients : RAG, agents, automatisation intelligente, copilotes métier.

Ce que tu vas faire

Concevoir et industrialiser des solutions basées sur des LLMs (RAG, agents, fine-tuning selon les cas)
Choisir les bons outils : APIs propriétaires (OpenAI, Anthropic, Mistral) vs modèles open source, vector DBs, orchestrateurs
Mettre en prod avec les standards software qui vont bien : tests, évaluation, monitoring, coût, latence, sécurité
Challenger les cas d'usage clients (tout ne mérite pas un LLM 😉)
Contribuer à la pratique IA d'eXalt : R&D, veille, partage de connaissances, prise de parole

La stack

Langages : Python (principalement), TypeScript selon les projets
Frameworks GenAI : LangChain, LlamaIndex, Haystack, DSPy
Modèles : OpenAI, Anthropic, Mistral, modèles open source (Hugging Face)
Vector DBs : Pinecone, Weaviate, Qdrant, pgvector
Cloud IA : AWS Bedrock, Azure OpenAI, GCP Vertex AI
MLOps / LLMOps : MLflow, LangSmith, LangFuse, évaluation (Ragas, DeepEval)
Solide expérience en développement (Python idéalement) + appétence forte pour la GenAI
Tu as déjà mis en prod des solutions basées sur des LLMs (pas juste des notebooks)
Tu comprends les enjeux : hallucinations, évaluation, coût des tokens, latence, sécurité, RAG vs fine-tuning
Tu as une approche produit et pragmatique : tu sais dire "un LLM n'est pas la bonne réponse ici"
Tu es curieux·se et joueur·se : le domaine bouge chaque semaine, tu aimes ça
Bonus : background ML/Data Science, contributions open source, prise de parole (blog, conf)

Échange avec un Digital Sales Manager (~45 min)
Entretien technique avec un Tech Lead / expert IA eXalt
Rencontre avec un associé pour parler vision, practice et perspectives

Compétences requises

LLM solution architecture and industrialization (RAG, agents, fine-tuning)Retrieval-Augmented Generation (RAG) implementationAgent systems design and orchestrationModel selection and API integration (OpenAI, Anthropic, Mistral, Hugging Face)Vector database integration (Pinecone, Weaviate, Qdrant, pgvector)GenAI frameworks (LangChain, LlamaIndex, Haystack, DSPy)Cloud AI platforms (AWS Bedrock, Azure OpenAI, GCP Vertex AI)MLOps / LLMOps tooling and model evaluation (MLflow, LangSmith, LangFuse, Ragas, DeepEval)Production-grade software engineering (testing, monitoring, evaluation, cost and latency optimization, security)Python developmentTypeScript developmentLLM safety, hallucination mitigation, and evaluationProduct-minded use-case assessment and pragmatic decision-makingExperience deploying LLM-based solutions to production (notebooks)Research, knowledge sharing and thought leadership (R&D, blogging, conferences, open-source contributions)

Emplois similaires