AI Engineer

🎯 Ce qu'on cherche avant tout

Mayday vise à devenir le leader mondial de son marché d'ici 2028. Pour y arriver, on cherche des personnes qui voient loin : un super profil, ambitieux, qui a envie de se projeter et de grandir avec nous sur la durée plutôt que d'occuper un poste. L'état d'esprit et l'ambition priment sur la checklist des compétences.

Concrètement : à partir de 4 ans d'expérience, tu peux y aller. Le reste de cette fiche décrit le rôle, mais c'est l'envie qui fait la différence.

Tu rejoins une équipe Data structurée et en croissance, composée de Data Engineers, Back-End Engineers et Data Scientists, encadrée par un Tech Lead Data et pilotée par un Head of Data & AI. Tu travailles au quotidien avec un PM AI, et tu peux être amené(e) à intervenir auprès de clients en collaboration avec les équipes de Customer Success Managers.

Ce que ce poste a de particulier : tu n’es pas là pour simplement intégrer un LLM ou multiplier les prompts. Tu es là pour concevoir les systèmes de RAG et les agents qui permettront à nos clients d’exploiter pleinement leur base de connaissances, de manière fiable, pertinente et scalable.

Tu interviens sur toute la chaîne : compréhension du besoin, ingestion et structuration des contenus, retrieval, génération, orchestration des agents, évaluation et mise en production. C’est un rôle à forte autonomie intellectuelle, avec un impact direct sur le produit et sur la trajectoire technique de l’équipe.

🔬 Applied AI, RAG & Agents

• Identifier les opportunités IA à fort impact business, de la définition du problème jusqu’au déploiement.

• Concevoir et améliorer des architectures de Retrieval-Augmented Generation : ingestion et parsing des contenus, chunking, embeddings, indexation, recherche hybride, filtres par métadonnées, reranking et génération de réponses contextualisées.

• Développer des agents IA capables de raisonner à partir de la base de connaissances propre à chaque client, d’utiliser des outils et d’exécuter des workflows métier de manière fiable.

• Travailler sur les principaux enjeux du retrieval : pertinence, fraîcheur des informations, gestion des permissions, désambiguïsation, personnalisation et passage à l’échelle.

• Expérimenter avec différents modèles, stratégies de retrieval et architectures d’agents, puis arbitrer en fonction de la qualité, de la latence, du coût et de la maintenabilité.

• Mettre en place des frameworks rigoureux d’évaluation des systèmes RAG et agentiques : jeux de données de référence, tests automatiques, human evaluation, métriques de retrieval et mesure de la qualité des réponses.

• Assurer une veille active sur l’état de l’art des LLMs, du RAG et des agents, en sachant distinguer les avancées réellement utiles au produit des effets de mode.

🏗️ Engineering & MLOps

• Écrire du code Python propre, testé et maintenable, en combinant expertise data et rigueur d’ingénierie.

• Construire et maintenir des pipelines robustes couvrant toute la chaîne : ingestion → transformation → indexation → retrieval → génération → évaluation → monitoring.

• Intégrer des modèles et services d’IA générative, notamment via les APIs des différents provider, et choisir les modèles adaptés à chaque cas d’usage.

• Assurer la fiabilité des systèmes en production : observabilité, analyse des erreurs, gestion des fallbacks, alerting, versioning des prompts et des modèles, maîtrise de la latence et des coûts.

• Concevoir des mécanismes de sécurité adaptés aux systèmes agentiques : contrôle des outils, gestion des droits, protection contre les prompt injections et validation des sorties.

• Collaborer avec les Data Engineers et Back-End Engineers pour intégrer ces capacités au produit et les faire fonctionner à l’échelle.

• Contribuer aux choix d’architecture et aux standards techniques de l’équipe Data & AI.

🤝 Collaboration & Impact Produit

• Travailler en binôme avec le PM AI pour transformer les enjeux produit et les retours utilisateurs en problèmes bien formulés, en hypothèses testables et en solutions actionnables.

• Collaborer avec les équipes customer-facing pour comprendre les usages réels, identifier les causes d’échec et améliorer continuellement la qualité des réponses.

• Être en mesure de présenter tes travaux, tes arbitrages et leurs résultats à des interlocuteurs techniques et non techniques.

• Définir avec l’équipe les bons indicateurs de succès et relier la performance technique des systèmes RAG à leur impact produit et business.

• Contribuer à la culture technique de l’équipe : revues de code, documentation, partage de connaissances et diffusion des bonnes pratiques Applied AI.

Tu es fait(e) pour être AI Engineer chez Mayday si :

• Tu as au moins 4 ans d’expérience en Data Science, Machine Learning ou AI Engineering, avec une expérience significative de mise en production de solutions d’IA.

• Tu as déjà conçu ou fortement contribué à des systèmes RAG ou des applications reposant sur des LLMs, au-delà d’un simple prototype.

• Tu comprends en profondeur les différentes briques d’un système de retrieval : préparation des documents, chunking, embeddings, recherche vectorielle ou hybride, reranking et génération.

• Tu sais diagnostiquer la performance d’un système RAG en séparant les problèmes de retrieval, de contexte, de modèle et de génération.

• Tu maîtrises les approches d’évaluation des applications LLM et tu sais construire des jeux de tests représentatifs des usages réels.

• Tu es à l’aise sur la partie engineering : Python, APIs, tests, pipelines de données, orchestration et mise en production.

• Tu sais faire les bons compromis entre qualité, rapidité d’exécution, latence, coût et complexité technique.

• Tu communiques clairement avec des interlocuteurs techniques et non techniques, et tu sais transformer un problème complexe en plan d’action concret.

Une expérience avec des moteurs de recherche, des bases vectorielles, des architectures agentiques ou des outils d’observabilité LLM est fortement appréciée. La connaissance d’un framework précis est moins importante que ta capacité à comprendre les mécanismes sous-jacents et à choisir les bons outils.

💡 Soft Skills

• Product thinking : tu pars des usages et des problèmes utilisateurs pour orienter tes décisions techniques.

• Project management : tu pilotes des projets complexes de bout en bout, de la discovery à la mise en production, en gérant les priorités et les parties prenantes.

• Problem solving : tu sais investiguer des comportements difficiles à reproduire, formuler des hypothèses et avancer de manière structurée.

• Solutions engineering : tu travailles avec les équipes customer-facing, comprends les contraintes des clients et construis des solutions généralisables plutôt que des réponses ponctuelles.

• Ownership : tu prends la responsabilité de la qualité du système en production, pas seulement de la livraison d’un prototype.

💪 Hard Skills

• RAG & Retrieval : tu maîtrises les principaux composants d’une architecture RAG et sais optimiser la qualité du retrieval de manière méthodique.

• Agents & Generative AI : tu conçois des agents capables d’utiliser des outils et des sources de connaissance de façon contrôlée, observable et fiable.

• Evaluation : tu définis des jeux de tests et des métriques pertinentes pour mesurer séparément le retrieval, la génération et la performance globale du système.

• Software engineering : tu implémentes du code performant, testé et maintenable, avec une vraie rigueur d’ingénierie.

• Systems engineering : tu conçois des pipelines scalables et observables pour industrialiser l’ingestion, l’indexation, l’évaluation et le déploiement.

• Data & AI architecture : tu contribues aux choix structurants, aux standards techniques et à l’amélioration continue de la plateforme Data & AI.

1️⃣ Entretien RH en visio avec Alex (People Manager) – 30 min

2️⃣ Entretien Hiring Manager en visio avec Olivier notre Head of Data & AI – 30 min

3️⃣ Entretien technique de System Design avec le Tech Lead Data et le Head of Data & AI – 1h
Cet entretien sera centré sur la conception et l’évaluation d’un système RAG : architecture générale, ingestion et indexation des contenus, stratégie de retrieval, évaluation de la qualité, mise en production et principaux arbitrages techniques. Il ne nécessite aucune préparation à la maison.

4️⃣ Entretien physique avec 2 fondateurs et 2 membres de la team – 4 × 30 min

☎️ Call de prise de références (2)