Scientifique de données 1

Résumé

Nous recherchons un(e) Scientifique des données II, une personne hautement motivée et dotée d'un bon esprit d'analyse, pour se joindre à notre équipe. Le ou la candidat(e) idéal(e) possédera une solide base en principes de la science des données, de l'expérience avec les grands modèles de langage (LLM) et une passion pour le développement de solutions d'intelligence artificielle (IA) percutantes. L'équipe se concentre sur des solutions qui améliorent le dépannage technique et le soutien pour les techniciens et les clients. Ce rôle offre l'occasion de travailler sur des produits de données innovants et à fort impact au sein d'un environnement d'équipe collaboratif. Vous contribuerez à l'architecture, au développement et au déploiement d'applications de pointe propulsées par l'IA, en collaborant avec notre équipe d'experts et en bénéficiant du mentorat de membres seniors.

Principales responsabilités

• Concevoir et mettre en œuvre des systèmes à agent unique et multi-agents capables de raisonner, de planifier et d'agir pour résoudre des problèmes utilisateurs complexes.
• Définir le comportement des agents, leur mémoire et les stratégies d'utilisation d'outils en mettant l'accent sur l'exactitude, la contrôlabilité et l'expérience utilisateur.
• Mettre en œuvre des protocoles et des cadres d'applications d'IA tels que ADK/LangChain pour l'orchestration A2A (agent à agent).
• Intégrer les agents avec des systèmes internes/externes (bases de connaissances, systèmes de billetterie, diagnostics) via des API, le protocole MCP et l'orchestration d'outils.
• Concevoir une mémoire persistante et une gestion d'état pour le dialogue à tours multiples.
• Mettre en place des garde-fous, une logique de sécurité et des voies d'escalade avec intervention humaine — essentiels pour un domaine de soutien où les conseils des agents sont requis.
• Développer des cadres d'évaluation et d'observabilité (en utilisant un LLM comme juge, des cas de test, des évaluations d'agents, et en suivant la qualité des agents dans le temps).
• Optimiser la performance du système en analysant le comportement du modèle et ses modes de défaillance, transformant des problèmes qualitatifs en signaux mesurables pour l'amélioration.

Qualifications essentielles

• Baccalauréat en informatique, science des données, ingénierie, mathématiques appliquées ou dans un domaine connexe. Une expérience pertinente pourra être considérée en l'absence de diplôme.
• Environ 3 ans ou plus d'expérience de travail pertinente en science des données et/ou en apprentissage machine.
• Maîtrise avancée de SQL et Python.
• Capacité à écrire du code propre, efficace et réutilisable.
• Expérience avec les systèmes agentiques ou RAG : avoir construit au moins un système impliquant l'utilisation d'outils, la génération augmentée par récupération (RAG), le raisonnement en plusieurs étapes ou des agents autonomes — et pas seulement des complétions en une seule étape.
• Expérience pratique avec les LLM : avoir travaillé directement avec des API de LLM (OpenAI, Gemini, Anthropic, etc.) et comprendre les réalités pratiques — conception de prompts, gestion du contexte, latence, coût et modes de défaillance.
• Mentalité Agile et Collaboration : Expérience éprouvée à livrer de manière itérative, à collaborer dans un environnement d'équipe et à communiquer clairement.

Qualifications souhaitées

• Maîtrise en informatique, science des données, ingénierie, mathématiques appliquées ou dans un domaine connexe.
• Certification sur des plateformes de données et services infonuagiques (ex. : GCP).
• Familiarité avec les cadres d'applications pour agents (LangGraph, CrewAI, ADK, etc.).
• Expérience dans un environnement infonuagique (GCP est un atout, mais les compétences infonuagiques sont transférables) et dans la création de flux de travail agentiques.
• Exposition aux pratiques modernes de DevOps et de ML Ops, y compris l'intégration/livraison continue (CI/CD), la conteneurisation et l'orchestration.
• Expérience de domaine dans le soutien technique ou les systèmes de gestion des connaissances.