Freelance ai platform & engineering lead / architecte ia enterprise - freelance

Description du poste


Contexte

Notre client est un acteur mondial de la gestion d’actifs engagé dans une transformation technologique d’envergure, avec une accélération marquée des usages IA (dont GenAI) dans un environnement fortement régulé. L’organisation opère un modèle multi-affiliés (Europe, US, APAC) impliquant des contraintes de multi-tenancy, de souveraineté des données et une hétérogénéité des stacks (clouds publics, infrastructures on-premise, solutions locales). Dans ce contexte, l’AI Office souhaite renforcer son expertise d’architecture et d’industrialisation afin de structurer des « enablers » (capability group permettant de servir une famille de cas d'usage réutilisables) et d’orchestrer le delivery à l’échelle.

La mission vise à concevoir, structurer et opérer les fondations techniques nécessaires à l’industrialisation de l’IA à l’échelle du groupe. L’enjeu principal est de passer d’initiatives ponctuelles à une approche plateforme, en mutualisant des composants et des patterns d’architecture capables de servir des familles de cas d’usage (et non des solutions isolées), tout en respectant les exigences de sécurité, de conformité et de résilience propres au secteur financier.

Le consultant interviendra comme référent d’architecture IA « enterprise » pour :

* définir et standardiser des architectures cibles (RAG, orchestration LLM, agents, workflows),
* mettre en place les pratiques d’industrialisation (LLMOps, observabilité, évaluation, qualité),
* cadrer les choix technologiques (build/buy/hybrid) en tenant compte du time-to-market et des dépendances fournisseurs,
* coordonner les parties prenantes (IT, Data, Sécurité, Risques, Conformité) dans un environnement international multi-acteurs.


Missions

* Définir et maintenir les architectures de référence IA/GenAI (blueprints) adaptées à un déploiement multi-affiliés et multi-régions (Europe/US/APAC), incluant contraintes de segmentation, multi-tenancy et exigences réglementaires.
* Concevoir des architectures IA avancées orientées réutilisation : RAG multi-index, stratégies de retrieval (hybride, reranking), gestion de contexte, orchestration multi-modèles, moteurs d’agents et workflows outillés.
* Mettre en œuvre des design patterns industrialisables : prompt pipelines, guardrails, content filtering, policy enforcement, gestion des secrets, gestion de contexte, stratégies anti-hallucination et patterns d’outillage (ex. MCP).
* Piloter les arbitrages build vs buy vs hybrid : définition des critères (sécurité, conformité, performance, coûts, time-to-market, réversibilité), benchmarks/outillage du marché, recommandations et dossiers de décision.
* Structurer et déployer une chaîne LLMOps/MLOps : CI/CD, versioning (prompts, modèles, datasets), traçabilité, monitoring (qualité, hallucinations, drift), observabilité (logs/metrics/traces) et gestion des incidents.
* Mettre en place des frameworks d’évaluation IA : jeux de tests, métriques de qualité (pertinence, factualité, groundedness), robustesse (prompt injection, data poisoning), tests de non-régression et critères d’acceptation.
* Assurer la mise en production de solutions IA robustes : exigences de scalabilité, latence, disponibilité, capacity planning, optimisation coûts (token/calls), SLO/SLA et patterns de haute disponibilité.
* Structurer avec les équipes Data l’accès aux données structurées et documentaires : gouvernance des sources, qualité, lineage, catalogage, stratégie d’indexation et rafraîchissement, gestion des droits et de la confidentialité.
* Piloter l’intégration SI avec les équipes architecture : connecteurs et APIs (ex. CRM, GED/collaboration, APIs internes), stratégie API-first, sécurisation des échanges, gestion des identités et des autorisations.
* Implémenter les contrôles techniques requis en environnement régulé : protection des données, chiffrement, contrôle d’accès, auditabilité, journaux, séparation des environnements, secure-by-design et privacy-by-design.
* Orchestrer la collaboration transverse (IT, Sécurité, Conformité, Risques, Architecture, Data Science) et contribuer à la gouvernance de delivery (cadencement, priorisation technique, gestion des dépendances, reporting).
* Capitaliser et mutualiser les composants : bibliothèques internes, templates, documentations, standards d’implémentation, patterns réutilisables et accélérateurs de delivery pour les équipes et affiliés.


Outils & Environnement

* Architectures GenAI/LLM : RAG avancé (multi-index, hybrid search, reranking), vector databases, stratégies d’indexation et de retrieval
* Orchestration LLM : multi-modèles, routage, prompt engineering avancé, gestion de contexte, tool/function calling, architectures agents et workflows
* Systèmes distribués et API-first : microservices, intégration via APIs, patterns de résilience et de performance
* Industrialisation MLOps/LLMOps : CI/CD, versioning, monitoring, observabilité, gestion des déploiements et releases
* Frameworks d’évaluation et de tests IA : qualité des réponses, robustesse, sécurité (prompt injection), non-régression
* Cloud & plateformes : expérience GCP/Azure (ou équivalent), conteneurisation, IAM, networking, services managés ; capacité à opérer en contexte hybride incluant on-premise


Conditions de travail

* Date de démarrage : ASAP
* Durée : 1 an renouvelable
* Localisation : À définir (HQ en région parisienne, contexte international multi-affiliés)
* Télétravail : 2 jours de télétravail par semaine
* TJM : Selon profil


Profil recherché

1. Architecture GenAI/LLM à l’échelle : RAG avancé (multi-index, hybrid search, reranking), vector databases, stratégies d’indexation et de retrieval
2. Orchestration LLM : multi-modèles, routage, prompt engineering avancé, gestion de contexte, tool/function calling, architectures agents et workflows
3. Conception de systèmes distribués et API-first : microservices, intégration via APIs, patterns de résilience et de performance
4. Industrialisation MLOps/LLMOps : CI/CD, versioning, monitoring, observabilité, gestion des déploiements et releases
5. Frameworks d’évaluation et de tests IA : qualité des réponses, robustesse, sécurité (prompt injection), non-régression
6. Cloud & plateformes : expérience GCP/Azure (ou équivalent), conteneurisation, IAM, networking, services managés ; capacité à opérer en contexte hybride incluant on-premise
7. Expérience avérée d’Enterprise AI à l’échelle d’un grand groupe (plateforme, capabilities/enablers, mutualisation multi-domaines)
8. Capacité à structurer une approche par familles de cas d’usage et à définir des composants réutilisables (catalogue, standards, patterns)
9. Cadrage et aide à la décision technologique : build vs buy vs hybrid, critères de sélection, analyse coûts/risques, réversibilité fournisseur
10. Connaissance des contraintes d’un environnement régulé (sécurité, conformité, auditabilité, gestion des risques) ; expérience secteur financier appréciée (asset management fortement valorisé)
11. Coordination d’équipes multiples et internationales (multi-fuseaux horaires), animation d’ateliers, alignement des parties prenantes
12. Leadership technique et posture d’architecte enterprise (prise de recul, vision plateforme, standardisation)
13. Rigueur, sens de la qualité et de l’industrialisation (robustesse, observabilité, sécurité)
14. Excellente capacité d’analyse et de structuration (frameworks de décision clairs, convictions argumentées)
15. Communication efficace en contexte multi-acteurs (IT, Data, Sécurité, Risques, Conformité) et pédagogie
16. Autonomie, pragmatisme et orientation résultats (time-to-market, passage à l’échelle)