Data scientist/mlops/ia (it) / freelance

Référent·e technique de l?équipe sur les sujets IA générative (LLM, RAG, agents, chatbots) et traitement de données non structurées (PDF, images).
Ton rôle : concevoir, industrialiser et fiabiliser des solutions IA en production, tout en instaurant des standards d?ingénierie logicielle (tests, CI/CD, MLOps/LLMOps, sécurité).

Responsabilités principales
Concevoir et déployer des architectures robustes autour des LLM, RAG, agents et chatbots.
Construire des pipelines de traitement de documents complexes (PDF, OCR, images, multimodal).
Industrialiser et monitorer les chatbots (latence, coût, taux de réponse, satisfaction utilisateur).
Mettre en place et faire respecter les bonnes pratiques de dev : code propre, tests, revues, CI/CD.
Industrialiser l?IA via MLOps/LLMOps : suivi d?expériences, déploiement, monitoring, observabilité.
Garantir la qualité des données, la conformité (GDPR) et la sécurité des solutions.
Accompagner et mentorer l?équipe sur les méthodes, outils et patterns d?IA générative.

Compétences techniques attendues
IA générative, LLM, RAG, Prompt optimisation,
Agents & orchestration
Chatbots

Traitement de données non structurées
PDF & documents : parsing, OCR, extraction de tables et de structures.
Images : prétraitement, détection/segmentation, compréhension multimodale (image+texte).

Ingénierie & industrialisation
Langages : Python avancé, SQL.
APIs : conception et intégration
Data pipelines : orchestration, streaming, feature stores.
MLOps/LLMOps : CI/CD, Docker/Kubernetes, suivi des modèles, monitoring/observabilité, tests offline/online.
Sécurité & conformité : gouvernance des données, IAM/secrets, mitigation des risques LLM (hallucinations, prompt injection, data leakage).

Bonnes pratiques de dev
Structuration des projets, templates, documentation vivante.
Stratégie de tests
Standards de code, revue d?architecture et diffusion des bonnes pratiques.

Profil recherché
6+ ans d?expérience en Data Science/MLOps



Profil candidat:
Ingénierie & industrialisation
Langages : Python avancé, SQL.
APIs : conception et intégration
Data pipelines : orchestration, streaming, feature stores.
MLOps/LLMOps : CI/CD, Docker/Kubernetes, suivi des modèles, monitoring/observabilité, tests offline/online.
Sécurité & conformité : gouvernance des données, IAM/secrets, mitigation des risques LLM (hallucinations, prompt injection, data leakage).

Bonnes pratiques de dev
Structuration des projets, templates, documentation vivante.
Stratégie de tests
Standards de code, revue d?architecture et diffusion des bonnes pratiques.

Profil recherché
6+ ans d?expérience en Data Science/MLOps