AI Software Engineer

Prisme.ai construit le socle du SI agentique souverain.

Les logiciels dont les entreprises ont besoin sont de plus en plus générés par des agents. Le sujet n’est plus la technologie. Le sujet est de livrer la bonne expérience pour chaque usage sans transformer le SI en patchwork d’outils, de silos et de colle entre eux. C’est le problème que nous résolvons.

Prisme.ai est une stack unique pour créer des applications web, des agents (conversationnels ou autonomes) et des workflows, et les déployer partout où l’entreprise en a besoin : web, Teams, portails, MCP, APIs. Deploy everywhere.

L’architecture est scalable et traçable by design. Elle s’exécute en on-premise ou sur plusieurs clouds à la fois, avec n’importe quel modèle, sous la gouvernance de l’entreprise. Chaque agent a une identité, des permissions et des outils gouvernés, et chacune de ses actions est tracée.

Toute la plateforme est exposée en MCP. Équipes techniques et métiers manipulent les mêmes capacités, chacune avec ses outils : du no-code pour les uns, du code pour les autres.

Prisme.ai tourne en production chez des entreprises de la banque, de l’énergie, des télécoms, de l’industrie et du secteur public, avec des milliers d’agents en service.

Prisme.ai est une entreprise indépendante, autofinancée et rentable. Nous ne brûlons pas de cash pour grandir : nous grandissons parce que nos clients restent et étendent leurs usages.

En tant qu’AI Software Engineer, vous construisez des agents et des capacités pensés comme des produits conçus une fois, réutilisés d’un client à l’autre.

Vous partez de cas d’usage réels chez nos clients, et vous en tirez ce qui se généralise :

• des agents packagés, prêts à être déployés et configurés dans une autre entreprise ;
• des capacités réutilisables (skills, connecteurs, serveurs MCP) que les équipes métiers et techniques attachent à leurs propres agents.

Tout cela doit fonctionner là où vivent nos clients : en on-premise, dans des environnements à hauts standards de sécurité, et au contact de SI legacy qui n’ont pas été conçus pour l’IA.

Quelques exemples de sujets sur lesquels vous pourriez intervenir :

• Un agent métier construit pour une banque, rendu paramétrable et déployable chez d’autres filiales.
• Des connecteurs vers des applications legacy (bases historiques, APIs internes, mainframes exposés par des services intermédiaires), utilisables en lecture ou en écriture avec des droits gouvernés.
• Le RAG agentique : des agents qui explorent les documents avec des opérations comme grep, cat ou sed, pour une meilleure précision et moins de tokens consommés.
• L’évaluation de la qualité des agents en production : critères, jeux de tests, mesure, itération.
• Le bon format pour chaque usage. Un agent n’est pas toujours la meilleure réponse : parfois une application ou un workflow accède directement à la donnée, plus vite et pour moins cher.

Nous attendons une démarche d’ingénieur plus qu’une expertise sur un framework donné : poser le problème, formuler des hypothèses, mesurer, comparer plusieurs options et assumer des compromis explicites entre valeur, coût, délai et risque.

Vous travaillez avec les équipes métiers de nos clients et avec nos équipes Produit, Tech, Customer Success et Support. Vous voyez directement l’effet de ce que vous livrez.

Systèmes d’IA

• Concevoir et développer des agents, des systèmes RAG et des workflows agentiques, du prototype à la production.
• Traduire un besoin métier en système fiable, mesurable et conforme aux exigences de sécurité des clients et à l’AI Act.
• Contribuer aux choix d’architecture IA : orchestration, prompting, choix des modèles, gestion du contexte et des coûts.

Mise en production

• Partir du problème métier réel avec les équipes clientes, avant de proposer une solution.
• Livrer par incréments, du premier prototype jusqu’à l’usage à l’échelle.
• Définir les stratégies d’évaluation, de tests et de qualité, et les faire vivre en production.
• Rendre les équipes clientes autonomes sur ce qui a été construit.
• Concevoir les agents et les capacités comme des produits : paramétrables, documentés, versionnés, réutilisables d’un client à l’autre.
• Développer des skills, connecteurs et serveurs MCP, y compris vers des SI legacy.
• Garantir que chaque composant respecte les exigences de sécurité des clients et fonctionne en on-premise comme en cloud.
• Proposer, spécifier et implémenter des évolutions produit à partir du terrain.
• Participer au support technique de niveau ingénierie sur votre périmètre.
• Le résultat client avant la fonctionnalité. Un système d’IA qui n’est pas utilisé ne vaut rien.
• Penser produit, pas projet. Ce que vous construisez pour un client do