Data scientist

Contexte Objectif global : Développer IA au sein du SOC 2 Au sein de notre SOC, nous intégrons des technologies d'Intelligence Artificielle Générative pour automatiser l'analyse de menaces, contextualiser les alertes de sécurité et assister nos analystes.

Compétences, expérience, qualifications : si vous correspondez à cette opportunité, alors n'hésitez pas à postuler dès aujourd'hui.

Nous recherchons un(e) Expert(e) en IA spécialisé(e) dans l'entraînement, l'alignement et l'évaluation de Modèles de Langage (LLM/SLM) afin de concevoir des modèles souverains, ultra-spécialisés en cybersécurité.

En collaboration directe avec l'équipe R&D Cyber et l'équipe SOC, le/la consultant(e) aura pour missions de : MISSIONS Fine-tuning de modèles : Adapter et spécialiser des LLM open-source (Llama, Mistral, Qwen...) sur des données de cybersécurité (logs, rapports CTI, playbooks).

Alignement et limitation des hallucinations : Mettre en ?uvre des techniques d'apprentissage par renforcement pour s'assurer que les modèles génèrent des réponses précises, sécurisées et sans biais/hallucinations (crucial pour le SOC).

Formatage et structuration des données : Définir et appliquer les meilleurs formats de prompt et de conversation pour l'entraînement.

Évaluation et Benchmarking : Mettre en place des pipelines d'évaluation rigoureux pour mesurer la performance des modèles spécialisés "Cyber" par rapport aux standards du marché.

Profil candidat: Compétences techniques : fine tuning model
- Confirmé ? Impératif Structuration & Formatage de Données
- Confirmé ? Impératif Alignement & Reinforcement Learning
- Confirmé ? Impératif Évaluation & Validation (MMLU / Benchmarking)
- Confirmé
- Impératif Connaissances linguistiques : Anglais Professionnel (Impératif) Français Courant (Impératif) · PROFIL RECHERCHÉ : EXPERTISE TECHNIQUE IA (Hard Skills) Le/la candidat(e) doit impérativement maîtriser les technologies et concepts suivants : A.

Fine-Tuning de Modèles (PEFT) Maîtrise avancée des techniques d'adaptation à faible rang : LoRA et QLoRA.

Pratique courante d'au moins un framework de fine-tuning rapide : Unsloth, Axolotl, ou TRL (Transformer Reinforcement Learning d'Hugging Face).

B.

Structuration & Formatage de Données Expertise dans l'utilisation des formats de templates de discussion, notamment ChatML et Alpaca, pour structurer les datasets d'entraînement textuels.

C.

Alignement & Reinforcement Learning (Contrôle des Hallucinations) Solide expérience dans l'optimisation des réponses (Constraint-based generation & Alignment) via les méthodes : DPO (Direct Preference Optimization), GRPO (Group Relative Policy Optimization) et PPO (Proximal Policy Optimization).

Maîtrise des frameworks d'alignement : TRL, verl ou OpenRLHF.

D.

Évaluation & Validation (MMLU / Benchmarking) Capacité à concevoir des protocoles d'évaluation rigoureux.

Utilisation de benchmarks standards (ex: MMLU, GSM8K) et mise en place de frameworks d'évaluation comparatifs internes (méthodologies de type Evaluation Arena / LMSYS, LLM-as-a-judge).

SKILLS SECONDAIRES & APPRÉCIÉS (Nice to Have) Sensibilité Cybersécurité : Expérience préalable ou fort intérêt pour les problématiques SOC (MITRE ATT&CK, analyse de logs, détection d'intrusions).

Stack MLOps : Connaissance de plateformes comme Hugging Face Hub, vLLM, Ollama ou Triton pour le déploiement et l'inférence optimisée.

Développement : Excellente maîtrise de Python et de PyTorch.

SOFT SKILLS Rigueur scientifique : Rigueur absolue sur la qualité des données et la reproductibilité des benchmarks.

Communication : Capacité à vulgariser les concepts IA complexes auprès de profils purement cybersécurité (Analystes SOC, RSSI). xuezdbg

Autonomie : Capacité à délivrer dans un environnement R&D agile.