Tech Lead IA Générative
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
DESCRIPTIF DÉTAILLÉ DU BESOIN
Postulez maintenant, lisez les détails du poste en faisant défiler la page. Vérifiez bien que vous avez les compétences nécessaires avant d'envoyer votre candidature.
Dans le cadre d'un programme stratégique de déploiement de solutions d'Intelligence Artificielle Générative au sein d'un grand groupe bancaire, nous recherchons un(e) Leader Technique IA Générative & RAG pour accompagner la conception, l'industrialisation et l'évolution de solutions IA à grande échelle.
Vous intégrerez un environnement technologique exigeant, au sein d'un centre d'expertise IA, et interviendrez en tant que référent technique sur les architectures RAG déployées sur la plateforme Dataiku.
Votre rôle sera déterminant pour garantir la robustesse, la performance, la sécurité et la scalabilité des solutions, tout en structurant les standards et les bonnes pratiques techniques.
VOS PRINCIPALES MISSIONS1. Leadership technique et architecture RAG- Définir et faire évoluer les standards d'architecture des solutions RAG.
- Accompagner les équipes Data Science, Data Engineering et Architecture dans leurs choix techniques.
- Encadrer les pratiques de développement et assurer la cohérence des implémentations.
- Réaliser les revues techniques et capitaliser sur les bonnes pratiques.
- Concevoir des patterns de développement RAG réutilisables.
- Définir les standards de prompting et d'orchestration des workflows LLM.
- Mettre en place des critères de qualité, de pertinence et de performance.
- Produire des guides, templates et frameworks d'accélération des projets IA.
- Assurer une veille sur les nouvelles architectures LLM et RAG.
- Concevoir des architectures de recherche documentaire à grande échelle.
- Définir les stratégies d'embeddings, de vectorisation et d'indexation.
- Encadrer l'intégration et l'optimisation des bases de données vectorielles. xuezdbg
- Optimiser les mécanismes de recherche hybride, de retrieval et de reranking.
- Garantir la pertinence des résultats, les performances et la scalabilité