AI Engineering

À propos du rôle

Au sein de la practice Strategy & Consulting – AI & Data, nous recherchons un(e) Data Science Manager pour piloter la conception et la mise en œuvre de solutions avancées en Intelligence Artificielle, Machine Learning, IA Générative et IA Agentique pour des clients grands comptes. Dans ce rôle, vous piloterez des streams de delivery et des équipes pluridisciplinaires, en traduisant des problématiques métiers en solutions IA scalables et en garantissant une exécution de qualité sur l’ensemble du cycle de vie — du cadrage du problème et de la conception de l’architecture jusqu’au déploiement et à l’adoption. Vous contribuerez à la définition des architectures de solution et des stratégies d’implémentation, couvrant les systèmes ML, les applications basées sur des LLM (RAG, copilotes, automatisation) ainsi que les systèmes agentiques émergents (workflows multi-agents, raisonnement augmenté par outils). En interaction étroite avec des parties prenantes seniors, vous jouerez un rôle client-facing, en assurant l’alignement entre les objectifs métiers et le delivery technique, tout en contribuant aux actifs réutilisables, aux bonnes pratiques et aux initiatives de développement commercial.

Responsabilités clés

• Piloter la delivery de projets IA, GenAI et Agentic AI, de la conception au déploiement en production
• Traduire les besoins métiers en architectures scalables (pipelines ML, applications GenAI, workflows agentiques)
• Concevoir et implémenter des solutions d’IA Générative : architectures RAG, stratégies de prompt engineering, applications LLM de niveau entreprise
• Contribuer à la conception et à l’implémentation de systèmes d’IA agentique : architectures multi-agents, workflows d’orchestration, raisonnement basé sur des outils
• Concevoir et implémenter des systèmes de connaissance hybrides : bases vectorielles, pipelines d’embeddings, graphes de connaissance pour la recherche, le raisonnement et la mémoire
• Définir et mettre en œuvre des pratiques LLMOps : évaluation, monitoring et gestion du cycle de vie des systèmes GenAI et agentiques
• Garantir l’intégration de l’IA responsable, de la gouvernance et des mécanismes de sécurité dans les solutions
• Piloter le développement de PoC, MVP et leur industrialisation en systèmes de production
• Animer des ateliers clients, des discussions techniques et des sessions de conception ; présenter les architectures et les arbitrages
• Collaborer avec les équipes transverses (engineering, cloud, data, sécurité) pour délivrer des solutions intégrées
• Encadrer et accompagner les membres de l’équipe (analystes, consultants)
• Contribuer au développement commercial (propositions, présentations clients)
• Participer au développement d’actifs internes, d’accélérateurs et de bonnes pratiques

Votre profil

Formation & parcours

• Diplôme (Licence ou Master) en informatique, data science, machine learning, mathématiques, physique ou domaine connexe
• 6 à 9 ans d’expérience en IA, ML ou analytique avancée, incluant une expérience en conseil ou en environnement client
• Expérience avérée dans la mise en œuvre de solutions IA ou GenAI de bout en bout en production
• Expérience en gestion d’équipe et pilotage de projets
• Certifications (Azure, AWS, GCP, ML/IA) appréciées

Compétences techniques

• Programmation & ML : forte maîtrise de Python et des frameworks ML (TensorFlow, PyTorch), avec une bonne compréhension des systèmes ML en production
• IA Générative & LLM : expérience avec architectures RAG, prompt engineering, intégration LLM et frameworks (LangChain, LlamaIndex, Semantic Kernel), incluant des approches hybrides (vectoriel + graphe, Graph RAG)
• IA Agentique : connaissance des systèmes à base d’agents : workflows multi-agents, frameworks d’orchestration (LangGraph, AutoGen, CrewAI), raisonnement augmenté par outils
• Systèmes de connaissance : expérience dans la conception d’architectures hybrides combinant bases vectorielles et graphes de connaissance (ex : Neo4j, Amazon Neptune)
• Data & Engineering : maîtrise des pipelines data, du traitement distribué (Spark) et des plateformes data modernes (Databricks, Snowflake)
• LLMOps / AgentOps : expérience en déploiement, monitoring, évaluation et gestion du cycle de vie (MLflow, LangSmith, Weights & Biases)
• Cloud : expérience pratique sur Azure, AWS ou GCP, incluant les services IA (Azure OpenAI, AWS Bedrock, Vertex AI)

Soft Skills

• Relation client : capacité à comprendre et traduire les besoins métiers
• Communication : capacité à vulgariser des architectures complexes
• Résolution de problèmes : approche structurée face à des problématiques complexes
• Leadership : capacité à encadrer et faire mont