Ingénieur senior en IA et données France

Intitulé du poste :

Ingénieur(e) Senior en IA et Données — IA pour la Santé

Prêt(e) à postuler ? Avant de le faire, assurez-vous de lire tous les détails relatifs à cet emploi dans la description ci-dessous.
Lieu :

France uniquement | Télétravail, temps plein

Rattachement hiérarchique :

Directeur de l'Ingénierie

Clients existants :

Entreprises du Top 100 des sciences de la vie, des technologies médicales et de l'industrie pharmaceutique

Type de poste :

Freelance/CDD, temps plein

Langues:

anglais niveau professionnel

Principales responsabilités et objectifs

• Concevoir, développer et maintenir des pipelines de données par lots (batch) et en flux continu (streaming) : ingestion, nettoyage, normalisation, enrichissement et déduplication.
• Concevoir et gérer de bout en bout des pipelines ML/LLM : extraction et parsing de documents, segmentation, génération d'embeddings, indexation vectorielle, appels d'outils, workflows multi-étapes, gestion des nouvelles tentatives, mécanismes de repli (fallback) et gestion de l'état.
• Développer du code Python robuste et testé, capable de traiter de grands volumes de données et de documents de manière fiable.
• Garantir la qualité des pipelines : la détection et la correction des données obsolètes, corrompues ou erronées relèvent de votre responsabilité.
• Travailler en autonomie et respecter les délais des projets avec un minimum d'encadrement..

Qualifications et compétences clés (non négociables)

• Plus de 7 ans d'expérience en développement backend ou en ingénierie des données
• Expérience préalable en startup
• Excellente maîtrise de Python, React et Node
• Expérience pratique des grands ensembles de données et des flux de données à haute vélocité (Kafka, Flink, Spark)
• Maîtrise des outils d'orchestration de pipelines (Airflow, MLflow ou équivalent)
• Solides compétences en SQL (PostgreSQL, BigQuery ou Snowflake) et expérience NoSQL (DynamoDB, OpenSearch, Elastic)
• Expérience concrète des workflows LLM : architectures RAG, embeddings et bases de données vectorielles, ingénierie des prompts, appels de xwjxdcb fonctions/outils (function calling), observabilité
• Compréhension approfondie des modèles ETL/ELT et du traitement des données à grande échelle

Profil souhaité (fortement pertinent)

• Expérience de la pile de données AWS à grande échelle
• Connaissance des secteurs de la santé, des sciences de la vie ou des industries réglementées
• Expérience de la conception et de la mise en production de pipelines de données, de ML et de LLM
• A déjà débogué un pipeline et comprend l'importance de l'observabilité
• A travaillé dans une startup dynamique où l'expression « ce n'est pas mon travail » n'a pas sa place