IA Expert IA agentique — Dust, Dataiku, n8n Selon profil

Expert IA agentique — Dust, Dataiku, n8n

Industrialiser un POC d'analyse d'appels d'offres en produit maintenable par le métier : orchestration multi-agents, fiabilité d'extraction documentaire et maîtrise des coûts, en binôme avec la référente IA interne.

Si vous souhaitez postuler à cet emploi, veuillez vous assurer que vous remplissez les conditions suivantes, énumérées ci-dessous.
Description du client

Filiale d'un grand groupe français, le client emploie 110 personnes et gère la commercialisation et l'exploitation des espaces commerciaux en gare : boutiques, services, emplacements éphémères. Ces emplacements étant situés sur le domaine public, chaque commercialisation passe par un appel d'offres, soit environ 480 consultations par an et près de 400 dossiers à analyser pour une équipe d'une quinzaine de commerciaux.

Une étude interne a montré que ces commerciaux consacrent près de 40 % de leur temps à la saisie administrative et moins de 10 % à la préparation des entretiens avec les candidats. L'enjeu est de rééquilibrer ce rapport en industrialisant l'analyse des offres.

Détail & objectif de la mission

Vous prenez la suite d'un POC d'analyse d'appels d'offres pour en faire un produit industrialisé et maintenable par des profils métier, en binôme avec la référente IA interne.

• Architecturer le processus agentique sur Dust : découpage des assistants, granularité, orchestration multi-agents, gestion de la mémoire
• Fiabiliser l'extraction documentaire des offres candidates : KPIs, données financières, éléments de comparaison, cible de 85 % de fiabilité
• Réinjecter les données extraites directement dans la grille de notation finale pour supprimer la double lecture et les reprises
• Optimiser la construction des benchmarks et la recherche de comparables entre dossiers d'offres
• Traiter le volet FinOps : dimensionnement des modèles, consommation de tokens, coût par dossier analysé
• Maintenir une architecture low-code / no-code modifiable par le métier, avec modules Python ponctuels pour les étapes à rendre déterministes
• Documenter l'architecture, les scénarios et les arbitrages, et transmettre l'ingénierie agentique à la référente interne

Profil recherché

• Maîtrise impérative de Dust : conception d'assistants, orchestration multi-agents, gestion des sources de connaissance et de la mémoire
• Expérience démontrée en architecture agentique : découpage des tâches entre agents, choix de granularité, orchestration de scénarios et arbitrages associés
• Extraction documentaire fiabilisée par LLM sur documents structurés et semi-structurés (données financières, KPIs, éléments de comparaison), avec mesure du taux de fiabilité
• Conception de solutions maintenables en low-code / no-code par des profils métier : reparamétrage de prompts, changement de LLM, ajustement d'agents, sans équipe de développement en support
• Pratique du FinOps appliqué à la GenAI : dimensionnement des modèles, suivi de la consommation de tokens, calcul du coût par traitement
• Capacité à documenter l'architecture et les choix de conception, et à faire monter en compétences une référente IA interne sur l'ingénierie de scénarios agentiques — c'est un critère de sélection, pas un attendu accessoire

Un plus : Dataiku, n8n, écriture de modules Python ponctuels pour rendre une étape déterministe, connaissance des processus d'appels d'offres, de commande publique ou d'occupation du domaine public.

Le client est une filiale d'un grand groupe français, forte de 110 collaborateurs, qui commercialise et exploite les espaces commerciaux situés en gare : boutiques, services et emplacements éphémères. Ces espaces relevant du domaine public, chaque mise sur le marché suppose une procédure d'appel d'offres, ce qui représente environ 480 consultations par an et près de 400 dossiers de candidature à instruire par une équipe d'une quinzaine de commerciaux.

Une étude menée en interne a chiffré le déséquilibre : près de 40 % du temps des commerciaux part dans la saisie administrative, contre moins de 10 % consacrés à la préparation des entretiens avec les candidats. L'industrialisation de l'analyse des offres vise précisément à inverser ce rapport, sans retirer aux équipes métier la maîtrise de l'outil.

Objectifs de la mission

La mission consiste à reprendre un POC d'analyse d'appels d'offres et à le transformer en produit industrialisé, documenté et maintenable par des profils non techniques. Le travail se fait en binôme avec la référente IA interne, à qui l'ingénierie agentique doit être transmise au fil de la mission.

• Concevoir l'architecture agentique sur Dust : découpage des assistants, granularité des tâches, orchestration multi-agents et gestion de la mémoire
• Fiabiliser l'extraction documentaire des offres candidates (KPIs, données financières, éléments de comparaison) avec une cible de 85