Nous recherchons un ingénieur de solutions d'IA Générative disposant tant de compétence IA que de Data.br/ br/ h2Responsabilités /h2 ul liDéveloppement de Chatbots RAG : Concevoir et optimiser des chatbots capables d'exploiter des bases de données (documents, FAQs, APIs) pour générer des réponses précises et contextualisées. /li liCréation d'agents intelligents : Développer des agents autonomes capables de rechercher, modifier et mettre à jour des informations dans des bases de données comme Fabric, Postgres, CosmosDB, SQL, tout en interagissant avec d'autres applications via API. /li liGestion de pipelines de données: ul liConcevoir, optimiser et maintenir des pipelines ETL/ELT /li liIntégrer les flux de données dans des workflows IA pour assurer scalabilité, fiabilité et sécurité /li liDévelopper des dashboards de monitoring pour suivre les performances et optimiser les coûts. /li /ul /li liDéploiement et optimisation des modèles IA: Mettre en production les solutions d'IA sur Azure, surveiller leur efficacité à l'aide de KPI et ajuster les modèles pour maximiser leur impact. /li liContribution à la stratégie IA Générative: Participer à l'élaboration d'une gouvernance IA et au développement d'un centre de compétences spécialisé. /li /ul br/ h2Profil recherché /h2 ul liExpérience de 3 à 5 ans en gestion de pipelines ETL/ELT et exploration de données via Azure Data Factory, Synapse Analytics et Fabric et autres solutions Azure (CosmosDB, Postgres, SQL, ...) /li liExpertise en mise en place solutions IA générative (RAG (retrieval augmented generation) et d'agents en utilisant des données structurées (bases de données, API) et non structurées (documents, images) /li liMaitrise des services Azure pour développer, tester et déployer des solutions IA, y compris Azure AI Foundry, Copilot Studio, Azure AI Services et/ou Azure AI Search. /li liExpertise en développement Python et ses frameworks/bibliothèques (comme Langchain et PySpark), ainsi que des outils de monitoring pour le suivi opérationnel et l'optimisation des performances (sur base de KPI définis techniques et fonctionnels) mais aussi des coûts, de solutions d'IA générative /li liConnaissance du fonctionnement des modèles IA (LLMs, fine-tuning, inference). /li /ul