Digital product – generative ai engineer : rag, vector databases

Descriptif de la mission :

Dans le cadre d’un projet d’innovation autour de l’intelligence artificielle générative, l’ingénieur(e) aura pour mission de :

-Collaborer avec les utilisateurs et parties prenantes pour recueillir les besoins en données.

-Récupérer et valider des ensembles de données.

-Configurer des bases de données vectorielles (Vector Databases, VDB).

-Mettre en œuvre une compétence RAG (Retrieval-Augmented Generation) afin d’optimiser les performances des modèles d’IA générative.

-Tester les pipelines de données pour garantir leur efficacité, précision et adéquation avec les besoins métiers et techniques.

Activités principales
---------------------------
1. Recueil des besoins utilisateurs
-Point de contact principal pour les besoins en données dans le cadre des cas d’usage IA générative.

-Collaboration avec les équipes produit, IT, IA et métier pour formuler les attentes.

-Communication fluide en français et en anglais avec les parties prenantes.

2. Spécification des données
-Définition et documentation des besoins en données (types, formats, fréquence, confidentialité, etc.).

-Identification d’éventuels écarts ou risques, et proposition de plans d’action correctifs.

3. Collecte et validation des données
-Coordination avec les équipes techniques pour accéder aux sources de données pertinentes.

-Vérification de l’exhaustivité, qualité et pertinence des données en amont des traitements IA.

-Gestion proactive des problèmes liés aux données (manquantes, incomplètes, corrompues).

4. Configuration des bases de données vectorielles (VDB)
-Paramétrage en lien avec les équipes infrastructure et DBA.

-Optimisation des performances (indexation, cache, requêtage).

5. Intégration et ajustement de la compétence RAG
-Implémentation et optimisation de la couche RAG (récupération augmentée) pour enrichir les résultats générés par l’IA.

6. Tests et validation
-Vérification de l’ensemble du pipeline de données et de la compétence RAG.

-Mesure de la performance et de la pertinence des résultats générés par l’IA en conditions réelles.

Compétences requises
-------------------------------
• Compétences techniques
-Maîtrise des bases de données vectorielles (on-premise ou cloud).

-Expérience avec les systèmes RAG ou approches similaires (récupération + génération).

-Connaissance des pratiques de qualité des données pour l’IA/ML.

-Capacité à configurer et ajuster des systèmes RAG.

-Connaissance des frameworks IA/ML (ex : LangChain, TensorFlow, PyTorch).

• Langues
--------------
-Français et anglais courants (oral et écrit).

• Compétences analytiques
-------------------------------------
-Aptitude à résoudre des problèmes complexes liés aux pipelines de données.

-Gestion des priorités dans un environnement dynamique.

• Compétences interpersonnelles
--------------------------------------------
-Excellente communication avec des profils techniques et métiers.

-Capacité à documenter les besoins, tests et configurations de manière claire.

Environnement Technique

IA

rag