Architecte IA Senior

Description du poste

1. Stratégie et Vision IA

• Définir la feuille de route IA pour le client :
  • Identifier les cas d’usage prioritaires en fonction des enjeux métiers (ex : réduction des coûts, amélioration de la productivité, innovation produit).
  • Évaluer la maturité IA du client et proposer un plan d’action (ex : migration vers le cloud, adoption de l’IA générative).
  • Aligner les projets IA sur les objectifs business (ex : augmentation du chiffre d’affaires, optimisation des ressources).
• Veille technologique et réglementaire :
  • Suivre les avancées en IA (ex : nouveaux modèles de langage, frameworks comme PyTorch ou TensorFlow, outils comme Hugging Face).
  • Anticiper l’impact des réglementations (ex : RGPD, AI Act en Europe, normes sectorielles).

2. Conception et Architecture des Solutions IA

• Définir les architectures techniques :
  • Choisir les modèles et algorithmes adaptés aux besoins :
    • Supervisé : Classification (Random Forest, XGBoost), régression (Linear Regression, Neural Networks).
    • Non supervisé : Clustering (K-Means, DBSCAN), réduction de dimension (PCA, t-SNE).
    • Deep Learning : Réseaux de neurones (CNN pour la vision, RNN/LSTM pour les séries temporelles, Transformers pour le NLP).
    • IA Générative : Modèles de langage (LLM comme BERT, GPT), diffusion models (Stable Diffusion).
  • Concevoir des pipelines de données :
    • Collecte (APIs, bases de données, IoT).
    • Nettoyage et préparation (ETL, feature engineering).
    • Stockage (Data Lakes, bases de données SQL/NoSQL).
    • Traitement (batch vs. streaming).
  • Intégrer les bonnes pratiques MLOps :
    • Versioning des modèles (MLflow, DVC).
    • Monitoring (Prometheus, Grafana, Evidently).
    • Déploiement continu (CI/CD pour les modèles).
• Architecturer des solutions hybrides :
  • Combiner IA traditionnelle (règles métiers) et IA avancée (ML/DL) pour des solutions robustes.
  • Intégrer l’IA dans des systèmes existants (ERP, CRM, SCADA, etc.).
  • Optimiser pour le edge computing (ex : déploiement de modèles légers sur des appareils IoT).

3. Intégration et Déploiement des Solutions IA

• Piloter l’intégration technique :
  • Collaborer avec les équipes IT, Data et Métiers pour déployer les modèles en production.
  • Assurer la compatibilité avec les infrastructures existantes :
    • Cloud (AWS SageMaker, Azure ML, Google Vertex AI).
    • On-premise (Kubernetes, Docker).
    • Hybride (cloud + edge).
  • Optimiser les performances :
    • Latence (inférence en temps réel).
    • Scalabilité (gestion des charges de travail).
    • Coûts (optimisation des ressources cloud).
• Garantir la conformité et la sécurité :
  • Respecter les réglementations (RGPD, AI Act, normes sectorielles).
  • Mettre en place des mécanismes de transparence :
    • Explicabilité des modèles (SHAP, LIME, outils comme IBM AI Explainability 360).
    • Auditabilité (logging, traçabilité des décisions).
  • Sécuriser les données et modèles :
    • Chiffrement (AES, TLS).
    • Anonymisation (differential privacy, k-anonymity).
    • Protection contre les attaques (adversarial attacks, data poisoning).

4. Collaboration avec les Équipes Métiers et Techniques

• Traduire les besoins métiers en solutions IA :
  • Organiser des ateliers de co-conception avec les équipes métiers (ex : direction opérationnelle, marketing, R&D).
  • Définir des KPIs mesurables (ex : réduction des temps d’arrêt, amélioration de la satisfaction client).
• Encadrer les équipes techniques :
  • Guider les Data Scientists sur le choix des algorithmes et des données.
  • Collaborer avec les Data Engineers pour optimiser les pipelines.
  • Travailler avec les DevOps pour industrialiser les déploiements.
• Former et sensibiliser :
  • Former les équipes métiers à l’utilisation des solutions IA.
  • Sensibiliser aux enjeux éthiques et responsables de l’IA (biais, équité, transparence).

5. Innovation et R&D

• Explorer de nouvelles technologies :
  • IA générative (LLMs, diffusion models).
  • Reinforcement Learning (pour l’optimisation dynamique).
  • Federated Learning (pour la confidentialité des données).
• Prototyper des solutions innovantes :
  • Proof of Concept (PoC) pour valider des idées.
  • Benchmarking de modèles et outils.
• Participer à des projets de R&D :
  • Collaboration avec des laboratoires ou startups.
  • Publication d’articles ou participation à des conférences.

Qualifications

Expérience

• Formation : Bac+5 (ingénieur, ou université ).
• Minimum 6 ans d’expérience en architecture logicielle
• Expérience significative sur des projets intégrant de l’intelligence artificielle ou des agents IA
• Habitude des environnements complexes et multi-projets

Expérience avérée en conception et déploiement de solutions IA (au moins 3 projets complets en production).

• Expertise dans plusieurs domaines d’application :
  • Computer Vision (ex : reconnaissance d’images, vidéo analyse).
  • NLP (ex : chatbots, analyse de sentiments, extraction d’informations).
  • Séries temporelles (ex : maintenance prédictive, forecasting).
  • Recommandation (ex : systèmes de recommandation personnalisés).
• Expérience en gestion de projets complexes :
  • Migration vers le cloud.
  • Déploiement de modèles à grande échelle.
  • Intégration avec des systèmes legacy.

Soft skills

• Excellente communication et pédagogie
• Capacité à influencer et embarquer des équipes internationales
• Force de proposition 
• Aisance en anglais (environnement international)

Autres

• Sensibilité aux enjeux réglementaires liés à l’IA
• Flexibilité et capacité à intervenir sur plusieurs sujets en parallèle

Informations supplémentaires

• Lieu : Île-de-France 
• Type de contrat : CDI

Compensation: 45000 to 65000 (EUR) (YEARLY)