À propos du poste
Ingénieur LLM senior – GenAI / ML (Python, Langchain)
Temps plein Lieu : Inde Expérience globale : 7–12 ans
Orientation : poste d’ingénierie concret axé sur la conception, la construction et le déploiement de solutions d’IA générative et basées sur les LLM. Le poste exige une solide maîtrise technique de Python et des frameworks LLM modernes, ainsi que la capacité de contribuer à l’élaboration de la feuille de route et à la collaboration transverse.
Principales responsabilités :
- Concevoir et développer des systèmes GenAI/LLM à l’aide d’outils tels que Langchain et de pipelines de génération augmentée par récupération (RAG).
- Mettre en œuvre des techniques d’ingénierie de prompts et des frameworks agentiques pour fournir des solutions intelligentes et sensibles au contexte.
- Collaborer avec l’équipe d’ingénierie pour façonner et piloter la feuille de route technique des initiatives LLM.
- Traduire les besoins métier en solutions d’IA évolutives et prêtes pour la production.
- Travailler en étroite collaboration avec les experts métier (SME) et les équipes data pour garantir l’alignement des modèles d’IA sur des cas d’usage réels.
- Contribuer aux discussions d’architecture, aux revues de code et à l’optimisation des performances.
Compétences requises :
- Maîtrise de Python, de Langchain et de SQL.
- Compréhension du fonctionnement interne des LLM, y compris le réglage de prompts, les embeddings, les bases de données vectorielles et les flux de travail d’agents.
- Formation en apprentissage automatique ou en génie logiciel, avec une réflexion axée sur le niveau système.
- Expérience des plateformes cloud telles qu’AWS, Azure ou GCP.
- Capacité à travailler de manière autonome tout en collaborant efficacement entre les équipes.
- Excellentes compétences de communication et de gestion des parties prenantes.
Qualifications souhaitées :
- 1 ans ou plus d’expérience concrète des LLM et des techniques d’IA générative.
- Expérience de contribution à des pipelines de produits ML/IA ou à des déploiements de bout en bout.
- Familiarité avec le MLOps et les modèles de déploiement évolutifs pour les modèles d’IA.
- Exposition préalable à des projets en contact avec les clients ou à des équipes d’IA transverses.