Senior AI Native Engineer in Paris

Vous construisez les systèmes qui font réellement fonctionner l'IA dans des environnements d'entreprise, pas des démonstrations, pas des prototypes qui s'arrêtent après un pilote, mais des architectures agentiques de production fonctionnant au sein de véritables organisations clientes. La différence entre un ingénieur IA et ce que nous recherchons est simple : vous avez expédié un système multi-agents en production, vous avez possédé le cadre d'évaluation, et vous savez ce qui se passe lorsque votre agent échoue à 2h du matin parce que vous l'avez vécu.

En tant qu'ingénieur IA (Agentique/Appliqué), vous concevrez, construirez et déploierez des systèmes d'IA agentiques de qualité production à travers l'ensemble de la pile technologique de l'entreprise. Vous travaillerez directement avec les équipes d'ingénierie des clients, dirigerez des sessions de conception technique et construirez des modèles et des accélérateurs réutilisables qui s'étendent au-delà des engagements individuels. Ce rôle se situe au cœur du marché des talents en ingénierie IA – la demande croît plus vite que l'offre et continuera de le faire.

Responsabilités clés

• Architecturer et gouverner des systèmes agentiques de qualité production à l'échelle de l'entreprise : orchestration multi-agents à travers des environnements complexes, pipelines RAG, routage basé sur des politiques, gestion de la mémoire et observabilité du cycle de vie au niveau programme.
• Définir les normes de pipeline RAG à travers les engagements : établir des stratégies de chunking et d'embedding, définir des benchmarks de qualité et s'assurer que les décisions de compromis basées sur des métriques sont documentées et transférables.
• Définir les normes d'intégration multi-LLM : architecture agnostique par défaut, routage de secours et gouvernance des coûts comme pratique de conception standard à travers les fournisseurs, y compris OpenAI, Anthropic, Vertex AI et des modèles open-source.
• Posséder LLMOps à l'échelle du programme : stratégie d'évaluation, gouvernance des prompts, normes d'outils d'observabilité, surveillance de la sécurité et contrôles de coûts à travers plusieurs systèmes concurrents.
• Diriger les engagements d'ingénierie des clients à un niveau senior - faciliter les sessions de conception d'architecture, diriger la livraison de preuves de concept et favoriser l'alignement entre la direction technologique des clients et les équipes de livraison.
• Façonner et publier des modèles réutilisables, des accélérateurs et des normes d'ingénierie qui s'étendent à la pratique et réduisent le temps de montée en compétence sur les nouveaux engagements clients.
• Posséder le cadre de mesure pour la qualité des systèmes agentiques : définir des métriques d'exactitude, de latence, de sécurité et de coût ; présenter l'impact de l'IA au niveau programme en termes commerciaux aux parties prenantes senior des clients.

Qualifications

• 8+ années d'expérience en ingénierie logicielle dans des environnements de production.
• Minimum 1 an d'expérience pratique dans la conception et le déploiement de solutions IA agentiques dans un environnement de production - non négociable.
• Expérience démontrée avec des cadres d'orchestration agentique : LangGraph, CrewAI, AutoGen, ou équivalent - à profondeur de production, pas au niveau tutoriel.
• Expérience directe d'appel d'APIs LLM (OpenAI, Anthropic, Vertex AI) dans du code de production : abstraction de fournisseur, gestion des tokens, compromis de latence et de coût.
• Propriété du pipeline RAG : embeddings, stratégie de chunking, bases de données vectorielles et ingénierie de contexte.
• Fondamentaux de LLMOps : conception de cadre d'évaluation, versioning des prompts et observabilité en production.
• Maturité en ingénierie cloud-native : Kubernetes, Docker, microservices, serverless, CI/CD et IaC (Terraform ou Helm).
• Solide expérience en Python ; Java ou un langage backend équivalent acceptable ; expérience en débogage et observabilité en production.
• La qualité de l'expérience est plus importante que les années, un candidat ayant expédié trois systèmes agentiques de production en quatre ans est préféré à un généraliste avec une exposition passive à l'IA.
• Responsabilités de leadership : expérience dans la gestion, le développement et la gestion de la performance d'une équipe d'ingénieurs ; définition de plans de développement individuels et conduite de conversations de carrière.