En un coup d'œil
- Missions: Concevoir et gérer des infrastructures de recherche à grande échelle pour des modèles d'IA.
- Entreprise: Mistral, une entreprise dynamique spécialisée dans les solutions IA innovantes.
- Avantages: Avantages compétitifs incluant couverture santé, congés parentaux et programmes de bien-être.
- Autres infos: Environnement collaboratif avec des opportunités de croissance professionnelle.
- Pourquoi ce job: Rejoignez une équipe passionnée par l'IA et transformez des industries critiques.
- Qualifications: 5 ans d'expérience en ingénierie de recherche et compétences en développement logiciel.
Le salaire estimé est compris entre 61650 - 75350 € par an.
À propos de Mistral
Mistral fournit des solutions IA complètes : des modèles de pointe aux outils pour développeurs, applications et calcul. Nous collaborons avec des entreprises pour résoudre les problèmes les plus difficiles dans des secteurs à enjeux élevés tels que la finance, la fabrication, la défense, la santé et le secteur public, co-créant des systèmes IA personnalisés qu'elles peuvent gérer selon leurs propres termes.
Nous sommes une équipe dynamique et collaborative passionnée par l'IA et son potentiel à transformer la société. Notre main-d'œuvre diversifiée prospère dans des environnements compétitifs et s'engage à stimuler l'innovation. Nos équipes sont réparties entre l'Europe, l'Amérique du Nord, l'Asie et le Moyen-Orient. Nous sommes créatifs, humbles et animés par l'esprit d'équipe.
Résumé du rôle
Nous recherchons un ingénieur de recherche talentueux et expérimenté pour rejoindre notre nouvelle équipe de plateforme de recherche Search and Services. Vous construirez et opérerez les services de recherche à grande échelle dont nos modèles dépendent en tant qu'outils — des index de recherche à grande échelle auto-hébergés aux graphes de connaissances et bases de données servies via MCP.
Ce que vous ferez
- Concevoir, construire et exploiter une infrastructure de recherche à grande échelle : clusters Vespa auto-hébergés indexant des corpus à grande échelle, index gérés pour des corpus plus petits et points de terminaison de recherche de fournisseurs.
- Auto-héberger et maintenir une large gamme de sources de données structurées — graphes de connaissances (Wikidata, UniProt, Materials Project), données académiques (OpenAlex, OpenAIRE), bases de données statistiques (Eurostat, Banque mondiale, FMI, OCDE), portails de données ouvertes et plus encore.
- Concevoir des interfaces et des outils pour exposer aux modèles et agents l'utilisation des services de différentes manières (requêtes YQL ou SPARQL directes, ou MCP plus raffinés et contraints pour imiter des services externes) pour soutenir la génération de données et l'entraînement agentique.
- Construire les pipelines de données qui ingèrent, indexent et servent d'énormes ensembles de données, y compris l'indexation de nos propres corpus de pré-entraînement pour exploration, dé-duplication et vérifications d'évaluation.
- Établir de solides relations avec les chercheurs et les équipes adjacentes (données de pré-entraînement, sandbox, plateforme de données), comprendre leurs flux de travail et leur permettre d'accomplir davantage en tirant parti de votre expertise.
- Communiquer et produire de la documentation ou tout contenu qui aidera les équipes à tirer le meilleur parti des services que vous construirez.
À propos de vous
- Plus de 5 ans d'expérience réussie en ingénierie de recherche, infrastructure de données ou un rôle similaire SRE / plateforme.
- Compétence en développement logiciel (Python, Go...) et meilleures pratiques de programmation.
- Expérience pratique avec des systèmes de recherche ou de données à grande échelle (par exemple, Vespa, Elasticsearch / OpenSearch, ClickHouse ou similaire).
- Exposition à l'ingénierie de fiabilité des sites : analyse des causes profondes, dépannage en production, rotations d'appel...
- Exposition à la gestion d'infrastructure : conteneurisation, orchestration (Kubernetes), infra-as-code, surveillance, journalisation, alertes, observabilité...
- Expérience dans la conception et l'exploitation de pipelines de données traitant de grandes quantités de données.
- Excellentes compétences en résolution de problèmes et en communication (capacité à contextualiser, évaluer les risques et obtenir l'adhésion pour des solutions à enjeux élevés et impactantes).
- Esprit d'initiative, autonomie et recherche constante d'apprentissage et d'amélioration pour les autres.
- Autonome, motivé et capable de bien travailler dans un environnement de startup rapide.
- Esprit d'équipe et humilité.
Votre candidature sera d'autant plus intéressante si vous avez également :
- Une expérience directe avec Vespa (ou un équivalent en récupération d'informations à grande échelle).
- Une expérience dans la construction ou l'exploitation de serveurs MCP / infrastructure de service d'outils pour LLMs.
- Une familiarité avec les graphes de connaissances, RDF / SPARQL, ou de grandes bases de données structurées (PostgreSQL, ClickHouse, DuckDB...).
- Une expérience avec une grande infrastructure bare-metal ou des environnements HPC.
Ce que nous offrons
Nous offrons un ensemble complet d'avantages conçu pour soutenir votre bien-être, votre croissance et votre équilibre travail-vie personnelle. Les avantages varient selon le pays et peuvent inclure une couverture santé, un congé parental, des plans de retraite, un soutien à la relocalisation, des programmes de bien-être, des allocations de repas et de transport, et d'autres avantages spécifiques à l'emplacement.
Pour les détails les plus récents sur les avantages disponibles dans votre région, veuillez consulter notre page sur les avantages.
Politique de confidentialité
Votre vie privée est importante pour nous. Vous pouvez en savoir plus sur la façon dont nous gérons vos données personnelles dans notre Politique de confidentialité des candidats.
Research Engineer - Search and Services in Paris employeur : Mistral AI
Mistral est un employeur de choix, offrant un environnement de travail dynamique et collaboratif où l'innovation et la qualité sont au cœur de nos activités. En tant que Data Annotation Quality Specialist, vous bénéficierez d'un ensemble complet d'avantages, y compris des programmes de bien-être, des congés parentaux et un soutien à la relocalisation, tout en ayant l'opportunité de contribuer directement à des projets d'IA significatifs. Notre culture valorise la croissance personnelle et professionnelle, vous permettant d'évoluer dans votre carrière tout en travaillant sur des technologies de pointe dans un cadre stimulant.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Research Engineer - Search and Services in Paris
✨Participe à des meetups de data science
Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !
✨Montre tes compétences avec des projets
Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !
✨Vis les forums spécialisés
Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.
✨Postule directement sur le site de Mistral AI
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez Mistral AI. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Research Engineer - Search and Services in Paris
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez Mistral AI, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.
Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à Mistral AI que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.
Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez Mistral AI. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !
Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.
Comment te préparer à un entretien d'embauche chez Mistral AI
✨Prépare ton arsenal technique !
En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.
✨Montre ton portfolio
Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.
✨Anticipe les études de cas
Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.
✨Comprends le business derrière les données
Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de Mistral AI et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
