Lead Technique RAG / Expert IA Générative

Contexte de la mission Dans le cadre du développement et de l'industrialisation de solutions d'IA générative, nous recherchons un(e) Lead Technique RAG pour garantir la qualité, la robustesse, la sécurité et la performance d'une plateforme de recherche augmentée par génération (RAG).

En tant que référent technique, vous interviendrez auprès des équipes Data Science, Data Engineering, Architecture, Sécurité et des équipes métiers.

Vous définirez les standards d'architecture et de développement, accompagnerez les projets dans leurs choix techniques et piloterez l'amélioration continue de la plateforme RAG.

Missions principales1. Leadership technique RAGDéfinir les standards d'architecture des solutions RAG.

Encadrer les pratiques de développement et accompagner la montée en compétences des équipes.

Orienter les projets dans leurs choix techniques et garantir la cohérence des développements.

Réaliser les revues techniques des cas d'usage.

Capitaliser sur les bonnes pratiques et les retours d'expérience.

2. Gouvernance des pratiques IA générative Définir les standards et les patterns de développement RAG.

Établir les bonnes pratiques de prompting et de conception des workflows.

Définir les critères de qualité, de pertinence et de performance des solutions.

Concevoir des guides, templates et frameworks réutilisables.

Assurer une veille technologique sur les architectures LLM et RAG.

3. Exploitation et évolution de la plateforme RAGSuperviser l'exploitation des workflows RAG et garantir la disponibilité des services.

Piloter l'optimisation des pipelines d'ingestion et de recherche documentaire.

Assurer le maintien en condition opérationnelle des composants IA.

Participer à la gestion des incidents et à l'analyse des problématiques techniques complexes.

Piloter l'évolution des fonctionnalités et des capacités de la plateforme.

4. Architecture et bases de données vectorielles Concevoir des architectures de recherche documentaire à grande échelle.

Définir les stratégies de vectorisation, d'indexation et de récupération des informations.

Mettre en ?uvre et encadrer l'utilisation des bases de données vectorielles.

Optimiser les mécanismes de recherche hybride, de reranking et de retrieval.

Garantir la performance, la pertinence et la scalabilité des solutions déployées.

5. Industrialisation et LLMOps Définir les pratiques d'industrialisation des workflows RAG.

Mettre en place les standards de monitoring et d'observabilité.

Définir et suivre les indicateurs de performance des solutions IA.

Encadrer les pratiques de CI/CD et d'automatisation des déploiements.

Piloter la gestion du cycle de vie des modèles, des embeddings et des index vectoriels.

6. Qualité, sécurité et conformitéGarantir le respect des exigences de sécurité et de confidentialité.

Veiller à la protection des données sensibles.

Participer aux analyses de risques liées aux solutions d'IA générative.

Définir les mécanismes de contrôle de la qualité et de la fiabilité des réponses générées.

Mettre en place des dispositifs de traçabilité et d'auditabilité des solutions.

Environnement technique IA générative, LLM, RAG, architectures RAG, bases de données vectorielles, embeddings, recherche hybride, reranking, retrieval, pipelines d'ingestion documentaire, prompting, LLMOps, monitoring, observabilité, CI/CD, automatisation, sécurité des données.

• Junto SAS
• Des leads B2B qualifiés via Linked In

Junto pilote vos campagnes Linked In Ads avec une équipe senior et une mesure fiable.

Profil candidat: Profil recherchéExpérience significative en IA générative, architecture RAG et industrialisation de solutions basées sur les LLM.

Expertise dans la conception et l'optimisation d'architectures RAG à grande échelle.

Maîtrise des mécanismes de recherche documentaire : vectorisation, embeddings, bases de données vectorielles, recherche hybride, retrieval et reranking.

Solide connaissance des pratiques LLMOps, du CI/CD, du monitoring et de l'observabilité des solutions IA.

Capacité à définir des standards techniques, à réaliser des revues d'architecture et à encadrer les pratiques de développement.

Compétences en optimisation des performances, évaluation de la qualité des réponses générées et gestion du cycle de vie des modèles et des index.

Bonne maîtrise des enjeux de sécurité, de gouvernance, de traçabilité et de conformité des solutions d'IA générative.

Capacité à collaborer avec des équipes pluridisciplinaires (Data Science, Data Engineering, Architecture, Sécurité et Métiers).

Leadership technique, esprit d'analyse, autonomie et capacité à accompagner les équipes dans l'industrialisation des solutions.