TROUVE TES PROCHAINES MISSIONS FREELANCE ET PROPULSE TA CARRIÈRE !

L'équipe GenAI est une équipe de la division de production AI & Innovation du groupe. Notre travail est de concevoir, industrialiser des d'API liées à l'IA générative clé-en-main pour l'ensemble des équipes IT du groupe qui en font la demande (LLM, Speech-To-Text, RAG, Agentic-AI) Environnement Technique Nous assurons l'ensemble du cycle : discovery * benchmark * fine-tuning (LoRA) * packaging Helm * déploiement K8s * MCO / support N3 - Plateformes : - On-premises : ferme de GPUs Nvidia, Red Hat Openshift, réseau air-gapped - Hybride avec IBM Cloud - Kubernetes & GPU - Inference : vLLM, Helm Chart - Fine-Tuning - CI/CD & GitOps : GitLab CI, ArgoCD, OpenShift - Observabilité : Prometheus / Grafana, Elastic, alertes SLO - Sécurité réseau : Illumio micro-segmentation, mTLS service mesh - Interface data science : Aujourd'hui Domino Data Lab ; migration prévue vers Red Hat OpenShift AI Composition de l'équipe L'équipe est aujourd'hui composée de 7 personnes : 5 côté devops et 2 côté design et mise en place des solutions IA…. Et continuera de se muscler considérant les objectifs du groupe sur la partie GenAI. Mission Nous lançons la co-construction d'assistants virtuels avec la division CPBS de BNPP (banque de détail). L'idée est de faire évoluer leurs bots pour les rendres plus précis grâce à l'IA. Plusieurs équipes de cette filiale ont lancé le projet, et l'idée est de mutualiser les approches. Nous recherchons une architecte solution (expert LLM/RAG) - pour fédérer ces projets. Votre mission : - Bâtir une cible technique unique (stack GenAI + services bancaires), poser des standards clairs (patterns d'archi, librairies, API, sécurité) et garantir la conformité cyber, data et réglementaire de cet assistant. - Concrètement, vous dessinerez le modèle d'architecture (front, orchestrateur, RAG, logging) et publierez des guidelines d'intégration - authentification, SSO, flux réseau Zero-Trust. - Vous constituerez un catalogue de composants réutilisables : moteur d'inférence partagé, connecteurs back-office, orchestrateur d'agents, monitoring conversationnel, avec versioning et distribution via Helm/Artifactory. - Vous piloterez un premier déploiement pilote : coaching de deux équipes CPBS jusqu'à la mise en production, rédaction du runbook, des SLO et de la matrice de conformité. - Côté sécurité, vous appliquerez micro-segmentation Illumio, mTLS, data-masking et vérifierez licences modèles / RGPD. - Enfin, vous animerez la "bot factory" : workshops mensuels, veille continue sur les nouveautés RAG et Agentic AI adaptées au monde bancaire, pour que chaque nouvelle équipe pioche dans la boîte à outils plutôt que de repartir de zéro. Votre profil * Architecte applicatif + IA : a déjà industrialisé un ou plusieurs chatbots/assistants LLM sur K8s. * Culture bancaire : connaît contraintes KYC, données sensibles, cycle de validation Risk/Compliance. * DevOps-friendly : GitOps, observabilité, Helm, OpenShift. * Pédagogue : transforme specs floues en patterns clairs, sait documenter et convaincre., Tech senior, visionnaire GenAI * Anticipe rôles / licences / HW, sait expliquer pourquoi tel modèle ou infra sera obsolète dans 6 mois. * Capable de répondre à des questions comme : * « Comment intégrer des Azure Containers parcellairement documentés dans notre cloud privé ? » * « Quelles briques Uber utilise-t-elle pour un RAG agentic à grande échelle, et lesquelles ré-emploierions-nous ? » Solide background "SRE / GitOps / Zero-Trust" * A déjà manœuvré des environnements bancaires ou équivalents (data residency, audits, régulation). * Confortable avec pipelines GitLab * Argo CD, mTLS, micro-segmentation et budgets GPU. Veilleur actif du marché IA * Suit en temps réel sorties modèles (Mistral, Llama-3, Gemini, etc.), frameworks (vLLM, RAGflow) et nouvelles HW (Grace Hopper, AMD MI300). * Identifie vite les limites licence, TCO, souveraineté. Force de proposition & pédagogie * Transforme des sujets « hard-core » en guidelines limpides pour DevOps / Risk / Métiers. * Produit doc carrée : one-pagers, ADR, runbooks, FAQ. Des soft skills de "goal volant" * Navigue entre archi, sécu et strategy sans rôle de manager. * Connecte les bonnes personnes, débloque, synthétise, fait avancer., Architecte Solutions IA GénérativeÀ propos de l'équipeNotre travail L'équipe GenAI est une équipe de la division de production AI & Innovation du groupe. Notre travail est de concevoir et industrialiser des services d'API liées à l'IA générative clé-en-main pour l'ensemble des équipes IT du groupe qui en font la demande (LLM, Speech-To-Text, RAG, Agentic-AI) Nous assurons l'ensemble du cycle DevSecOps : recherche de solutions éditeur et/ou Open à sélection (avec le sponsor) et contractualisation à assemblage, hardening, et intégration dans notre écosystème technique à mise en Prod, MCO, support utilisateur (IT Métier) & support Ops à gestion de la roadmap (avec le sponsor) (support Ops partagé avec l'équipe SRE de la plate-forme Kubernetes et avec une équipe d'astreinte externe) Environnement Technique Nous assurons l'ensemble du cycle : discovery * benchmark * fine-tuning (LoRA) * packaging Helm * déploiement K8s * MCO / support N3 * Plateformes : * On-premises : ferme de GPUs Nvidia, Red Hat Openshift, réseau air-gapped * Hybride avec IBM Cloud * Kubernetes & GPU * Inference : vLLM, Helm Chart * Fine-Tuning * CI/CD & GitOps : GitLab CI, ArgoCD, OpenShift * Observabilité : Prometheus / Grafana, Elastic, alertes SLO * Sécurité réseau : Illumio micro-segmentation, mTLS service mesh * Interface data science : Aujourd'hui Domino Data Lab ; migration prévue vers Red Hat OpenShift AI Composition de l'équipe L'équipe est aujourd'hui composée de 7 personnes : 5 côté devops et 2 côté design et mise en place des solutions IA…. Et continuera de se muscler considérant les objectifs du groupe sur la partie GenAI. Mission Nous cherchons un·e forme de tech-lead "goal volant" - pas manager ni PM, mais référent archi & vision GenAI - pour créer une plateforme GenAI multi-tenant (PaaS / SaaS) et accompagner chaque équipe métier dans son adoption. Vos axes clés 1. Designer l'architecture * Vue cible PaaS + SaaS, isolation des locataires, quotas GPU. * Documents de référence : ADR, schémas d'architecture. 2. Mettre en place et faire tourner la plateforme * Recommandations concrètes aux équipes Ops / Data. * Prise en compte systématique : cyber-sécu, compliance, réseau. 3. Servir les Métiers sans friction * Recueillir besoins techniques & fonctionnels. * Proposer l'intégration la plus simple (API, SDK, workflow). 4. Explorer et choisir les bonnes briques * Discovery & benchmark continus des solutions du marché. * Évaluer limites, licences et coûts avant d'intégrer. 5. Veille et arbitrage Build / Buy * Suivre les tendances GenAI, anticiper les obsolescences. * Prendre (ou faire prendre) les décisions justes, à temps. 6. Débloquer & connecter * Jouer l'interface entre IT, Sécurité, Risk, Métiers. * Lever les blocages techniques ou réglementaires, orienter les bonnes personnes. Objectif final : une plateforme GenAI robuste, sécurisée, adoptée et pérenne - avec vous comme point de passage obligé pour tout le Groupe.

En tant qu'Analyste Produit IA, vous jouerez un rôle crucial dans l'amélioration des expériences utilisateur basées sur l'IA et dans l'alignement du contenu généré par l'IA avec les besoins métier. Vous vous concentrerez sur ce qui est créé par l'IA, négociant avec les Data Scientists, les Ingénieurs ML, les Ingénieurs IA et les BPO (Business Process Owners) pour définir et mesurer la "performance IA" cible que l'application doit atteindre. L'accent sera mis sur le contenu de l'application et les résultats réels générés par l'IA. Responsabilités Clés : * Développement de contenu et de prompts IA : + Développer des user stories spécifiques aux flux de contenu générés par l'IA, incluant les entrées, les sorties attendues et les modes d'échec. + Traduire les besoins métier en prompts IA structurés, en annotations de données ou en requêtes de fine-tuning. + Aligner la sortie de l'IA avec les entrées utilisateur imprévisibles et les règles métier. * Collaboration et faisabilité : + Collaborer étroitement avec les Data Scientists, les Ingénieurs ML et les Chefs de Produit IA pour garantir la faisabilité et l'alignement de l'IA. + Travailler avec les propriétaires de plateformes IA, les Data Scientists et les Ingénieurs ML pour s'assurer que les sorties de l'IA sont utiles, alignées, sûres et précises. + Comprendre la GenAI (IA Générative) (pas de codage, mais la logique, les biais, les hallucinations, etc.). * Évaluation et Assurance Qualité : + Évaluer et affiner le contenu généré par l'IA sur la base des résultats des tests et des retours utilisateurs. + Prendre en compte les biais, les hallucinations, les contraintes éthiques et l'explicabilité dans les sorties de l'IA. + Aider à définir les métriques pour évaluer la performance des modèles IA d'un point de vue métier. * Outils et Reporting : + Utiliser des outils tels qu'ADO, des outils de test de prompts, des tableaux de bord LLM et des outils d'étiquetage. * Gestion de Produit et Stratégie : + Solide connaissance et expérience en gestion de solutions/produits IT. + Solide connaissance fonctionnelle pour challenger les partenaires métier sur la solution. + Compétences en gestion et analyse de données pour améliorer les processus d'appel d'offres. + Proposer des solutions dans le cadre de l'évolution applicative.

Dans le cadre de projets IA de grande envergure, nous recherchons un Machine Learning Engineer confirmé pour assurer l'industrialisation et la production d'applications ML/IA, avec une forte composante MLOps & GCP. Déploiement & gestion de modèles ML en production Orchestration des pipelines de données Mise en place de CI/CD via GitHub Actions Développement d'APIs (FastAPI) & de WebApps (Streamlit) Monitoring des applications et intégration dans les produits métiers Support à l'usage de LLMs et outils LangChain

i. Mise en production fiable * Déploiement de modèles LLM à grande échelle * Versioning de modèles et rollback * A/B testing et shadow deployment ii. Monitoring post-déploiement * Suivi de la dérive des données ou des performances * Feedback loops et supervision humaine (RLHF / RLAIF) iii. Expérience utilisateur * Optimisation du temps de réponse * Contrôle du coût d'inférence * Design de produits LLM-friendly (chatbots, copilotes, etc.), i. Communication interdisciplinaire * Travailler avec data scientists, ingénieurs backend, juristes, PM, etc. ii. Veille technologique * Suivi actif des publications (ArXiv, Hugging Face, OpenAI, etc.) * Capacité à expérimenter et intégrer de nouvelles approches rapidement iii. Gestion de projet * Planification et exécution de projets LLM à long terme * Priorisation entre performance, coût, et éthique, v. RAG (Retrieval-Augmented Generation) * Intégration avec bases vectorielles (FAISS, Weaviate, Qdrant) * Construction de pipelines RAG efficaces vi. Sécurité et conformité * Détection d'aléas (jailbreaks, prompt injection) * Gestion des données sensibles (anonymisation, PII) * Conformité RGPD, audits des modèles

Nous recherchons un(e) Architecte IA & Graphes de Connaissance pour une mission longue chez un client grand compte dans le secteur bancaire. Mission stratégique de conception et mise en œuvre d'un graphe de connaissance multidimensionnel pour modéliser l'ensemble du SI et simuler des scénarios d'impact. Il s'agit d'un rôle clé pour structurer le moteur de simulation, poser les fondations techniques du graphe, et croiser logique causale, IA et architecture IT., Intégré(e) à l'équipe d'architecture IA du client, vous piloterez la construction d'un moteur de simulation IT à fort enjeu, basé sur un Knowledge Graph modélisant les dépendances techniques, applicatives et organisationnelles du SI. Vos responsabilités clés : Modéliser un graphe de connaissance structurant les couches IT, humaines et applicatives Concevoir les logiques de propagation (dépendances, effets en chaîne, causalité) Challenger et sélectionner les technologies graphe (Neo4j, TigerGraph, ou alternatives) Structurer et intégrer les composants IA : * IA symbolique : raisonnement par règles, moteur causal * IA neuronale : modèles prédictifs, scoring, supervision Définir l'architecture globale et son intégration dans les systèmes existants Structurer les logiques combinant IA symbolique (règles, raisonnement causal) et IA neuronale (scoring, modèles prédictifs) Encadrer des profils techniques et assurer l'interface avec les décideurs IT & métiers, Une mission stratégique au cœur de la transformation SI d'un grand groupe bancaire Des enjeux techniques complexes et transverses (IT, data, IA) Une exposition directe auprès des architectes et directions data/IT Flexibilité totale en télétravail, avec un cadre structuré, En déposant votre mission, vous bénéficiez d'un matching efficace pour trouver le freelance correspondant à votre besoin. Je dépose une mission Bénéficiez d'une sécurité financière Ainsi que des avantages d'un salarié, soyez déchargé des tâches administratives grâce au portage salarial.

Nous recherchons pour notre client grand compte un Project Manager QHSES anglophone. Nous étudions uniquement les candidatures qui nous parviennent avec un mini argumentaire circonstancié, mettant en évidence en quoi le cv correspond à l'offre. Veuillez rédiger cet argumentaire en anglais, sous forme d'une simple liste de 4 ou 5 points clefs et concrets, en rapport avec l'offre. Veuilez privilégier le style impersonnel et direct pour rédiger cette liste de points clef, afin de garder en concision. Anglais fluent requis pour cette mission. CV en anglais requis., Le PM pilote plusieurs Projets dans le domaine QHSES ( Qualité, Hygiène, Sûreté, Environnement & Sécurité). A ce jour, 2 Projets sont en cours : * Mise en place d'une plateforme mondiale de formation HSE pour tous les travailleurs sur site afin de suivre les formations nécessaires pour travailler dans des conditions sûres et saines sur les chantiers de projets et de construction * Mise en place d'une base de données administrative globale pour les sous-traitants afin d'intégrer leur main d'?uvre, d'assurer la sécurité des sites et du personnel et l'affectation appropriée des travailleurs sur site en fonction de leur activité et de leur métier. Plusieurs autres projets sont prévus dans le cadre du volet QHSES entre fin 2025 et 2027, notamment une étude et une rationalisation de plusieurs outils HSE On-site low code actuels, le déploiement d'une suite de sécurité globale et la mise en ?uvre de workflows numériques de géorepérage et de vidéosurveillance activés par l'IA, de mécanismes de surveillance et d'alerte.