Retour aux missions
Talent · 650€/j

AI Engineer – IA générative, agents et LLMOps

Data, BI & cloud

Synthèse

Les informations disponibles

Contexte
Banque & assurances
Durée
Mission 3 à 6 mois · renouvelable
Localisation
Paris / 2 jours de télétravail / semaine
Télétravail
2 jours de télétravail / semaine
TJM
650€/j
Démarrage
09 octobre 2026
Séniorité
Senior (5 à 10 ans)
Rythme
Temps plein
Postes ouverts
1 poste
Environnement
Data, BI & cloud

Description de la mission

La mission en détail

Pour accompagner le programme IA d’un grand groupe de l’assurance et de la protection sociale, Nexoris recherche un(e) consultant(e) capable de développer et d’industrialiser des solutions d’IA générative. La mission porte notamment sur l’automatisation de processus, la création d’agents pour les parcours clients et commerciaux, le développement d’une base de connaissances RAG et la mise en place de pratiques LLMOps. Les principales tâches sont les suivantes : - Concevoir des workflows et des agents IA intégrés aux applications métier. - Développer des assistants pour les espaces clients et les équipes commerciales. - Réaliser des prototypes et des pilotes, puis accompagner leur mise en production. - Développer des API et des pipelines d’inférence ; évaluer et optimiser les performances des solutions. Les livrables attendus comprennent des services IA packagés, des API, des pipelines d’inférence, des applications fonctionnelles et leur documentation technique.

Profil recherché

Le profil idéal pour cette mission

Les compétences clés recherchées sont les suivantes : - Pourvoir justifier de réalisations concrètes d'agents IA, RAG ou LLMOps passée du prototype à la production. - IA générative et systèmes agentiques : conception et développement d’agents et de workflows IA. - RAG et Context Engineering : construction de bases de connaissances et maîtrise du contexte fourni aux modèles. - MLOps et LLMOps : évaluation, suivi des performances et industrialisation des solutions. - Ingénierie logicielle et backend IA : Python et/ou Java, API REST, frameworks ML. - Mise en production : CI/CD, Docker, Kubernetes et optimisation de l’inférence.