Job Description

de l'entreprise

Inetum est un leader européen des services numériques. Pour les entreprises, les acteurs publics et la société dans son ensemble, les 26 000 consultants et spécialistes du groupe œuvrent chaque jour pour créer un impact digital concret : des solutions qui contribuent à la performance, à l’innovation et au bien commun.

Présent dans 19 pays au plus près des territoires, et avec ses grands partenaires éditeurs de logiciels, Inetum accompagne les organisations dans leurs enjeux de transformation digitale avec proximité, flexibilité et responsabilité. Porté par sa raison d’être, Inetum défend une vision d’une technologie utile et maîtrisée, capable de révéler le plein potentiel des organisations et de la société : « Let’s make tech right ».

En 2025, le groupe a réalisé un chiffre d’affaires de 2,2 milliards d’euros.

Plus d’informations sur : www.inetum.com

du poste

• Concevoir, entraîner, optimiser et déployer des modèles de Machine Learning et Deep Learning (NLP, LLM, embeddings).
• Développer et maintenir des pipelines ML robustes (entraînement, évaluation, monitoring, CI/CD).
• Construire des architectures RAG incluant : ingestion de documents, stratégie de chunking, embeddings, vector stores, pipelines de retrieval & génération.
• Implémenter des applications LLM avec LangChain / LangGraph (agents, tools, retrievers, flows).
• Déployer des microservices IA (API FastAPI / Flask) et gérer leur scalabilité en production.
• Optimiser l'inférence et les performances : latence, consommation GPU, parallélisation, batching.
• Collaborer avec les équipes Data Engineering, Produit et Dev pour industrialiser les solutions.
• Surveiller les modèles en production (drift, performance, dérive des données).

Qualifications

• Excellente maîtrise de Python (structuration du code, tests unitaires, design patterns).
• Expertise en NLP / Deep Learning : PyTorch, TensorFlow, Transformers (HuggingFace).
• Expérience concrète sur des projets LLM, fine‑tuning, prompt engineering.
• Maîtrise des architectures RAG : embeddings, vector stores (FAISS, Chroma, Milvus…), retrieval.
• Expérience sur LangChain / LangGraph / LlamaIndex.
• Solide niveau en API engineering : FastAPI, Flask.
• Connaissances MLOps :
  • Docker, CI/CD (GitLab, GitHub Actions, Azure DevOps…)
  • MLflow, Weights & Biases, DVC
  • Kubernetes (souhaité), orchestration (Airflow / Prefect)
• Maîtrise d’un cloud : AWS, GCP ou Azure (un plus si Azure OpenAI, Bedrock, Vertex AI).

Compétences appréciées :

• Connaissance des bases vectorielles avancées (SHARED / HNSW / IVF).
• Optimisation GPU, quantization (GPTQ, GGUF, vLLM).
• Expérience en ingestion de documents (OCR, parsing PDF/HTML).
• Expérience LLMOps (observabilité, monitoring, guardrails).

Profil attendu :

• Autonomie & pragmatisme : capable de poser un diagnostic, proposer une solution et la livrer.
• Culture GenAI & LLM : curiosité forte, veille active, envie d’expérimenter et d’améliorer en continu.
• Collaboration fluide : bon communicant, à l’aise avec les équipes Produit, Data et Software.
• Orientation impact : focus sur le concret, la performance et la valeur métier plutôt que l’expérimentation théorique.