Le consultant intégrera une équipe IA pluridisciplinaire et participera à la conception, au développement, à l'intégration et à l'industrialisation de solutions d'intelligence artificielle au sein d'un système d'information complexe.Missions principales :
Concevoir et développer des agents IA et des workflows agentiques simples ou multi agents.
Développer des composants et services réutilisables autour des LLM.
Mettre en ?uvre des mécanismes d'orchestration d'agents, de gestion du contexte, de mémoire et d'utilisation d'outils.
Concevoir et optimiser des prompts et des chaînes de traitement LLM.
Développer des API, des connecteurs et des services d'intégration avec le système d'information.
Intégrer les solutions avec Jira, Confluence, Git, ITSM et différentes API et services métiers.
Mettre en ?uvre des architectures RAG et des mécanismes de recherche documentaire.
Participer aux travaux autour du MCP (Model Context Protocol) et des standards liés aux systèmes agentiques.
Réaliser les tests, le monitoring, l'évaluation et l'optimisation des performances des agents.
Participer à l'industrialisation, au déploiement et au maintien en conditions opérationnelles des solutions IA.
Contribuer aux choix d'architecture et aux bonnes pratiques de développement, de sécurité et de qualité.
Profil candidat:Compétences techniques recherchéesIndispensables :
Excellente maîtrise de Python et du développement backend.
Expérience significative avec les LLM / IA générative.
Expérience concrète dans le développement de solutions agentiques.
Maîtrise d?un ou plusieurs frameworks : LangChain, LangGraph, Semantic Kernel, LlamaIndex ou équivalent.
Développement et consommation d?API REST.
Expérience des architectures RAG, bases vectorielles et embeddings.
Maîtrise de Git, CI/CD, tests et bonnes pratiques de développement logiciel.
Bonne compréhension des problématiques d?intégration d'une solution IA dans un SI d?entreprise.
Appréciées :
MCP / Model Context Protocol.
Architectures multi-agents.
Azure OpenAI / Azure AI Foundry, Vertex AI ou AWS Bedrock.
Docker / Kubernetes.
Bases vectorielles : Pinecone, Weaviate, Qdrant, pgvector, Elasticsearch.
Observabilité et évaluation des applications LLM.
Jira / Confluence / plateformes ITSM.