VOUS ÊTES
Vous dirigez un périmètre et une fonction importants d’ingénierie des connaissances au sein d’un programme de grande envergure ; vous contribuez activement au leadership éclairé du domaine. Vous façonnez la manière dont un volume conséquent de travaux transforme des problématiques réelles en solutions d’IA et de graphes de connaissances (Knowledge Graphs) évolutives, et vous définissez l’orientation technique de ce périmètre. Vous dirigez une équipe et guidez l’exploration ainsi que la mise en œuvre de nouvelles méthodologies, de techniques de création de modèles et d’algorithmes de pointe. Vous restez à l’avant-garde et stimulez l’innovation en appliquant ces techniques à de nouveaux défis métier, cas d’usage et scénarios. Vous concevez, évaluez et maintenez des ontologies, et établissez les normes que les autres suivent. Vous justifiez la valeur apportée aux parties prenantes métier et technologiques, et construisez les méthodologies et architectures de données qui en démontrent les bénéfices. Vous publiez ou présentez des perspectives au-delà du projet immédiat. Vous travaillez en collaboration avec les équipes métier et techniques afin d’assurer la livraison de bout en bout de votre périmètre.
LE POSTE
-
Dirige la conception de solutions de Knowledge Graph qui transforment l’architecture de données d’un client dans le cadre du programme.
-
Oriente la conception, le développement et la mise en œuvre de solutions d’IA et sémantiques, en veillant à ce que tous les éléments fonctionnent ensemble de manière fluide.
-
Travaille avec les chefs de projet, responsables de livraison et parties prenantes clients afin de créer des offres Data & AI innovantes basées sur les graphes.
-
Développe des relations solides avec les clients et gagne la confiance des principaux conseillers.
-
Élabore l’argumentaire métier en faveur de la solution de couche sémantique recommandée au client.
-
Contribue de manière significative aux activités commerciales et de prévente d’Accenture.
-
Apporte un leadership éclairé sur les tendances technologiques, les nouvelles opportunités, les innovations ainsi que les limitations, risques et préoccupations prévisibles.
QUALIFICATIONS DE BASE (OBLIGATOIRES)
-
Licence (Bachelor) ou équivalent, ainsi qu’au moins 4 des éléments suivants :
-
Maîtrise des technologies de Knowledge Graph (RDF, SPARQL, LPG, SHACL), de la conception de schémas, de la gestion des ontologies et de la gouvernance des graphes de connaissances.
-
Expérience démontrable dans la conception et le développement de solutions de Knowledge Graph et de modèles de Machine Learning basés sur les graphes (fonctionnels et techniques).
-
Solide expérience dans la mise en œuvre de pipelines de données de bout en bout pour des applications d’IA (notamment les LLMs), avec une expérience pratique de la conception et de la configuration.
-
Expérience significative et solide connaissance des bases de données relationnelles, des stockages objets, des bases de données orientées graphes (Stardog, Neo4J, Amazon Neptune) et des bases de données vectorielles.
-
Expérience dans la direction d’une équipe ou d’un flux de travail au sein d’un programme de plus grande envergure.
QUALIFICATIONS PRÉFÉRÉES
-
Expérience pratique des plateformes cloud (AWS, Azure, GCP).
-
Expérience professionnelle en Python, avec une maîtrise de frameworks tels que Tensorflow, PyTorch, ainsi que d’outils de création de pipelines ETL (par exemple Apache NiFi, Airflow).
-
Expérience pratique des techniques de NLP (Traitement Automatique du Langage Naturel) et/ou des technologies de recherche.
-
Prompt engineering et utilisation des LLMs pour des applications à l’échelle de l’entreprise.
-
Excellentes compétences en collaboration avec la capacité de travailler avec des équipes d’ingénierie, de recherche et produit réparties sur plusieurs fuseaux horaires.
-
Vous disposez d’une expérience en conseil auprès de clients externes.
-
Doctorat (Ph.D.) en informatique, en génie informatique ou électrique, en mathématiques ou dans un domaine connexe.
Expérience étendue dans diverses techniques de Machine Learning et les systèmes agentiques.