/// Data & AI
AI/ML Engineer
Concevoir, entraîner et industrialiser des modèles d'intelligence artificielle (ML, DL, NLP, LLM) dans des environnements complexes, en veillant à leur robustesse, à leur éthique et à leur explicabilité.
/// missions
Ce que vous ferez chez Uneety
Trois temps forts du poste, pensés pour bâtir du concret, pas pour cocher des cases.
- Concevoir des architectures de modèles IA sur mesure
- Réaliser le fine-tuning et l’instruction de LLM
- Implémenter des algorithmes d’apprentissage actif ou par renforcement
- Optimiser les performances des modèles IA (latence, mémoire, batch size)
- Mettre en œuvre des pipelines d’entraînement reproductibles
- Créer des jeux de données de haute qualité et labellisés automatiquement
- Réaliser des analyses d’explicabilité et de biais modèle
- Implémenter des méthodes d’évaluation robuste de modèles
- Déployer des APIs d’inférence IA robustes et sécurisées
- Travailler en production sur des flux temps réel
- Intégrer des modèles dans des applications métiers
- Implémenter des modèles de computer vision avancés
- Industrialiser la gestion de features dynamiques
- Gérer la sécurité et confidentialité des données IA
- Participer à l’élaboration de modèles Edge / IoT IA
- Utiliser des approches self-supervised pour réduire l’étiquetage
- Intégrer des frameworks IA dans des notebooks collaboratifs
- Analyser les performances système d’un modèle en inférence
- Participer à la veille IA et benchmark de modèles SOTA
- Créer des démonstrateurs IA pour PoC métier client
/// stack & outils
Votre terrain de jeu technique
Les technologies et plateformes que vous manipulerez au quotidien, selon les missions et les contextes clients.
/// dimension ia
L’IA n’est pas une option, elle fait partie du métier
Contribution à l'AI Readiness : industrialisation de la donnée et des modèles, ouverture au GenAI/RAG, dans une logique d'IA responsable.
Capacité 01
Préparer données et features pour l'IA / GenAI
Outils · Feast, data quality
Capacité 02
Industrialiser les modèles (MLOps / LLMOps)
Outils · MLflow, Kubeflow
Capacité 03
GenAI / RAG (du prototype à la production)
Outils · LangChain, base vectorielle
Capacité 04
Explicabilité, biais et confidentialité (IA responsable)
Outils · SHAP, Fairlearn, Differential Privacy
Capacité 05
Monitoring de dérive et qualité en production
Outils · Evidently, WhyLabs
/// pourquoi nous rejoindre
Ce que ce poste vous apportera
Des missions à fort impact
Des contextes exigeants, des sujets de pointe, et la liberté de proposer.
L’IA intégrée à votre pratique
GenAI, MLOps, AIOps : montez en compétence sur le terrain, avec les bons outils.
Un collectif d’experts
Une communauté technique active, des retours d’expérience et un mentoring continu.