AI Engineer
Role details
Job location
Tech stack
Job description
Rattaché au CTO de La Fabrique by CA, ses missions seront :
- L'IA au service de l'innovation produit
- Travailler avec l'équipe studio sur l'idéation, le cadrage et le lancement de fintech "IA native"
- Accompagner les fintechs de notre portefeuille sur le cadrage, le développement et le déploiement de nouvelles fonctionnalités IA
- Construire et maintenir des pipelines IA robustes et industrialisables (tests, monitoring, guardrails)
- IA pour l'efficacité opérationnelle
- Développer des assistants et automatisations internes pour le studio et ses fintechs.
- Améliorer l'efficience des processus : sourcing, analyse, reporting, support, création de contenus.
- Gouvernance & Conformité IA
- Contribuer à la mise en place du cadre interne de gouvernance IA aligné avec le cadre du Groupe Crédit Agricole et les exigences réglementaires (RGPD, IA Act, sécurité).
- Assurer un suivi des risques IA (hallucinations, dérives d'agents, sécurité des prompts, exposition des données).
- Participer à la création de checklists, guidelines, modèles d'architectures et politiques d'usage IA.
- Veille et diffusion
- Assurer une veille continue (modèles, frameworks, IAOps, …).
- Diffuser les bonnes pratiques auprès des équipes et des ventures
Requirements
- IA & Agentique
-
Bonne maîtrise des LLMs : comportements, limites, latences, coûts, tuning léger (prompting avancé, fine-tuning si besoin).
-
Connaissance opérationnelle de frameworks Agentiques (LangChain, LangGraph, …)
-
Capacité à concevoir des pipelines RAG efficaces et des workflow agentiques
-
Connaissance des bonnes pratiques d'évaluations IA (qualité, factualité, robustesse).
-
Bases en IAOps : monitoring, guardrails, sécurité.
- Data
-
Compréhension solide des embeddings et de la vectorisation.
-
Expérience avec une Vector DB (Chroma, Pinecone, Weaviate…).
-
Bonne maîtrise de la construction de pipelines d'ingestion de données.
- Software Engineering & Cloud
-
Très bonne maîtrise de Python et de ses frameworks ML et Ops (Flask, FastAPI, …).
-
A l'aise dans un environnement AWS
-
Notions en Dev/IAOps (CI/CD, Docker, …), * 4-6 ans en AI & ML engineering
-
Forte sensibilité produit et capacité à transformer un use case en prototype
-
Autonomie, curiosité et capacité à itérer rapidement.
-
Aisance dans un environnement startup / multi-projets.