Data Scientist - IA Générative & Agentic AI

Ce rôle se distingue d'une position purement développement : il est centré sur la validation architecturale et analytique des workflows d'agents autonomes, la conception de solutions et la définition des métriques d'évaluation, avant transfert vers les équipes d'ingénierie pour industrialisation.

Le Data Scientist travaillera au sein d'une équipe pluridisciplinaire, en lien direct avec les Product Owners et le management , dans l'environnement microservices (AWS). Plateforme & Architecture

• Cloud Platform - AWS
• Architecture microservices conteneurisée (Kubernetes)
• APIs Python
• Bases de données vectorielles (ex. Qdrant)

IA & Data Science

• Frameworks d'IA générative et agentic AI : LangGraph (et équivalents open-source)
• Techniques RAG (Retrieval-Augmented Generation)
• MLOps / AIOps
• Prototypage rapide : notebooks, scripts Python (PoC)

ACTIVITEES

Analyse collaborative des cas d'usage et des fonctionnalités

• Collaborer avec les Product Owners et l'équipe de développement pour analyser les cas d'usage métier entrants et les mapper aux fonctionnalités planifiées de la plateforme
• Évaluer la faisabilité des fonctionnalités proposées (ex. comportements agentiques spécifiques) au regard des technologies disponibles et des contraintes de la plateforme
• Identifier et recommander les méthodologies IA/ML et frameworks open-source (ex. LangGraph) les mieux adaptés aux besoins de l'équipe

Conception de solutions et prototypage

• Concevoir le flux logique et l'architecture des solutions agentiques pour répondre aux cas d'usage priorisés
• Conduire des expérimentations rapides et construire des prototypes pour valider la pertinence des fonctionnalités retenues
• Analyser les implémentations spécifiques pour identifier des patterns communs et concevoir des solutions généralisables, industrialisables par l'équipe de développement

Définition des métriques et évaluation des performances

• Concevoir des frameworks d'évaluation contextuels, adaptés aux cas d'usage et fonctionnalités implémentés, reflétant des critères de succès réels
• Définir la stratégie de benchmarking : mesures de latence, précision, consommation de tokens - avec établissement des baselines et cibles
• Analyser les performances des prototypes et fonctionnalités déployées, fournir des insights data-driven sur les limites, cas limites et opportunités d'optimisation

Transfert technique et montée en compétences

• Traduire les résultats expérimentaux en spécifications de conception claires et structurées, à destination de l'équipe de développement
• Assurer le transfert de connaissances vers les membres développeurs et DevOps en fournissant le contexte théorique, la logique et les designs validés nécessaires à l'implémentation en production

Hard skills Compétences techniques (indispensables)

• Solide expérience en Data Science / IA appliquée, avec maîtrise de Python
• Connaissance des techniques d'IA générative : LLMs, RAG, agents autonomes
• Expérience avec des frameworks agentic AI open-source (LangGraph ou équivalent)
• Capacité à concevoir des architectures logiques de workflows d'agents et des diagrammes d'état
• Maîtrise de la définition de métriques d'évaluation pour modèles et systèmes IA (latence, précision, usage de tokens)
• Expérience de prototypage rapide et de rédaction de spécifications techniques

Compétences techniques (appréciées)

• Connaissance des architectures microservices (Kubernetes, APIs REST)
• Expérience avec les bases de données vectorielles (ex. Qdrant, Pinecone, etc.)
• Notions de MLOps / AIOps
• Expérience dans un contexte Cloud AWS
• Connaissance du secteur aéronautique, défense ou spatial

Soft skills

• Anglais courant obligatoire - l'ensemble des documents, du code et des communications avec le client se font en anglais
• Capacité à travailler en équipe pluridisciplinaire (Product Owners, développeurs, DevOps)
• Aptitude à travailler en mode Agile Scrum
• Rigueur scientifique : reproductibilité des expériences, documentation rigoureuse des méthodologies et datasets
• Excellentes capacités de communication et de vulgarisation technique
• Autonomie et proactivité dans l'analyse et la résolution de problèmes

Créée en 2010 à Toulouse par d'anciens consultants SAP, AOSIS a initialement développé un catalogue de données sur SAP BW (fonctionnalités de glossaire métier, dictionnaire de données, lignage de données, cas d'usage). A la demande de ses clients, AOSIS a complété son offre, en proposant dès 2012 du conseil et de l'intégration autour des solutions BI : SAP dans un premier temps, sur les solutions leaders du marché dans un deuxième temps. Concrètement qu'est-ce qu'on fait ? Nous proposons des Services, des Logiciels et de la Formation dans le domaine de la Business Intelligence, de la Data Science, de la Gouvernance et de la Visualisation de la donnée. L'Infrastructure et le Développement font également partie du panel de nos compétences. Notre leitmotiv ? Citoyenneté, écologie et sport avec des experts de la donnée. Notre objectif? Porter encore plus haut et plus fort nos valeurs de sport, d'écologie et de citoyenneté et accompagner nos consultants dans leur montée en compétence., La plateforme IA de notre client évolue pour démocratiser l'intelligence artificielle à l'échelle de l'entreprise. Au-delà des services fondamentaux déjà disponibles (interfaces de chat, assistance au code, capacités RAG), la feuille de route stratégique vise désormais l'évolution vers l'Agentic AI - des systèmes capables de prise de décision autonome et d'exécution de workflows complexes.