Expert Data & Retrieval - Legaltech H/F

Aux côtés d’une équipe d’experts passionnés au sein de l’équipe AI Service, vous relèverez les plus hauts défis techniques de la société, et du marché de l’édition juridique. En tant qu’Expert Data & Retrieval, vous êtes le garant de la matière première de notre IA : la collecte, l’ingestion, l’indexation et la recherche de pertinence sur des volumes juridiques massifs, le socle qui alimente nos modèles de langage et nos produits. Votre terrain de jeu : transformer la manière dont tout un secteur, le droit, travaille au quotidien., Votre mission n’est pas d’écrire un simple script, mais de concevoir des pipelines de données robustes capables d’ingérer, de nettoyer et d’indexer d’énormes corpus juridiques, puis d’exposer une recherche rapide et pertinente (sémantique et hybride) au service de plusieurs équipes à travers l’Europe. Vous garantirez la fraîcheur des index et la qualité du retrieval tout en gérant une complexité technique de haut vol (volumétrie, hétérogénéité des sources, évaluation de la pertinence, scalabilité…).

Vos missions principales : bâtir, outiller, transmettre

• Collecte, ingestion & indexation

• Pipelines d’ingestion : concevoir la collecte et le traitement de sources hétérogènes (édition, open data, bases juridiques), le parsing, le nettoyage, le chunking et la normalisation des documents.
• Indexation & embeddings : choisir et industrialiser les modèles d’embeddings, alimenter et maintenir les bases vectorielles, gérer la fraîcheur et la reconstruction des index.
• Qualité & volumétrie : garantir la scalabilité de l’indexation sur des corpus massifs et la traçabilité des données (lignage, versioning des index).

• Recherche & pertinence (Retrieval)

• Stratégie de retrieval : combiner recherche lexicale et sémantique (BM25 + embeddings) avec reranking et filtrage par métadonnées pour maximiser la pertinence.
• Évaluation continue : mettre en place des jeux de tests et des métriques de pertinence (recall, precision, nDCG, MRR) pour mesurer et améliorer le retrieval.
• RAG : structurer la phase de récupération qui alimente les LLM (contexte, citations, dé-duplication, gestion des fenêtres de contexte).
• Observability & Security : instrumenter les pipelines (logs, métriques, traces de qualité) et garantir la sécurité et la conformité des données juridiques (RGPD, cloisonnement par pays).

• Leadership Technique & Gouvernance

• Culture Craftsmanship : promouvoir les pratiques de Clean Code, SOLID, et tests automatisés.
• Rayonnement : assurer une veille constante et contribuer au rayonnement technique du groupe (articles, meetups, open-source).

Stack technique

• Langages : Python 3.11+ (maîtrise requise), Go.
• Indexation : bases vectorielles (pgvector, Weaviate, Qdrant, OpenSearch), recherche hybride / BM25.
• Embeddings & NLP : sentence-transformers, modèles d’embeddings, tokenisation, parsing de documents.
• RAG & LLM : LangChain, RAG, reranking, OpenAI, Mistral, Bedrock.
• Data & infra : PostgreSQL, Airflow / Spark (ou équivalent), Kefka, Redis, Docker, CI/CD, K8S.
• Tests : Pytest ; évaluation de la pertinence (recall, nDCG, MRR).

Diplôme : Master, PhD, ou équivalent., Profil recherchéDiplôme : Master, PhD, ou équivalentMaîtrise requise de Python 3.11+Connaissance de GoExpérience avec bases vectorielles (pgvector, Weaviate, Qdrant, OpenSearch) et recherche hybride / BM25Compétences en embeddings & NLP : sentence-transformers, modèles d’embeddings, tokenisation, parsing de documentsExpérience avec RAG & LLM : LangChain, RAG, reranking, OpenAI, Mistral, BedrockConnaissances en data & infra : PostgreSQL, Airflow / Spark (ou équivalent), Kefka, Redis, Docker, CI/CD, K8SMaîtrise des tests : Pytest ; évaluation de la pertinence (recall, nDCG, MRR)Expérience avérée en data engineering / information retrieval sur des volumes massifs en productionExpertise Retrieval : maîtrise de l’indexation, des embeddings et de la recherche hybride, capacité à mesurer et améliorer la pertinenceCulture Data : pipelines reproductibles, qualité et lignage des données, versioning des datasets et des indexSolide culture IA / ML

embeddings, NLP et bonne compréhension des LLMPolyvalence appréciée, notamment une appétence pour JavaAnglais fluide (contexte européen quotidien)Vision Produit : compréhension des enjeux métiers du droit pour prioriser les fonctionnalitésLeadership Technique & pédagogie : capacité à évangéliser les bonnes pratiques data, retrieval et IAObsession de la Qualité : rigueur sur la sécurité des données et la fiabilité des servicesEsprit d’innovation : curiosité pour les avancées de l’écosystème IA, NLP et dataCommunication : savoir vulgariser des concepts complexes, 1. Diplôme : Master, PhD, ou équivalent

1. Maîtrise requise de Python 3.11+
2. Connaissance de Go
3. Expérience avec bases vectorielles (pgvector, Weaviate, Qdrant, OpenSearch) et recherche hybride / BM25
4. Compétences en embeddings & NLP : sentence-transformers, modèles d’embeddings, tokenisation, parsing de documents
5. Expérience avec RAG & LLM : LangChain, RAG, reranking, OpenAI, Mistral, Bedrock
6. Connaissances en data & infra : PostgreSQL, Airflow / Spark (ou équivalent), Kefka, Redis, Docker, CI/CD, K8S
7. Maîtrise des tests : Pytest ; évaluation de la pertinence (recall, nDCG, MRR)
8. Expérience avérée en data engineering / information retrieval sur des volumes massifs en production
9. Expertise Retrieval : maîtrise de l’indexation, des embeddings et de la recherche hybride, capacité à mesurer et améliorer la pertinence
10. Culture Data : pipelines reproductibles, qualité et lignage des données, versioning des datasets et des index
11. Solide culture IA / ML : embeddings, NLP et bonne compréhension des LLM
12. Polyvalence appréciée, notamment une appétence pour Java
13. Anglais fluide (contexte européen quotidien)
14. Vision Produit : compréhension des enjeux métiers du droit pour prioriser les fonctionnalités
15. Leadership Technique & pédagogie : capacité à évangéliser les bonnes pratiques data, retrieval et IA
16. Obsession de la Qualité : rigueur sur la sécurité des données et la fiabilité des services
17. Esprit d’innovation : curiosité pour les avancées de l’écosystème IA, NLP et data
18. Communication : savoir vulgariser des concepts complexes

EUR

Management d’équipe Anglais Intelligence artificielle Clean Pédagogie Normalisation Python Capacité d’adaptation PostgreSQL Logiciels de gestion de versions Docker

Fourchette de rémunération, Taux journalier :Salaire selon profil