> Markdown version of [/jobs/ext/4068534-expert-ia-generative-llm-specialise-cybersecurite-equipe-soc-h-f](https://www.wearedevelopers.com/jobs/ext/4068534-expert-ia-generative-llm-specialise-cybersecurite-equipe-soc-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Expert IA Générative & Llm Spécialisé Cybersécurité - Équipe Soc H/F

- **Company:** AGILIA TECHNOLOGY
- **Location:** Toulouse, France (Remote available)
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Cyber Security, Python (Programming Language), Log Analysis, Open Source Technology, Reinforcement Learning, QLoRA, Pytorch, Large Language Models, Mitre Att&ck, Qwen, Generative AI, HuggingFace, Ollama
- **Published:** October 7, 2026
- **Apply:** https://www.hellowork.com/fr-fr/emplois/84044560.html

## About the Role

Profil recherché Nous recherchons un(e) expert(e) disposant d'une forte expertise technique en intelligence artificielle appliquée aux modèles de langage.Compétences indispensablesIntelligence Artificielle & Fine-tuningExpertise en entraînement et adaptation de modèles LLM/SLM.Maîtrise des techniques :LoRA.QLoRA.PEFT.Expérience avec au moins un framework de fine-tuning :Unsloth.Axolotl.TRL.Alignement des modèlesMaîtrise des méthodes :DPO.GRPO.PPO.Expérience avec les frameworks :TRL.verl.OpenRLHF.DéveloppementExcellente maîtrise de Python.Maîtrise de PyTorch.Compétences appréciéesSensibilité ou expérience en cybersécurité.Connaissance des environnements SOC.Compréhension des sujets :MITRE ATT&CK.Analyse de logs.Détection d'intrusions.Connaissance des outils :Hugging Face Hub.vLLM.Ollama.Triton.Qualités recherchéesRigueur scientifique : attention portée à la qualité des données et à la reproductibilité des benchmarks.Capacité de communication : aptitude à
vulgariser des concepts IA complexes auprès de profils cybersécurité.Autonomie : capacité à évoluer dans un environnement R&D agile., Nous recherchons un(e) expert(e) disposant d'une forte expertise technique en intelligence artificielle appliquée aux modèles de langage., Intelligence Artificielle & Fine-tuning

 * Expertise en entraînement et adaptation de modèles LLM/SLM.
 * Maîtrise des techniques :
 + LoRA.
 + QLoRA.
 + PEFT.
 * Expérience avec au moins un framework de fine-tuning :
 + Unsloth.
 + Axolotl.
 + TRL.

Alignement des modèles

 * Maîtrise des méthodes :
 + DPO.
 + GRPO.
 + PPO.
 * Expérience avec les frameworks :
 + TRL.
 + verl.
 + OpenRLHF.

Développement

 * Excellente maîtrise de Python.
 * Maîtrise de PyTorch., * Sensibilité ou expérience en cybersécurité.
 * Connaissance des environnements SOC.
 * Compréhension des sujets :
 + MITRE ATT&CK.
 + Analyse de logs.
 + Détection d'intrusions.
 * Connaissance des outils :
 + Hugging Face Hub.
 + vLLM.
 + Ollama.
 + Triton.

Qualités recherchées

 * Rigueur scientifique : attention portée à la qualité des données et à la reproductibilité des benchmarks.
 * Capacité de communication : aptitude à vulgariser des concepts IA complexes auprès de profils cybersécurité.
 * Autonomie : capacité à évoluer dans un environnement R&D agile., Intelligence artificielle
Python
Autonomie

## Description

L'objectif est d'automatiser l'analyse des menaces, de contextualiser les alertes de sécurité et d'assister les analystes SOC grâce à des modèles d'intelligence artificielle spécialisés., Le consultant interviendra en collaboration avec les équipes R&D Cyber et SOC.

Missions principales

Fine-tuning de modèles IA

 - Adapter et spécialiser des modèles de langage open-source tels que Llama, Mistral, Qwen ou équivalents sur des données de cybersécurité.
 - Réaliser le fine-tuning de modèles sur différents types de données :
 - Logs.
 - Rapports CTI (Cyber Threat Intelligence).
 - Playbooks.
 - Mettre en oeuvre des techniques d'adaptation à faible rang (PEFT), notamment :
 - LoRA.
 - QLoRA.

Alignement des modèles et limitation des hallucinations

 - Optimiser les réponses générées par les modèles afin d'obtenir des résultats précis et adaptés aux besoins cybersécurité.
 - Mettre en oeuvre des techniques d'alignement et d'apprentissage par renforcement :
 - DPO (Direct Preference Optimization).
 - GRPO (Group Relative Policy Optimization).
 - PPO (Proximal Policy Optimization).
 - Utiliser des frameworks d'alignement tels que :
 - TRL.
 - verl.
 - OpenRLHF.
 - Travailler sur la réduction des hallucinations des modèles.

Structuration et formatage des données

 - Définir les formats adaptés pour l'entraînement des modèles conversationnels.
 - Structurer les datasets selon des formats de templates de discussion :
 - ChatML.
 - Alpaca.
 - Définir les meilleures pratiques de formatage des prompts et conversations pour l'entraînement.

Évaluation et benchmarking des modèles

 - Concevoir des protocoles d'évaluation permettant de mesurer les performances des modèles spécialisés cybersécurité.
 - Mettre en place des pipelines de benchmark.
 - Comparer les performances des modèles par rapport aux standards du marché.
 - Utiliser des méthodologies et benchmarks tels que :
 - MMLU.
 - GSM8K.
 - Evaluation Arena / LMSYS.
 - LLM-as-a-Judge.