> Markdown version of [/jobs/ext/4109499-lead-data-scientist-ia-generative-agentique-f-h](https://www.wearedevelopers.com/jobs/ext/4109499-lead-data-scientist-ia-generative-agentique-f-h). 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).

---

# Lead Data Scientist IA Générative & Agentique - F/H

- **Company:** Ingéniance
- **Location:** Paris, France
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** LangGraph Framework, Data Mining, DevOps, Python (Programming Language), Machine Learning, Tensorflow, Strategies of Testing, Pytorch, Large Language Models, Deep Learning, Generative AI, Pytest, Scikit Learn, Kubernetes, Machine Learning Operations, Jenkins
- **Published:** October 16, 2026
- **Apply:** https://www.indeed.com/viewjob?jk=ae6d2cd90a491552

## About the Role

Diplômé(e) Bac+5 (école d'ingénieurs, master mathématiques, informatique ou data science), vous justifiez d'au moins 6 ans d'expérience sur des projets IA concrets et industrialisés. Vous maîtrisez Python à un niveau expert ainsi que les frameworks de machine learning et deep learning (TensorFlow, PyTorch, Scikit-learn). Une expérience tangible sur l'IA générative, les LLMs et les architectures agentiques est indispensable. La connaissance de l'environnement Corporate Banking est un atout. Vous êtes à l'aise dans des contextes exigeants, capable d'interagir avec des équipes métiers et techniques, et vous faites preuve de rigueur, d'autonomie et d'un fort sens de l'amélioration continue.

## Description

* Définir et mettre en œuvre des architectures agentiques (LangGraph, Google ADK, DSPy) pour simplifier des processus métiers à forte valeur ajoutée.
 * Développer des pipelines d'extraction de données à partir de documents structurés et non structurés (états financiers, documents de crédit) et de systèmes internes.
 * Déployer et optimiser des LLMs sur GPU en environnement de développement (vLLM).
 * Mettre en place des dispositifs d'évaluation et d'observabilité des pipelines IA (Phoenix Arize).
 * Définir et appliquer des stratégies de test robustes (pytest, fastAPI) pour garantir la qualité et l'amélioration continue.
 * Industrialiser les modèles en lien avec les équipes MLOps/DevOps (Kubernetes, Jenkins) et les architectes.
 * Accompagner les équipes métiers de la preuve de concept jusqu'à la mise en production.
 * Assurer une veille active sur les avancées en IA générative, machine learning et deep learning (TensorFlow, PyTorch, Scikit-learn).