Expert Data & Retrieval Rag H/F

Formation : Master, PhD ou équivalent. Séniorité : profil confirmé/senior, expérience significative en production. Rémunération / TJM : à définir. Langues : anglais fluide (contexte européen quotidien), français courant., Compétences obligatoires (critères éliminatoires)Python (background solide, 3.11+) : langage principal du poste.Cloud AWS en production, avec une pratique d’Amazon Bedrock ou de services IA AWS équivalents.Expérience concrète de RAG en production : ingestion, indexation, retrieval, génération avec LLM. Les profils ayant mené des projets RAG à destination des métiers (assistants, recherche documentaire, copilotes internes) sont recevables, y compris sans passé de tech lead.Indexation et recherche : au moins une base vectorielle ou moteur de recherche (OpenSearch/Elasticsearch, pgvector, Qdrant, Weaviate…), notions de recherche hybride/BM25.Culture data engineering : pipelines reproductibles, qualité et lignage des données.Compétences appréciées (stack cible, à challenger)Retrieval avancé : reranking, filtrage par métadonnées, évaluation de la pertinence (recall, precision, nDCG, MRR).Embeddings et NLP : sentence-transformers, tokenisation, parsing de documents (PDF, XML, HTML).RAG et LLM : LangChain ou équivalent, Bedrock, OpenAI, Mistral.Data et infra : PostgreSQL, Airflow/Spark (ou équivalent), Kafka, Redis, Docker, CI/CD, Kubernetes.Qualité : Pytest, tests automatisés, observabilité.Bonus : Go, Java, expérience legaltech ou documents juridiques, grands corpus multilingues., * Python (background solide, 3.11+) : langage principal du poste.

• Cloud AWS en production, avec une pratique d’Amazon Bedrock ou de services IA AWS équivalents.
• Expérience concrète de RAG en production : ingestion, indexation, retrieval, génération avec LLM. Les profils ayant mené des projets RAG à destination des métiers (assistants, recherche documentaire, copilotes internes) sont recevables, y compris sans passé de tech lead.
• Indexation et recherche : au moins une base vectorielle ou moteur de recherche (OpenSearch/Elasticsearch, pgvector, Qdrant, Weaviate…), notions de recherche hybride/BM25.
• Culture data engineering : pipelines reproductibles, qualité et lignage des données.

Compétences appréciées (stack cible, à challenger)

• Retrieval avancé : reranking, filtrage par métadonnées, évaluation de la pertinence (recall, precision, nDCG, MRR).
• Embeddings et NLP : sentence-transformers, tokenisation, parsing de documents (PDF, XML, HTML).
• RAG et LLM : LangChain ou équivalent, Bedrock, OpenAI, Mistral.
• Data et infra : PostgreSQL, Airflow/Spark (ou équivalent), Kafka, Redis, Docker, CI/CD, Kubernetes.
• Qualité : Pytest, tests automatisés, observabilité.
• Bonus : Go, Java, expérience legaltech ou documents juridiques, grands corpus multilingues., Python XML KAFKA PostgreSQL Docker