> Markdown version of [/jobs/ext/4611730-expert-data-retrieval-rag-h-f](https://www.wearedevelopers.com/jobs/ext/4611730-expert-data-retrieval-rag-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 Data & Retrieval Rag H/F

- **Company:** Propertyvalue
- **Location:** Paris, France
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** HTML, Java (Programming Language), Airflow, Amazon Web Services, Automation of Tests, Cloud Computing, Continuous Integration, Elasticsearch, Python (Programming Language), PostgreSQL, Metadata, Redis, OpenAI, Extensible Markup Language (XML), Qdrant, Retrieval-Augmented Generation, Large Language Models, Apache Spark, Pytest, Pgvector, Kubernetes, Amazon Bedrock, Weaviate, Apache Kafka, Search Engines, OpenSearch, Docker
- **Published:** November 7, 2026
- **Apply:** https://www.hellowork.com/fr-fr/emplois/85227253.html

## About the Role

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