> Markdown version of [/jobs/ext/4698300-ingenieur-e-intelligence-artificielle-f-h](https://www.wearedevelopers.com/jobs/ext/4698300-ingenieur-e-intelligence-artificielle-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).

---

# Ingénieur(e) Intelligence Artificielle F/H

- **Company:** GE Vernova
- **Location:** Villeurbanne, France
- **Experience:** Experienced
- **Contract:** Permanent contract
- **Skills:** Agile Methodology, Artificial Intelligence, Amazon Web Services, Microsoft Azure, C Sharp (Programming Language), C++ (Programming Language), Cloud Computing, Continuous Delivery, Continuous Integration, Query Languages, R (Programming Language), Python (Programming Language), Machine Learning, Natural Language Processing, NumPy, Power BI, Tensorflow, SQL Databases, Tableau (Software), Management of Software Versions, Reinforcement Learning, Data Processing, Pytorch, Retrieval-Augmented Generation, Large Language Models, Generative AI, Keras, Pandas, Matplotlib, Scikit Learn, Information Technology, Machine Learning Operations
- **Published:** November 13, 2026
- **Apply:** https://candidat.francetravail.fr/offres/recherche/detail/8774295

## About the Role

Descriptif du poste:\n\nIdentification stratégique des opportunités :\nCollaborer étroitement avec les unités commerciales et les parties prenantes de la division Power Transmission pour identifier et évaluer de manière proactive les opportunités à fort impact pour l'application de l'IA et du Machine Learning (IA/ML). Traduire des besoins métier complexes en concepts clairs, exploitables et innovants basés sur l'IA.\nDéveloppement IA/ML de bout en bout :\nDiriger la conception, le développement, la validation et l'optimisation de modèles IA/ML, de preuves de concept (PoC) et de produits minimum viables (MVP). Cela comprend l'exploration de données, l'ingénierie des caractéristiques, la sélection de modèles, l'entraînement et l'évaluation rigoureuse des performances.\nDéploiement et intégration des solutions :\nPiloter le déploiement, l'intégration et la montée en échelle des solutions IA/ML dans les environnements de production - aussi bien dans le cloud qu'en edge computing - en
garantissant un fonctionnement fluide et une parfaite cohérence avec les objectifs stratégiques de l'organisation.\nPartenariat avec les parties prenantes :\nAgir comme partenaire technique clé au sein d'équipes projet interdisciplinaires, en les guidant sur les potentialités et les limites de l'IA/ML afin de répondre efficacement aux défis métier spécifiques.\nExcellence technique et meilleures pratiques :\nContribuer à l'élaboration et à la maintenance d'une documentation technique complète, de rapports de modèles et d'initiatives de partage de connaissances. Promouvoir les principes du MLOps et encourager les meilleures pratiques en matière de développement, de déploiement et de suivi des solutions IA/ML.\nApprentissage continu :\nSe tenir informé des dernières avancées, recherches et technologies émergentes en IA/ML, et introduire des approches et outils innovants dans nos projets.\n \nQualifications requises\n* \nMaîtrise de la programmation : Solide expérience en
Python, incluant les bibliothèques de manipulation de données (ex. : Pandas, NumPy) et d'apprentissage automatique (ex. : scikit-learn).\n* \nFrameworks ML et MLOps : Expérience pratique avec les principaux frameworks ML tels que TensorFlow, PyTorch ou Keras. Bonne compréhension et application concrète des principes de MLOps pour la gestion du cycle de vie des modèles, le versioning, les tests et l'intégration/déploiement continus (CI/CD).\n* \nExpérience en déploiement : Capacité démontrée à déployer et gérer des modèles IA/ML dans des environnements cloud (ex. : AWS, Azure) et/ou sur des appareils en périphérie (edge) pour des applications en temps réel.\n* \nVisualisation de données : Maîtrise des outils de visualisation (ex. : Tableau, Power BI, Matplotlib) pour communiquer efficacement les performances des modèles, les insights et les résultats de validation à des publics techniques et non techniques.\n\nProfil recherché:\n\nQualifications
requises\n* \n \n* \nIA/ML et statistiques fondamentales : Compréhension approfondie d'un large éventail d'algorithmes IA/ML et de techniques statistiques, incluant l'apprentissage supervisé (régression, classification), non supervisé (clustering, réduction de dimension), l'analyse de séries temporelles et la modélisation statistique avancée.\n* \nGestion des données : Expérience avec les langages de requête de données (ex. : SQL) et la manipulation de différentes sources de données, structurées ou non structurées.\nQualifications souhaitées\n* \nTechniques avancées en IA/ML : Expérience avec les architectures d'apprentissage profond, le traitement du langage naturel (NLP) ou l'apprentissage par renforcement.\n* \nTechnologies d'IA générative : Expérience pratique dans l'intégration de modèles de vision, de grands modèles de langage (LLM), de petits modèles de langage (SLM), de systèmes RAG (Retrieval-Augmented Generation), ainsi que des cadres agentiques
et des protocoles de contexte de modèle.\n* \nConnaissances métier : Expérience préalable dans le domaine de la transmission d'énergie et bonne compréhension des produits de ce secteur.\n* \nLangages supplémentaires : Maîtrise d'autres langages de programmation tels que R, C# ou C++.\n \nCompétences comportementales et qualités personnelles\n* \nEsprit d'équipe collaboratif : Excellente capacité à travailler efficacement et de manière collaborative au sein d'équipes pluridisciplinaires et avec des partenaires externes.\n* \nCommunication : Excellentes compétences en communication écrite et orale en anglais, avec la capacité d'expliquer des concepts techniques complexes à des interlocuteurs non techniques et de préparer une documentation claire et concise.\n* \nRésolution de problèmes et pensée critique : Solides aptitudes analytiques et de résolution de problèmes, avec une approche proactive pour identifier et surmonter les défis techniques.\n*
\nLeadership de projet : Bonne compréhension des principes de gestion de projet, y compris les méthodologies agiles, pour piloter les