AI Engineer Mistral / Prisme.AI - Freelance

AI Engineer Mistral / Prisme.AI - Freelance (H/F)

Collective.work, Paris, freelance. Taux journalier (TJM) : 600 €.

Contexte général

• Programme IA Gen, appuyé sur deux partenariats stratégiques : Prisme.AI (low code, cas d'usage en petite série) et Mistral AI (plateforme à l'échelle, déploiement massif), pour une IA générative et agentique souveraine, sécurisée et maîtrisée.
• Déploiement de la plateforme Mistral sur les infrastructures internes du Groupe, dans un SI bancaire complexe et fortement régulé.
• Organisation produit et agile multi-squads. Intervention dans une ou plusieurs squads, sous la responsabilité du Lead IA, à l'interface Produit, Data, IT et Sécurité.
• 7 AI Engineers recherchés, intégrables en plusieurs vagues.

Contexte de la mission

Dans une dynamique d'accélération de mise à disposition de solutions IA Générative pour ses métiers et ses clients, le Groupe a engagé un partenariat stratégique majeur avec Mistral.AI pour fournir une solution à l'échelle adaptée aux cas d'usage à déploiement massif.

Ce partenariat vise à fournir une solution souveraine, sécurisée et maîtrisée d'IA générative et agentique adaptée aux différents contextes d'exploitation. Afin d'accélérer le déploiement de la plateforme Mistral sur les infrastructures internes de manière sécurisée et scalable à l'échelle du Groupe, et de déployer des cas d'usage et des composants exploitant les fonctionnalités de Mistral, le programme IA Gen recherche un AI Engineer qualifié.

L'AI Engineer intervient au sein d'une ou plusieurs squads, sous la responsabilité du Lead IA, pour concevoir, développer et déployer des solutions d'IA générative et agentique. Il/elle est responsable de la qualité technique, de la sécurité, de la performance et du respect des délais de mise en œuvre des cas d'usage assignés.

Positionné à l'interface entre Produit, Data, IT et Sécurité, l'AI Engineer assure l'alignement entre les besoins métier, les contraintes techniques et les exigences réglementaires.

Missions principales

• Concevoir et développer des solutions d'IA générative et agentique exploitant la plateforme Mistral selon les spécifications métier, en assurant leur qualité technique et leur conformité réglementaire.
• Intégrer, configurer et optimiser les modèles de langage pour les cas d'usage à déploiement massif (Mistral), en évaluant les modèles et composants les plus adaptés aux contraintes de performance, de coûts et de conformité.
• Implémenter des pipelines techniques et mettre en place des mécanismes de contrôle de qualité, de monitoring et de détection des hallucinations et biais en production.
• Assister les DevOps pour le déploiement sécurisé des solutions IA sur les infrastructures internes du Groupe et collaborer avec les équipes Produit, Data, IT, Sécurité et Conformité.
• Documenter les solutions techniques, les choix de conception et les bonnes pratiques pour assurer la traçabilité et la maintenabilité.
• Participer aux rituels agiles et aux instances de synchronisation pour assurer la cohérence au sein des squads et avec le programme IA Gen.
• Partager les apprentissages, les retours d'expérience et les innovations avec les équipes du Groupe.

Compétences clés requises

LLM

• Expérience confirmée avec les grands modèles de langage, notamment Mistral et autres modèles open-source et propriétaires.
• Maîtrise du prompt engineering, du few-shot learning et des techniques d'optimisation des prompts.
• Connaissance approfondie du fine-tuning, du transfer learning et de l'adaptation de modèles aux contextes métier.
• Compréhension des mécanismes d'attention, de tokenization et des limitations des LLM (hallucinations, biais, dérive).

IA générative et agentique

• Expérience en conception et développement d'agents IA autonomes et de systèmes multi-agents.
• Maîtrise des frameworks d'orchestration d'agents (LangChain, AutoGen, CrewAI, etc.).

Ce qui te ferait sortir du lot (côté sécurité)

Zeroday : sur un poste comme celui-ci, ce qui fait la différence côté sécurité :

• traiter toute entrée utilisateur comme non fiable : l'injection de prompt peut faire exécuter des instructions à la place de celles prévues, filtrer entrées et sorties du modèle ;
• ne donner à un agent ni secret ni accès réseau au-delà du strict nécessaire : un agent qui peut tout lire compromet tout ;
• sur un RAG, filtrer les documents par droits réels de l'utilisateur demandeur, sinon l'assistant devient un canal de fuite de données internes ;
• journaliser requêtes et réponses pour repérer les sorties qui contiennent des données sensibles.