Ingénieur IA
Vue d’ensemble du poste
Présentation de l'équipe - Chez EFG, nous voulons créer de la valeur à partir des données. Au sein de notre département Data Office, nous recherchons un ingénieur logiciel IA hautement qualifié et motivé pour rejoindre notre équipe de Machine Learning & GenAI. Vous travaillerez à la construction d'une nouvelle plateforme IA scalable et concevrez, construirez et déployerez des systèmes basés sur IA qui offrent un impact commercial mesurable. - C'est une excellente opportunité pour avoir un impact significatif dans une organisation en croissance qui s'engage à fournir une expérience bancaire digitale exceptionnelle pour nos clients. Responsabilités principales - 1) Plateforme et Architecture - Concevoir et construire une plateforme IA/ML hybride (on-prem/on-cloud) pour exécuter des cas d'utilisation IA à grande échelle (feature stores, registre des modèles, expérimentation, évaluation, observabilité). - Définir et mettre en œuvre des architectures d'inférence et de formation sécurisées et fiables, y compris des composants de recherche vectorielle et RAG le cas échéant. - Fournir un support de plateforme pour les embeddings, les bases de données vectorielles et les protocoles de communication agentic IA pour permettre des flux de travail IA interopérables et fondés sur des faits. - Documenter les processus de machine learning, l'architecture des systèmes et les procédures opérationnelles pour la reproductibilité et le partage de connaissances. - 2) Développement et évaluation de modèles - Collaborer à la formation, à l'ajustement fin et à l'optimisation de modèles (LLM, NLP, recommandations), y compris LoRA/PEFT si pertinent. - Mettre en œuvre des garde-fous et des stratégies de prompt pour réduire les hallucinations et améliorer la sécurité et la cohérence, et supporter les flux de travail agentic. - Établir des cadres d'évaluation pour les systèmes RAG et LLM. - 3) Développement logiciel et MLOps - Assurer le développement logiciel end-to-end des services IA et des API (de la conception à la codification, aux tests et au déploiement). - Automatiser la construction, les tests et le déploiement à l'aide de pipelines CI/CD; gérer les versions des modèles/versions via des registres de modèles. - Mettre en œuvre une surveillance continue pour les systèmes IA déployés. - 4) Produit et collaboration avec les parties prenantes - Travailler en étroite collaboration avec les utilisateurs métier, les propriétaires de produits, les ingénieurs métier, les gestionnaires de données, les scientifiques de données et les équipes technologiques pour comprendre les cas d'utilisation IA/ML, les exigences et les indicateurs de succès. - Collaborer avec les scientifiques de données pour itérer sur les prototypes et les convertir en services de production robustes et scalables. - Traduire les capacités émergentes de GenAI/Agentic AI en opportunités de produit concrètes et en composants réutilisables pour la banque. - 5) Sécurité, confidentialité et conformité - Assurer que toutes les solutions IA/ML répondent aux directives et normes de l'entreprise pour les données et l'IA, y compris la protection des données, la cybersécurité et les pratiques d'IA responsables. - Intégrer la confidentialité par conception, les contrôles d'accès, le cryptage et l'auditabilité à travers les flux de données et les opérations de modèle. - Collaborer avec les équipes de risque, de sécurité et de conformité pour aligner sur SOC 2, GDPR/CCPA et la gouvernance interne.
## 1) Éducation - Diplôme avancé en informatique, science des données, mathématiques, statistiques, physique ou domaine connexe.
## 2) Must-Have - Connaissance approfondie des frameworks ML/AI: PyTorch ou TensorFlow; écosystème Hugging Face; LangChain/LlamaIndex ou équivalent pour l'orchestration, les structures de données, la modélisation des données et l'architecture logicielle. - Expérience pratique avec LLM: ingénierie de prompt, ajustement fin/LoRA, embeddings, bases de données vectorielles (FAISS, Pinecone, Weaviate), modèles RAG. - Compétences de programmation solides en Python, R ou Java/Scala; expérience pratique avec SQL, outil ETL et Linux; connaissances de Control-M & Terraform sont un plus. - Expérience antérieure dans le déploiement d'applications dans des environnements cloud (Azure); familiarité avec les configurations hybrides on-prem/cloud. - Expérience dans la construction de services et d'API de production (REST/gRPC), cloud-native (AWS/GCP/Azure), conteneurs (Docker) et orchestration (Openshift, Kubernetes). - Fondements de MLOps: suivi des expériences (MLflow/W&B), registres de modèles, CI/CD, surveillance des modèles, feature stores. - Capacité à surveiller, déboguer et maintenir des pipelines CI/CD qui alimentent les déploiements de production (GitHub Actions/GitLab CI/Azure DevOps). - Compétence en ingénierie de données: SQL, modélisation de données, ETL/ELT et travail avec des entrepôts/lacs de données (Snowflake, BigQuery, S3/Delta). - Capacité à travailler dans un environnement SCRUM/Agile avec un focus sur la livraison et la collaboration avec les parties prenantes. - Excellentes capacités analytiques et de résolution de problèmes; orienté vers les résultats et les détails avec une forte communication écrite et verbale. - Expérience dans le secteur bancaire ou la gestion de patrimoine est un avantage.
Description
Présentation de l'équipe - Chez EFG, nous voulons créer de la valeur à partir des données. Au sein de notre département Data Office, nous recherchons un ingénieur logiciel IA hautement qualifié et motivé pour rejoindre notre équipe de Machine Learning & GenAI. Vous travaillerez à la construction d'une nouvelle plateforme IA scalable et concevrez, construirez et déployerez des systèmes basés sur IA qui offrent un impact commercial mesurable. - C'est une excellente opportunité pour avoir un impact significatif dans une organisation en croissance qui s'engage à fournir une expérience bancaire digitale exceptionnelle pour nos clients. Responsabilités principales - 1) Plateforme et Architecture - Concevoir et construire une plateforme IA/ML hybride (on-prem/on-cloud) pour exécuter des cas d'utilisation IA à grande échelle (feature stores, registre des modèles, expérimentation, évaluation, observabilité). - Définir et mettre en œuvre des architectures d'inférence et de formation sécurisées et fiables, y compris des composants de recherche vectorielle et RAG le cas échéant. - Fournir un support de plateforme pour les embeddings, les bases de données vectorielles et les protocoles de communication agentic IA pour permettre des flux de travail IA interopérables et fondés sur des faits. - Documenter les processus de machine learning, l'architecture des systèmes et les procédures opérationnelles pour la reproductibilité et le partage de connaissances. - 2) Développement et évaluation de modèles - Collaborer à la formation, à l'ajustement fin et à l'optimisation de modèles (LLM, NLP, recommandations), y compris LoRA/PEFT si pertinent. - Mettre en œuvre des garde-fous et des stratégies de prompt pour réduire les hallucinations et améliorer la sécurité et la cohérence, et supporter les flux de travail agentic. - Établir des cadres d'évaluation pour les systèmes RAG et LLM. - 3) Développement logiciel et MLOps - Assurer le développement logiciel end-to-end des services IA et des API (de la conception à la codification, aux tests et au déploiement). - Automatiser la construction, les tests et le déploiement à l'aide de pipelines CI/CD; gérer les versions des modèles/versions via des registres de modèles. - Mettre en œuvre une surveillance continue pour les systèmes IA déployés. - 4) Produit et collaboration avec les parties prenantes - Travailler en étroite collaboration avec les utilisateurs métier, les propriétaires de produits, les ingénieurs métier, les gestionnaires de données, les scientifiques de données et les équipes technologiques pour comprendre les cas d'utilisation IA/ML, les exigences et les indicateurs de succès. - Collaborer avec les scientifiques de données pour itérer sur les prototypes et les convertir en services de production robustes et scalables. - Traduire les capacités émergentes de GenAI/Agentic AI en opportunités de produit concrètes et en composants réutilisables pour la banque. - 5) Sécurité, confidentialité et conformité - Assurer que toutes les solutions IA/ML répondent aux directives et normes de l'entreprise pour les données et l'IA, y compris la protection des données, la cybersécurité et les pratiques d'IA responsables. - Intégrer la confidentialité par conception, les contrôles d'accès, le cryptage et l'auditabilité à travers les flux de données et les opérations de modèle. - Collaborer avec les équipes de risque, de sécurité et de conformité pour aligner sur SOC 2, GDPR/CCPA et la gouvernance interne.
## 1) Éducation - Diplôme avancé en informatique, science des données, mathématiques, statistiques, physique ou domaine connexe.
## 2) Must-Have - Connaissance approfondie des frameworks ML/AI: PyTorch ou TensorFlow; écosystème Hugging Face; LangChain/LlamaIndex ou équivalent pour l'orchestration, les structures de données, la modélisation des données et l'architecture logicielle. - Expérience pratique avec LLM: ingénierie de prompt, ajustement fin/LoRA, embeddings, bases de données vectorielles (FAISS, Pinecone, Weaviate), modèles RAG. - Compétences de programmation solides en Python, R ou Java/Scala; expérience pratique avec SQL, outil ETL et Linux; connaissances de Control-M & Terraform sont un plus. - Expérience antérieure dans le déploiement d'applications dans des environnements cloud (Azure); familiarité avec les configurations hybrides on-prem/cloud. - Expérience dans la construction de services et d'API de production (REST/gRPC), cloud-native (AWS/GCP/Azure), conteneurs (Docker) et orchestration (Openshift, Kubernetes). - Fondements de MLOps: suivi des expériences (MLflow/W&B), registres de modèles, CI/CD, surveillance des modèles, feature stores. - Capacité à surveiller, déboguer et maintenir des pipelines CI/CD qui alimentent les déploiements de production (GitHub Actions/GitLab CI/Azure DevOps). - Compétence en ingénierie de données: SQL, modélisation de données, ETL/ELT et travail avec des entrepôts/lacs de données (Snowflake, BigQuery, S3/Delta). - Capacité à travailler dans un environnement SCRUM/Agile avec un focus sur la livraison et la collaboration avec les parties prenantes. - Excellentes capacités analytiques et de résolution de problèmes; orienté vers les résultats et les détails avec une forte communication écrite et verbale. - Expérience dans le secteur bancaire ou la gestion de patrimoine est un avantage.