Anakine.io

💶 70 à 80 k€ brut / an

🏡 Full remote (ou à Paris si vous le souhaitez)

✍️ CDI uniquement

 

_Attention :_ _ce poste n'est probablement pas pour vous si votre expérience du retrieval se limite au prototypage d'applications RAG avec des frameworks comme LangChain ou LlamaIndex. Le travail se situe une couche en dessous : internes des modèles, fine-tuning, évaluation, mise en service._

\_

 

Nous sommes une scale-up (70 personnes) qui développe ses propres API et modèle de langage à destination d'entreprises grands comptes. Notre équipe technique est internationale est pionnière dans la recherche en intelligence artificielle.

 

Vos missions

 

Au sein d'une squad de 5 personnes, vos missions seront les suivantes :

 

* Porter le retrieval de bout en bout : stratégies lexicales, sémantiques, hybrides, multi-vecteurs et multimodales, découpage des documents, reranking, mise en service, supervision, réentraînement — avec des gains mesurables sur la qualité des résultats.
* Sélectionner et adapter les modèles : faire l'état de l'existant, décider de ce qui convient à chaque tâche, affiner (fine-tuning) modèles d'embeddings, retrievers multi-vecteurs et cross-encoders sur les données de l'entreprise.
* Diagnostiquer les problèmes de qualité : partir d'une faiblesse observée dans les résultats, formuler des hypothèses, les transformer en plan d'action concret.
* Pousser l'évaluation plus loin : nouveaux jeux de données, nouvelles métriques, signaux de production, pour que chaque changement soit adossé à des preuves.
* Travailler avec l'équipe de recherche interne sur les besoins en modèles, les retours du terrain et l'intégration rapide de la recherche dans le produit.
* Expliquer votre travail clairement à des ingénieurs, au produit et à des interlocuteurs non spécialistes du ML : arbitrages, incertitudes, et ce que signifie réellement un chiffre de benchmark.

 

Environnement technique

 

Python, PyTorch, vLLM, modèles d'embeddings, cross-encoders, rerankers, retrieval multi-vecteurs et à interaction tardive, recherche hybride et multilingue, parking de documents, OCR, pipelines d'ingestion à grande échelle, quantification et arbitrages d'inférence.

 

La chaîne de tests de qualité de bout en bout est déjà mature : vous construisez sur des fondations d'évaluation solides plutôt que de partir de zéro.

 

Votre profil

 

* Vous avez au minimum une première expérience professionnelle solide.
* La maîtrise du cycle de vie d'un modèle : sélection, architecture, fine-tuning, benchmark, déploiement en production.
* Une compréhension approfondie du retrieval — lexical, sémantique, embeddings, cross-encoders et rerankers, approches hybrides — et la capacité à raisonner en détail sur leurs modes de défaillance.
* Une compréhension réelle des architectures "Transformer" et de la façon dont les modèles sont entraînés, mise au service de meilleures décisions d'ingénierie.
* Un Python solide et une chaîne de mise en service moderne (PyTorch, vLLM ou équivalents), y compris les arbitrages d'inférence qui viennent avec l'échelle : quantification, traitement par lots, latence contre débit.
* Une méthodologie d'évaluation rigoureuse : vous doutez de vos propres résultats et vous mesurez avant d'affirmer.
* Un anglais professionnel, à l'écrit comme à l'oral. Le français est un confort, pas une obligation.

 

Compétences supplémentaires appréciées

 

* Retrieval multi-vecteurs ou à interaction tardive (modèles de type ColBERT), modèles sparse.
* Retrieval multilingue, ou recherche académique et benchmarks en recherche d'information.
* Parsing de documents, OCR, ou pipelines d'ingestion à grande échelle.
* Contributions open source dans l'écosystème de la recherche ou de l'outillage ML.

 

Avantages

 

* Poste en full remote, ou dans nos bureaux parisiens si vous préférez.
* Horaires relativement flexibles.
* Tickets-restaurant.
* Prime de vacances.
* Prévoyance prise en charge à 100 % par l'entreprise.
* Processus d'embauche efficace.
* ADN tech et produit IA très innovant.
* Équipe (très) passionnée.

Python

Machine Learning