Ingénieur senior IA : Agents

À propos d'Idun

Idun Group est un cabinet de conseil indépendant en intelligence artificielle. Nous mesurons l'usage réel de l'IA déjà déployée chez nos clients, à partir des journaux de leurs plateformes, puis nous les aidons à industrialiser ce qui fonctionne. Plus de 40 diagnostics IA en moins d'un an, auprès de plus de 10 clients grands comptes ; nos références incluent LVMH, Airbus et L'Oréal. Nous maintenons aussi la plateforme open source Idun, qui met des agents en production sur l'infrastructure de nos clients, et nous développons les cas d'usage que l'analyse a prouvés rentables. Idun est soutenu par Wilco, IMT Starter, Polytechnique X-UP et La French Tech.

Le poste

Il existe un écart dans le marché français de l'IA entre les cabinets qui savent parler d'agents et les équipes qui savent réellement les construire à un standard de production. Idun se situe dans le second groupe. En tant qu'Ingénieur senior IA, vous êtes la personne qui construit les agents que nos clients déploient.

C'est un rôle de builder. Vous partez d'un cas d'usage cadré (un agent de question-réponse documentaire, un workflow de conformité multi-étapes, un assistant client) et vous le portez de l'architecture jusqu'au déploiement en production avec observabilité, guardrails, contrôle d'accès et suite d'évaluation. Vous travaillez dans l'environnement du client, vous utilisez la plateforme Idun comme runtime, et vous remettez un système que l'équipe du client peut opérer sans vous.

Le travail est techniquement exigeant. Les grands groupes français qui déploient des agents sous RGPD et AI Act ont de vraies contraintes : les données doivent rester en région, les sorties doivent être auditables, le contrôle d'accès doit être piloté par des politiques. Ce sont des problèmes d'ingénierie résoluble, mais ils exigent quelqu'un qui les traite comme des problèmes d'ingénierie plutôt que comme des notes de bas de page réglementaires.

Vous contribuerez également à la plateforme Idun. Quand une mission client fait émerger un pattern qui devrait être premier plan dans le runtime (un nouveau backend mémoire, une primitive de guardrail, un meilleur harness d'évaluation) vous le formalisez et le livrez.

Vos missions

• Architecturer et construire des agents en production avec LangGraph, Google ADK ou Haystack sur la plateforme Idun : d'un brief approximatif à un système déployé, monitoré et évalué.
• Concevoir la couche de retrieval : stratégie de chunking, modèles d'embedding, schéma d'index, réécriture de requête, re-ranking, boucles d'évaluation. Prendre des décisions RAG vs fine-tuning avec la tête froide et les défendre avec des données.
• Câbler la stack d'observabilité complète : spans OpenTelemetry vers Langfuse ou Phoenix, politiques de guardrails, schémas d'audit logs, métriques d'évaluation. La mise en production signifie qu'on peut montrer à un ingénieur d'astreinte exactement ce qui s'est passé dans n'importe quelle conversation.
• Écrire des suites d'évaluation avant de déclarer un composant terminé : tests unitaires de précision du retrieval, tests d'intégration du comportement des agents sous des prompts adversariaux, benchmarks de latence face aux SLA de production.
• Participer au cadrage technique avec les clients : traduire un problème métier en liste de composants, signaler les inconnues difficiles tôt, poser des attentes de livraison réalistes.
• Relire le code agent des équipes clientes pendant les phases de co-construction ; donner des retours structurés qui améliorent la capacité de l'équipe à maintenir le système après le transfert.
• Remonter les patterns et abstractions valorisables vers les équipes Idun Engine et Idun Platform.

Stack & environnement

• Python, LangGraph, Google ADK, Haystack : les trois frameworks agentiques primaires ; profondeur attendue sur au moins l'un, largeur sur les trois
• OpenAI, Anthropic (Claude), Mistral, Cohere : vous choisissez les modèles selon l'adéquation à la tâche, la fenêtre de contexte, le coût et les exigences de résidence des données
• pgvector, Qdrant : les deux stores vectoriels primaires ; vous avez réfléchi sérieusement au design des index et aux compromis du voisinage approximatif
• Langfuse, Phoenix : les deux backends de traces que nous déployons principalement ; vous savez lire une trace et diagnostiquer un échec de retrieval ou de génération à partir des données de span
• FastAPI, Pydantic, PostgreSQL : la couche runtime ; vous pouvez lire et contribuer aux internals d'Engine
• OpenTelemetry : le standard d'observabilité ; vous comprenez le tracing distribué, pas seulement la visibilité au niveau des logs
• Docker, GitHub Actions, pytest : CI/CD et tests

Profil recherché

• 3 ans minimum d'ingénierie IA/ML en production : vous avez livré des modèles ou des agents avec lesquels de vrais utilisateurs interagissent, vous savez ce que « prêt pour la production » signifie réellement (pas seulement « ça a marché dans Jupyter »).
• Expérience pratique avec au moins l'un de LangGraph, Google ADK ou Haystack dans un contexte non trivial. Vous avez débogué un échec de streaming, un dépassement de fenêtre de contexte, ou un faux positif de guardrail dans un système en production.
• Tête froide sur RAG vs fine-tuning : vous pouvez expliquer le compromis en termes de fraîcheur des données, latence, coût et conformité RGPD sans sortir le tableau comparatif marketing d'un vendor.
• Culture d'ingénierie orientée évaluation : vous écrivez des evals comme les ingénieurs backend écrivent des tests d'intégration : pas parce qu'on vous l'a demandé, mais parce que vous considérez un système non livré sans eux.
• À l'aise en contexte client : vous pouvez présenter une architecture technique à un CTO, expliquer un échec de retrieval à un product owner, et signaler un risque de périmètre à un chef de programme. Vous n'avez pas besoin d'un traducteur entre l'ingénierie et le business.

Pourquoi rejoindre ce poste

• Périmètre de production dès le premier jour. Vous ne menez pas des expériences ni ne construisez des démos. Vous livrez des agents qui traitent des charges de travail enterprise réelles sous de vrais SLA. La boucle de feedback sur « est-ce que ça marche ? » se mesure en heures, pas en trimestres.
• Pairs techniques de haut niveau. Vous travaillerez avec des ingénieurs qui ont construit et livré des agents chez LVMH, Airbus et L'Oréal. Le niveau d'exigence est élevé et la courbe d'apprentissage est raide dans le bon sens.
• Equity. Les membres précoces de l'équipe reçoivent de l'equity en complément du salaire. Nous sommes transparents sur la structure.
• Frontier AI Act. Déployer des agents sous les exigences de transparence et d'auditabilité de l'AI Act est un nouveau territoire d'ingénierie. Les patterns que vous établissez ici seront la référence de l'industrie.