AKUMENIA est née d'un double constat simple : la donnée est le nouveau capital de l'entreprise et la matière première du digital. La technologie sans l'expertise métier est un centre de coût à long cycle de vie, là où les approches data modernes se veulent génératrices de valeur business à très court terme. Si la Data devient un actif stratégique, c'est justement parce qu'elle acquiert aujourd'hui une valeur opérationnelle nouvelle et apte à dépasser l’"après coup" de la BI traditionnelle et ce, grâce au pouvoir analytique et prédictif de la science des données rendu possible par des capacités accrues de technologies de traitement massifs de données distribuées. Akumen IA entend à la fois penser avec ses partenaires les cas d'usages data de demain et leur donner vie grâce à une maitrise pointue de ces nouvelles technologies sous l’œil avisé d'experts métiers et sectoriels. La croissance d’Akumen IA nécessite le renforcement des effectifs, notamment de son équipe opérationnelle pour relever ces défis et accompagner dans les meilleures conditions des clients plus conscients et plus exigeants vis-à-vis des des enjeux Data & IA. Vous êtes un(e) visionnaire technologique passionné(e) par l’Intelligence Artificielle et la Data ? Vous rêvez d’un rôle stratégique, mêlant leadership, innovation et expertise technique ? Akumenia, acteur innovant dans la transformation Data et IA en EMEA, vous offre une opportunité unique !

En tant que AI Engineer / Data Scientist chez Akumenia, vos responsabilités seront les suivantes : Exploration et analyse des données : • Collecter, nettoyer et transformer des données structurées et non structurées en réalisant des analyses exploratoires Conception et développement de modèles : • Construire, entraîner et optimiser des modèles de machine learning et de deep learning. • Fine-tuning des LLMs pour répondre à des problématiques spécifiques.   Déploiement et industrialisation : • Mettre en place des pipelines automatisés pour traiter, entraîner et déployer des modèles IA à grande échelle (CI/CD). • Déployer des solutions AI robustes et scalables sur des plateformes cloud (AWS, Azure, GCP). GenAI Architecture : • Définir et faire évoluer les architectures GenAI, en lien avec les besoins métiers. • Déployer des cas d’usage IA concrets, notamment des chatbots, voicebots et RAG internes. Amélioration continue et veille technologique : • Suivre les performances des modèles en production et appliquer des optimisations basées sur des retours concrets. Communication et collaboration : • Collaborer étroitement avec des parties prenantes variées pour traduire les besoins métiers en solutions IA concrètes. • Encadrer de jeunes Data Scientists et Ingénieurs ML en les coachant et assurant leur montée en compétences.

FORMATION : • Diplômé.e d'une école d'ingénieur de premier rang, de préférence avec une spécialisation en mathématiques appliquées, machine learning ou domaines connexes. EXPERIENCE : • Minimum 4 ans d’expérience dans l’application de l’IA, et plus globalement de la data science, idéalement acquise dans un environnement de conseil. COMPETENCES GENERALES : • Maîtrise des compétences en programmation informatique, algorithmie, mathématiques appliquées et statistiques. • Bonne maîtrise des concepts de l’IA (ML, DL, NLP, Computer Vision...) • Maîtrise des architectures GenAI: RAG, fine-tuning des LLM, prompt engineering, AI agents, conversational AI... • Expérience avec les frameworks LLM open source (LangChain, LlamaIndex, Haystack…) et les plateformes comme Hugging Face ou RedHat. • Maîtrise des environnements cloud (AWS, Azure) et des plateformes IA (OpenAI, Anthropic). • Maîtrise des outils data et cloud : Python, PySpark, Scala, ETL, Airflow, Jupyter, bases de données, Databricks, Glue, BigQuery, Power BI et Tableau COMPETENCES MANAGERIALES : • Capacité d’analyse et de conception, avec une aptitude à structurer des problématiques et à proposer des solutions adaptées. • D'excellentes capacités de communication et de présentation, vous permettant d'interagir efficacement avec des profils techniques et non techniques. • Capacité de synthèse, d’organisation et de gestion des priorités dans un environnement exigeant. • Esprit de leadership, d’initiative et d’adaptation, avec une posture proactive au sein d’équipes pluridisciplinaires.