Intitulé du poste : GenAI Engineer
Lieu du poste : Montréal, QC (3 jours/semaine sur site)
Durée du poste : Temps plein
Nous recherchons un ingénieur IA/ML senior disposant d'une expertise en génération augmentée par récupération (RAG), en bases de données vectorielles, en IA multimodale et en ingénierie de prompts. Le candidat sera chargé de concevoir des applications d'IA intelligentes exploitant des données d'entreprise structurées et non structurées.
Le rôle : GEN AI Engineer (Python, RAG, LangChain, LangSmith)
Responsabilités principales
Concevoir et mettre en œuvre des pipelines RAG à l'échelle de l'entreprise.
Développer et optimiser des solutions de recherche sémantique à l'aide de bases de données vectorielles.
Développer des applications d'IA multimodale capables de traiter du texte, des images, des documents et d'autres formats de données.
Créer et optimiser des prompts pour améliorer les performances et la précision des LLM.
Développer des stratégies d'ingestion, de découpage (chunking), d'embedding, de récupération et de classement des données.
Évaluer et améliorer la qualité, la précision et la latence des solutions d'IA.
Collaborer avec des équipes transversales pour intégrer les capacités d'IA dans les applications de l'entreprise.
Compétences requises
Solide maîtrise de Python.
Expérience pratique dans la création de solutions RAG.
Expérience avec des bases de données vectorielles telles que Pinecone, Weaviate, Milvus, Chroma ou OpenSearch.
Solide compréhension des embeddings, des stratégies de récupération et de la recherche sémantique.
Expertise en ingénierie de prompts.
Expérience dans la création de solutions d'IA multimodale.
Connaissance des LLM et des modèles de fondation.
Expérience avec Amazon Bedrock et les services d'IA d'AWS.
Familiarité avec LangChain pour les implémentations RAG.
Connaissance des cadres d'évaluation et des outils d'observabilité de l'IA.
Expérience du déploiement d'applications IA/ML en environnement de production.
Atouts appréciés
Connaissance des concepts d'IA agentique.
Expérience avec LangGraph ou des architectures multi-agents.
Familiarité avec le MLOps et les pipelines de déploiement de modèles.