Ingénieur.e IA Appliquée

À propos de Teamwill

Placer l'expertise métier et l'intelligence artificielle au cœur des décisions qui financent des millions de projets, de véhicules et d'équipements à travers le monde : telle est la raison d'être de Teamwill.

Depuis plus de 20 ans, Teamwill Consulting accompagne les acteurs majeurs de la banque, du crédit à la consommation et de la mobilité dans leurs transformations stratégiques et technologiques. Présent dans 11 pays et rassemblant plus de 800 professionnels, le Groupe allie une expertise sectorielle approfondie, une grande proximité avec ses clients et la capacité de déployer ses solutions à l'échelle mondiale.

L'intelligence artificielle est un pilier de notre stratégie de croissance. Pour porter cette ambition, nous renforçons nos équipes technologie, ingénierie et data.

Synthèse du poste

La fonction CTAIO de Teamwill Consulting conçoit et exploite les actifs réutilisables d'ingénierie en intelligence artificielle (IA) de l’entreprise, puis les déploie au sein de certaines des missions les plus exigeantes. En tant qu'Ingénieur.e IA Appliquée, vous concevez, développez et exploitez des systèmes d'IA en production. Votre rôle consiste notamment à transformer des prototypes fonctionnels en solutions robustes, testées, observables et conçues pour évoluer de manière sécurisée

Missions et responsabilités principales

• Concevoir, développer, tester et exploiter des systèmes et pipelines agentiques qui font appel à un ou plusieurs LLM pour accomplir des tâches à plusieurs étapes. Contribuer à la clarification des besoins avec les Product Owners, Product Managers, Business Analysts et experts métier (Subject Matter Experts), ainsi qu'à la formalisation des exigences non fonctionnelles (par exemple : fiabilité applicative, sécurité, performance, etc.).

• Commencer par la composition la plus simple qui fonctionne (en appliquant généralement le principe d'artisanat logiciel KISS, « keep it simple and stupid ») : un appel direct à un modèle ou une chaîne courte, puis évoluer vers une architecture d'agent plus autonome, utilisant des outils, uniquement lorsqu'il est démontré qu'une approche plus simple est insuffisante. Privilégier, chaque fois que possible, une approche d'intégration légère et indépendante des fournisseurs plutôt qu'un framework d'orchestration lourd.

• Intégrer, au sein d'une même application, des modèles managés accessibles par interface de programmation (API) et des modèles auto-hébergés, propriétaires ou à poids ouverts, y compris le travail opérationnel propre à l'auto-hébergement : optimisation de l'inférence et ordonnancement des requêtes sous capacité de processeurs graphiques (GPU) contrainte.

• Construire et maintenir les pipelines de recherche documentaire qui ancrent les modèles, par génération augmentée par la recherche (RAG), dans les bases de connaissances du client ou du cabinet : transformer des documents sources en une forme bien structurée, versionnée et à accès contrôlé, dans laquelle un modèle peut puiser de manière fiable.

• Construire et maintenir des suites d'évaluation (« evals ») qui conditionnent chaque modification avant sa mise en production (seuils de capacité, de sécurité, de non-régression, de coût et de latence). Mettre en œuvre des garde-fous (masquage des secrets, filtrage de la sécurité des contenus, comportements de repli) et instrumenter chaque service alimenté par l'IA pour l'observabilité (consommation de tokens, latence, erreurs d'appel d'outils et qualité des réponses), afin qu'un incident de production puisse être diagnostiqué à partir de données.

• Conditionner les composants d'IA sous forme de services conteneurisés et déployables, dotés d'interfaces documentées (API, interface en ligne de commande (CLI), Model Context Protocol (MCP)), afin de pouvoir les intégrer aux systèmes d'un client.

• Utiliser des agents de codage fondés sur l'IA (par exemple Claude Code, Cursor ou OpenCode) dans votre propre démarche d'ingénierie : tenir à jour la documentation de contexte permanente qu'un projet conserve pour ses agents, et revoir le code produit par les agents selon la même combinaison de contrôles automatisés et de revue humaine que le code écrit par tout autre membre de l'équipe.

• Travailler en étroite collaboration avec les clients, les Data Engineers, les Platform Engineers et les Forward Deployed Engineers pour faire passer un actif du prototype à un déploiement prêt pour le client, sécurisé et supervisé, et partager les enseignements du terrain au sein du portefeuille d'actifs communs de Teamwill, afin qu'une solution conçue pour une mission renforce toutes les missions futures.

Votre périmètre d'intervention

Votre mission principale s'inscrit dans un environnement de services financiers réglementé, où l'adoption de l'IA est réelle et s'accélère. Certains traitements s'exécutent sur des modèles propriétaires managés, dans le cadre d'un accord strict de gouvernance des données ; d'autres s'exécutent intégralement sur une infrastructure maîtrisée par le client, à l'aide de modèles à poids ouverts, afin de répondre aux exigences de résidence des données et de conformité réglementaire. Les deux approches constituent de riches défis d'ingénierie : la voie managée exige une ingénierie rigoureuse des prompts, des coûts et de la sécurité ; la voie auto-hébergée requiert la maîtrise du déploiement des modèles (model serving) et de la planification de capacité, sur un marché où la capacité GPU est rare. Vous aurez l'opportunité de développer une expertise sur ces deux voies.

Le travail est international : vous collaborerez avec des équipes et des clients présents dans l'ensemble des zones géographiques de Teamwill Consulting.

Requirements

Profil recherché

• Diplôme national d'ingénieur (Bac+5) ou Master équivalent en informatique / mathématiques appliquées.

• Au moins 3 ans d'expérience pratique en ingénierie logicielle, dont au moins 1 à 2 ans consacrés à la construction de systèmes de production intégrant des grands modèles de langage ou d'autres modèles d'apprentissage automatique.

• Solides compétences en Python, avec une aisance en lecture et en écriture dans au moins un autre langage utilisé dans la pile technologique de votre équipe (par exemple TypeScript ou Java), et une expérience de l'intégration de fournisseurs de modèles managés ou auto-hébergés via une API : conception de prompts, maîtrise des coûts, gestion des limites de débit et des défaillances.

• Expérience des architectures événementielles, afin que vos applications puissent consommer ou publier des événements dans des courtiers de messages (par exemple Kafka ou RabbitMQ).

• Connaissance pratique de la conteneurisation (Docker) et de la construction de suites de tests automatisés (tests unitaires, d'intégration et tests de type évaluation du comportement de l'IA).

• Familiarité avec les chaînes d'intégration et de livraison continues (CI/CD) (vous serez amené(e) à contribuer à la mise en œuvre de l'intégration continue) et avec le traitement de l'infrastructure, des suites d'évaluation et des prompts comme du code versionné et soumis à revue : une culture « Everything as Code ».

• Aisance à travailler sous de fortes contraintes de gouvernance des données (aucune utilisation non maîtrisée des données client, aucune décision entièrement autonome sans responsable humain) comme composante normale du métier, avec un sens aigu de l'initiative et de la responsabilité pour identifier une lacune ou une meilleure approche et la proposer.

• Maîtrise professionnelle de l'anglais ; maîtrise professionnelle du français pour les postes basés en France ou en Tunisie.

Atouts appréciés

• Expérience du RAG et de la conception de bases de connaissances (par exemple l'Open Knowledge Format de Google), ou d'une pile de déploiement et d'inférence pour modèles à poids ouverts (par exemple vLLM ou équivalent), incluant les notions de base de quantification et de planification de capacité adaptée aux GPU.

• Expérience préalable dans la banque, les marchés de capitaux ou un autre secteur de services financiers réglementé.

• Familiarité avec Kubernetes, les pratiques de déploiement GitOps et les contrôles d'admission fondés sur des politiques as code (par exemple Kyverno).

Lieu de travail et mobilité

Le poste est basé à Tunis, dans les locaux de Teamwill Consulting ou sur les sites des clients dans le cadre des missions. Des déplacements, d'ampleur variable selon les missions, sont à prévoir. L'organisation du travail hybride (télétravail) ne revêt aucun caractère contractuel : elle relève de la politique interne de l'établissement et est fixée par le règlement intérieur ou par note de service.

Vous souhaitez nous rejoindre ? Postulez dès que possible directement sur le site carrières de Teamwill.

Processus de recrutement

• Étape 1 - Entretien de présélection avec le Talent Acquisition : un premier échange téléphonique pour comprendre vos aspirations.

• Étape 2 - Entretien manager / technique : entretien approfondi avec un Responsable technique (Technical Lead) ou un Manager.

• Étape 3 - Entretien avec le HRBP : entretien d'adéquation culturelle.

Notre engagement envers les candidats : nous nous engageons à accompagner chaque candidat tout au long de son processus de recrutement par un suivi personnalisé et attentionné.

Teamwill favorise un environnement de travail inclusif et garantit l'égalité des chances dans ses recrutements, sans discrimination fondée sur le sexe, l'âge, l'origine, le handicap ou les croyances.