Data Scientist IA Generative F/H

CONTEXTE ET ENJEUX Dans le cadre de la transformation Data et IA d'Orano, nous recherchons un Data Scientist spécialisé en Intelligence Artificielle Générative et IA Agentique pour concevoir, prototyper et industrialiser des solutions innovantes basées sur les Large Language Models (LLMs) et les systèmes multi-agents. Rattaché au Chief Data & AI Officer du groupe Orano, le Data Scientist GenAI sera au cœur du développement de l'IA chez Orano, transformant des cas d'usage métiers à forte valeur en solutions conversationnelles, assistants intelligents et workflows autonomes, tout en garantissant l'excellence technique et opérationnelle, la souveraineté numérique et l'éthique IA dans un contexte industriel complexe et réglementp>MISSIONS PRINCIPALES 1. Conception & Prototypage de Solutions GenAI Identifier et qualifier les use cases métier à fort potentiel GenAI/IA agentique en collaboration avec les métiers Concevoir des architectures GenAI innovantes adaptées aux contraintes industrielles, de performance et de souveraineté numérique Prototyper rapidement des POC pour valider la faisabilité technique et la création de valeur métier Concevoir l'expérience utilisateur des solutions conversationnelles et interfaces IA en intégrant les contraintes UX/UI 2. Développement & Industrialisation de Modèles Développer des pipelines ML end-to-end pour applications GenAI (data preparation, prompt engineering, fine-tuning, deployment, monitoring) Implémenter des systèmes RAG Créer des agents IA autonomes et orchestrer des workflows multi-agents capables de planifier, raisonner et exécuter des actions métier complexesIndustrialiser les modèles en production en implémentant des mécanismes de gardes-fous et sécurité, en alignement avec les valeurs Orano 3. Fine-Tuning & Adaptation de Modèles Fine-tuner des LLMs open-source sur des données spécifiques Orano Optimiser l'usage des ressources GPU/TPU Créer, enrichir et maintenir des datasets d'entraînement de qualité (data augmentation, synthetic data generation via LLMs)