Responsabilités principales

• Concevoir et développer une architecture RAG pour interroger la documentation interne.
• Mettre en place des pipelines de document parsing pour extraire le contenu de documents PDF, Word, manuels, guides, standards et fichiers techniques.
• Structurer les contenus en chunks pertinents pour la recherche sémantique et la génération de réponses.
• Développer des stratégies d’indexation avec embeddings, vector database et métadonnées métier.
• Concevoir des mécanismes de recherche hybride : recherche sémantique, recherche par mots-clés, filtres par type de document, domaine ou contexte terrain.
• Intégrer des modèles de langage génératifs, open source ou propriétaires, selon les contraintes de sécurité.
• Participer à la conception de workflows agentiques : question-réponse, extraction d’information, résumé, recommandation d’action, génération de rapports terrain.
• Optimiser les prompts, chaînes RAG et mécanismes de grounding pour limiter les hallucinations.
• Mettre en place des mécanismes de validation, citations de sources, traçabilité des réponses et journalisation.
• Collaborer avec les experts métier pour valider la qualité des réponses générées.
• Participer à l’évaluation des modèles selon des métriques de pertinence, précision, temps de réponse et satisfaction utilisateur.
• Contribuer à l’intégration des services IA avec l’application Field Agent.
• Adapter les modèles et pipelines aux contraintes d’un déploiement on-premise / Kubernetes.
• Documenter les choix de modèles, limites, risques et recommandations d’usage.
•