Founding AI Engineer

Ta mission

Notre agent IA gère déjà une partie significative des conversations entre les revendeurs et les acheteurs. Notre pipeline de génération d'annonces tourne à coût maîtrisé. Mais on est encore loin de ce qu'on veut.

Ta mission : prendre ce socle, l'amener à un taux d'automatisation supérieur à 90 % sur les conversations et à 90 % sur les listings auto-générés acceptés tels quels. En parallèle, tu construis les agents internes qui rendent chaque équipe plus rapide et tu es le moteur de l'innovation IA dans l'entreprise, en testant les dernières avancées et en les intégrant rapidement.

Ce que tu auras fait en 12 mois

• Pipeline LLM produit qui s'améliore en continu, avec ré-entraînement sur nos données au moins une fois par trimestre.
• Coût IA mesuré et tracké semaine après semaine.
• Eval continue en place : datasets de test, détection de régression, observability LLM (Langfuse ou équivalent) sur tous les flows critiques.
• Des agents autonomes shippés pour chaque équipe (sales, support, ops, dev).
• Support client géré majoritairement sans humain, sur les sujets récurrents.
• Base de connaissances RAG sur nos docs, conversations et code dispo en interne.

Tes 90 premiers jours

Mois 1. Tu cartographies les pipelines IA existants. Tu sors un dataset de 1 000 erreurs et tu shippes une première amélioration mesurable.

Mois 3. Tu as mis en place l'eval continue. Tu as shippé un premier agent interne (probablement pour le support). Tu as déjà fait deux ré-entraînements ciblés.

Mois 6. Tu owners l'ensemble du stack IA en autonomie. Tu pilotes les choix modèle, infra, coût, observability.

Qui on cherche

• 4 à 5 ans d'expérience minimum, avec du LLM et du ML shippé en prod (pas uniquement des notebooks, pas uniquement des hackathons). Métriques précises sur tes projets, preuves à l'appui.
• Tu peux nous parler de quatre ou cinq papers, posts ou vidéos IA qui t'ont marqué récemment et pourquoi. Concret, pas du name-dropping.
• Tu sais optimiser un pipeline LLM en prod : context caching, prompt compression, routing de modèles selon la difficulté, fine-tuning ciblé, batch processing.
• Tu maîtrises l'observability LLM (Langfuse ou équivalent), les datasets de test, l'eval continue, la détection de régression.
• Tu vulgarises un concept LLM complexe à un non-tech en deux minutes sans jargon.
• Tu utilises Claude Code ou Cursor à fond mais tu reviews les outputs.

Nice to have. Fine-tuning DPO ou RLHF déjà fait. RAG en prod. Modèle entraîné from scratch sur des données propriétaires. ML Vision.

Ce poste n'est pas pour toi si

• Tu cherches un poste de Research Scientist, on ne fait pas de R&D blue sky.
• Tu travailles uniquement sur des notebooks Jupyter et tu n'as jamais shippé en prod.
• Tu refuses de partager du code ou des projets concrets.
• Tu n'es pas à jour sur les dernières avancées en LLM et tu ne peux pas en discuter concrètement.
• Tu ne peux pas vulgariser un concept LLM à un non-tech en deux minutes.
• Tu ne maîtrises pas l'observability LLM, les datasets de test, l'eval continue, la détection de régression.

Avantages

• Salaire 110–140 K€ brut/an
• BSPCE 0,5 à 1,5 %, vesting 4 ans, cliff 1 an
• Maison ControlResell à 30 min de Paris en RER
• Cuisinier midi et soir les jours de présence
• Vacances illimitées
• MacBook Pro M-series et 2 000 € de budget hardware
• Abonnement Claude Code Max et outils premium pour ton stack
• 3 mois aux US à la Silicon Valley d'ici 18 mois
• Budget conférences et formations
• Budget compute/API LLM et ML
• 20% de ton temps sur des sides projets, de la R&D, des articles, etc. que tu choisis en lien avec notre mission.

Le process

1. Call 1 avec Lyes (30 min). Vision, mission.
2. Call 2 avec Nathan (60 min). Test technique sur dataset réel : Pendant le call, tu analyses, tu sors les typologies, tu proposes une stratégie.
3. Call 3 avec Lyes et Nathan (45 min). Debrief, package, questions.
4. Dîner à la maison CR.
5. Offre sous 24h.