Profil · Data & IA

AI Engineer et Agent Engineer

Des ingénieurs qui conçoivent des agents IA fiables, capables de raisonner sur vos données et d'agir dans vos outils.

Le rôle

Ce que fait un AI Engineer

L'AI Engineer construit les systèmes à base de LLM : recherche augmentée (RAG), agents, orchestration. L'Agent Engineer va plus loin : il connecte ces agents aux outils de l'entreprise pour qu'ils exécutent des tâches, avec des garde-fous et une évaluation continue.

Architecturer les agents

Superviseur, sous-agents, mémoire et routage des tâches.

Construire le RAG

Découpage, embeddings, recherche sémantique, graphes.

Connecter aux outils

MCP et tool calling, avec des droits limités.

Choisir les modèles

Le bon modèle par tâche, latence et coûts maîtrisés.

Évaluer

Golden datasets, LLM-as-a-judge, hallucinations.

Industrialiser

Jusqu'à la production, avec les équipes plateforme.

Technologies maîtrisées

PythonTypeScriptLangGraphLangChainLlamaIndexMCPAWS BedrockAzure OpenAIClaudeMistralPineconeNeo4j
Situations

Quand faire appel à ce profil

Vous voulez passer d'un chatbot qui répond à un agent qui agit.

Votre prototype RAG donne des réponses peu fiables.

Vous lancez un produit IA et avez besoin d'une architecture d'agents solide.

Référence
Banque & Assurance · AI Engineer et Agent Engineer

Clôture mensuelle : socle data fiable et reportings par IA

Le contexte

Dans une grande banque, chaque clôture mensuelle mobilise contrôleurs de gestion, analystes et équipes risques pendant plusieurs jours. Les chiffres viennent du grand livre, des systèmes de risque et de nombreux fichiers Excel, avec des définitions qui varient d'une équipe à l'autre. Avant d'automatiser les reportings, il faut des données fiables.

Notre approche

Nos Analytics Engineers posent d'abord le socle : ingestion dans un entrepôt cloud, modélisation dbt, tests et contrats de données, couche sémantique avec une définition unique par indicateur, lignage jusqu'à la source. Sur ce socle, notre AI Engineer construit les agents qui génèrent les slides et les fichiers Excel des comités à partir des modèles de la banque, avec validation humaine de tout écart.

Le résultat

Les dossiers de comité reposent sur des chiffres certifiés et traçables jusqu'à leur origine. Les équipes consacrent leur temps à l'analyse plutôt qu'au rapprochement et à la mise en forme.

Technologies

SnowflakedbtDagsterGreat ExpectationsOpenLineagePythonAgents IApython-pptx
Autres références
Engagements

Nos engagements

Seniors uniquement

Des consultants expérimentés, opérationnels dès le premier jour.

Réponse sous 72 heures

Chaque demande reçoit une réponse qualifiée sous 72 heures.

Sélection par des experts

Chaque profil passe un entretien technique mené par nos ingénieurs.

Sécurité et conformité

Engagement attesté par nos médailles EcoVadis et CyberVadis.

Questions fréquentes

Vos questions sur ce profil

Quelle différence entre AI Engineer et Data Scientist ?

Le Data Scientist modélise et évalue ; l'AI Engineer construit et met en production des systèmes à base de LLM.

Qu'est-ce que MCP ?

Un protocole standard qui permet à un agent IA d'utiliser les outils et données de l'entreprise de façon contrôlée.

Travaillez-vous avec tous les modèles ?

Oui : modèles propriétaires (OpenAI, Anthropic, Google) et open weight (Mistral, Llama), selon vos contraintes.

Contact

Un projet data ou IA à lancer ?

Parlez-nous de votre besoin. Nous revenons vers vous sous 72 heures avec le bon profil ou la bonne équipe.