AI ENGINEER

Dans le cadre du développement de ses activités, Databiz filiale d'autobiz (groupe Stellantis) recherche un AI ENGINEER. Si vous êtes prêt à contribuer et à créer de la valeur pour la mobilité plus propre et plus intelligente de demain, Databiz est l'endroit où il faut être. Entreprise : Notre entreprise Créée en 2004, AUTOBIZ est une société européenne, ayant aujourd'hui ses bureaux à Paris, Valence, Milan et Berlin. Elle compte aujourd'hui 200+ collaborateurs et fait partie des trois 1ers fournisseurs de valeurs de marché au monde du secteur automobile. Spécialisée dans la conception d'outils de données en temps réel, la société déploie, pour le compte de ses clients (constructeurs automobiles, concessionnaires, assureurs, loueurs longue durée) une large gamme de services/ solutions de pilotage et d'aide à la décision pour le secteur automobile Le groupe automobile PSA (Peugeot-Citroën) est entré au capital de l'entreprise en 2017. Cette collaboration renforce la position d'AUTOBIZ sur le marché automobile à l'international et lui permet de développer de nouvelles solutions au quotidien. Mission principale Concevoir, développer et industrialiser des solutions basées sur l'intelligence artificielle (machine learning, deep learning, LLM) afin d'améliorer les produits, automatiser les processus et créer de la valeur business. Responsabilités principales1. Développement de solutions IA Concevoir et entraîner des modèles (ML, Deep Learning, NLP, Computer Vision) Implémenter des solutions basées sur des LLM (GPT, open-source, etc.) Développer des pipelines de traitement de données 2. Industrialisation (MLOps) Déployer les modèles en production (API, batch, temps réel) Mettre en place monitoring, performance, dérive des modèles Automatiser les pipelines (CI/CD data & ML) 3. Data & qualité Travailler sur la préparation, nettoyage et structuration des données Améliorer la qualité et la gouvernance des datasets Collaborer avec les équipes Data Platform 4. Innovation & veille Tester de nouvelles approches IA (LLM, agents, RAG, etc.) Prototyper rapidement (POC → industrialisation) Participer aux choix technologiques 5. Collaboration produit Comprendre les besoins métiers Traduire les cas d'usage en solutions techniques Participer à la roadmap produit IA Compétences techniques requises Langages & outils Python (obligatoire) SQL APIs / FastAPI / Flask IA / Data Machine Learning (scikit-learn, XGBoost…) Deep Learning (TensorFlow / PyTorch) NLP / LLM (OpenAI, Hugging Face, LangChain, etc.) RAG, embeddings, vector databases (Pinecone, Weaviate, FAISS…) Data Engineering Manipulation de données (Pandas, Spark) Pipelines de données MLOps / Cloud Docker / Kubernetes CI/CD Cloud (GCP, AWS ou Azure) Monitoring (logs, performance modèles)