Programmeur.euse en apprentissage automatique

DocGPT est la plateforme d'assistants de connaissance interne d'Ubisoft, présentée cette année à la Games Developer Conference (GDC) 2026 et déployée à grande échelle à travers studios et divisions. Basée sur une architecture RAG, elle permet à des milliers d'employés de retrouver l'information pertinente directement depuis leurs outils du quotidien.

Vous prendrez en charge la direction technique des composants AI de DocGPT : référent·e sur les problématiques de récupération d'information et d'intégration LLM, vous définirez les orientations, accompagnerez l'équipe et traduirez des exigences parfois ambiguës en solutions robustes.

Ce que vous ferez :

• Définir et piloter la direction technique des pipelines de retrieval : chunking, indexation sémantique, recherche vectorielle, reranking.
• Établir les standards d'évaluation de la plateforme et faire de la qualité des réponses une métrique de premier plan dans le cycle de développement.
• Définir l'approche d'intégration LLM en contexte multi-tenant : gestion du contexte, prompt engineering, maîtrise des coûts, évolution vers des capacités agentiques.
• Identifier proactivement les limites de l'architecture actuelle et proposer des évolutions avant qu'elles n'impactent les utilisateurs.
• Mentorer les membres juniors et intermédiaires sur les bonnes pratiques ML et la rigueur expérimentale.
• Être l'interlocuteur·trice de confiance pour les équipes clientes et les parties prenantes sur les sujets IA.

Ce que vous apporterez à l'équipe

• 5 ans et plus d'expérience en ML appliqué sur des systèmes de recherche d'information ou NLP en production.
• Maîtrise de Python et des frameworks ML/NLP : LangChain, LlamaIndex, HuggingFace Transformers.
• Expérience avérée avec les architectures RAG : modèles d'embedding (OpenAI, Cohere, BGE), bases de données vectorielles (Qdrant, pgvector, Weaviate, Pinecone), reranking (cross-encoders).
• Maîtrise des API LLM (Claude, OpenAI GPT) et des techniques de prompt engineering avancées (few-shot, chain-of-thought, structured outputs).
• Expérience avec des frameworks d'évaluation RAG : RAGAS, métriques MRR/NDCG, construction de jeux de données d'évaluation.
• Connaissance des environnements cloud AWS et Databricks (MLflow, Feature Store) et des environnements conteneurisés.
• Leadership technique démontré et aisance avec l'ambiguïté ; excellentes compétences en communication.