Developpeur Back-End AI/LLM H/F

About this role

Vous rejoindrez Brain, le Business Partner Data & IA du Groupe Septeo. La mission de Brain est claire : Accélérer le déploiement de la Data & de l'IA dans les pratiques et les produits du groupe en partenariat avec les Business Unit, et ce au travers d'une approche structurée et industrialisée. Brain rassemble, à la fois, les expertises, plateformes, assets et pratiques Data & IA nécessaires pour accélérer la transformation du Groupe.

Vous intégrerez au sein de Brain l'équipe dédiée à l'IA, une équipe pluridisciplinaire (Data Engineers, Data Scientists, Product, experts métier, Architectes) et vous travaillerez au sein de Squads communes avec les Business Units. Vous concevez et développez des composants d’IA générative qui s’intègrent nativement dans les solutions Septeo. À ce titre, vous serez amené à : • Développer des chaînes RAG (Retrieval-Augmented Generation) sur des corpus métiers complexes (actes notariés, contrats, assignations, pièces de dossiers, factures, jurisprudence…) : ingestion, parsing, chunking, embeddings, indexation vectorielle, retrieval, reranking.

• Intégrer et consommer des LLM dans les applications, qu’ils soient exposés en API cloud (Mistral, OpenAI, Claude, Azure OpenAI) ou déployés en local / self-hosted (modèles open-weights via Ollama, vLLM, LM Studio ou équivalent), en arbitrant coût, latence, qualité et souveraineté, sans gestion de l’entraînement ni de l’infrastructure GPU sous-jacente. • Développer des agents et workflows (tool use, function calling, MCP) pour des cas d’usage métier : extraction d’entités, analyse de risques contractuels, résumé automatique, rédaction assistée, agents conversationnels intégrés à Outlook / Word / Teams.

• Concevoir et développer les APIs et services backend exposant ces capacités aux Business Units, en C# / .NET (services existants Septeo) et Python / FastAPI (briques GenAI). • Concevoir et faire évoluer les modèles de données : schémas relationnels (SQL Server, PostgreSQL), indexation vectorielle sur Elasticsearch, requêtes optimisées, migrations. • Conteneuriser les services avec Docker et participer à leur déploiement et exploitation sur Kubernetes (Helm, manifests, configuration, secrets, scaling, observabilité).