Portugal
Capgemini
Block Labs
Ingénieur IA Appliquée
À distancePortugal
Lisbon, Portugal
TypeScriptPythonSQL
Traduction automatique. Consultez l’original.
À propos de Block
Labs Block Labs est un studio technologique de premier plan opérant à la pointe de Web3, de l'Intelligence Artificielle et de l'iGaming. Nous ne nous contentons pas de livrer des fonctionnalités ; nous concevons des plateformes de qualité production à grande échelle qui alimentent la prochaine génération de produits numériques.
Nous sommes un collectif d'ingénieurs seniors, de stratèges produit et de développeurs qui refusent de faire des compromis sur l'architecture. Que nous concevions des systèmes autonomes d'agents IA multiples, construisions une infrastructure financière décentralisée ou architecturions des plateformes d'iGaming à haute fréquence, notre standard est l'excellence.
Nous avançons rapidement, mais nous construisons pour le long terme. Si vous cherchez à travailler aux côtés d'une équipe qui valorise une expertise technique approfondie, une conception de système réfléchie et la propriété du produit, Block Labs est l'endroit où vous devez être.
Le Rôle
Nous investissons dans des agents IA gouvernés qui travaillent directement avec nos clients et nos équipes internes. Les données et l'intelligence sont désormais au centre de plusieurs produits que nous développons, et la plateforme que nous avons construite est prête à intégrer une intelligence plus avancée : prise de décision en temps réel, modélisation prédictive et agents IA gouvernés.
Ce rôle reflète ce changement. Notre moteur de décision est régi par un registre formel des décisions : plus de 100 décisions couvrant 15 modules de plateforme, incluant les portes de risque en temps réel, l'orchestration des récompenses et de l'engagement, le routage des paiements, l'alerte de trésorerie et les interventions de jeu responsable. Les humains définissent les objectifs, les budgets et les portes d'approbation ; l'IA et les modèles ML rédigent, évaluent, simulent et optimisent dans ces limites ; le moteur exécute de manière déterministe dans les limites approuvées et enregistre tout.
En tant qu'Ingénieur IA au sein de l'équipe Intelligence,
vous êtes l'ingénieur produit de la plateforme de données et d'agents. Vous construisez des agents de production qui répondent à de vraies questions métier et, à mesure qu'ils gagnent en autonomie, agissent auprès de clients réels et avec de l'argent réel : fondés sur des données, auditable, sécurisés contre les entrées adverses, et validés par approbation humaine lorsque les enjeux l'exigent. Et vous construisez l'intelligence sous-jacente et autour d'eux : les modèles et analyses qui alimentent les décisions, et les tableaux de bord où l'entreprise voit et pilote tout, sur une plateforme où une mauvaise décision peut déplacer de l'argent et où chaque décision doit être reconstructible.
Quel type de culture puis-je attendre ?
Mature, axée sur la mission et avec peu d'ego. Nous valorisons la clarté plutôt que le bruit, les résultats plutôt que le spectacle, et le rythme sans chaos. Si vous êtes l'un des esprits les plus brillants dans votre domaine et que vous souhaitez construire avec d'autres experts, vous vous sentirez chez vous ici.
Responsabilités Clés
Votre première livraison est un agent analyste BI SQL en production : un agent natif Slack qui répond aux questions métier avec des requêtes SQL gouvernées sur l'entrepôt analytique, avec des requêtes validées, des résultats vérifiés et des preuves citées derrière chaque chiffre.
À partir de là, le rôle équilibre quatre métiers à parts à peu près égales : agents IA, machine learning, science des données, et les tableaux de bord et interfaces qui les exposent.
Agents IA
- Construire et posséder des agents analystes de bout en bout : agents natifs Slack qui traduisent les questions métier en langage naturel en requêtes SQL gouvernées sur l'entrepôt analytique, répondent aux questions P&L exécutives, publient des briefings de santé quotidiens et expliquent les mouvements de métriques avec une analyse des causes profondes basée sur les données ; protégés par la validation des requêtes et du schéma SQL, des vérifications de cohérence des résultats et des comparaisons des métriques quotidiennes avec les vues de reporting canoniques.
- Étendre aux agents orientés client : triage d'intention et routage, réponses basées sur la récupération d'informations (RAG) sur des bases de connaissances versionnées avec des mécanismes de repli stricts d'abandon et d'escalade, machines à états conversationnelles multi-tours, voix de marque localisée et logique d'escalade ; intégrés à nos plateformes d'aide et CRM (ingestion de webhooks, gestion du cycle de vie des sessions, étiquetage des métadonnées d'intention, tickets d'escalade automatisés avec contexte d'outil pré-empaqueté).
- Construire la couche d'outils à stratification de risque entre les agents et les back-offices APIs : outils de collecte de contexte en lecture seule, validation basée sur l'information avant toute action, flux de confirmation multi-tours, et un interrupteur par outil qui déplace les mutations à faible risque de l'approbation du responsable à l'exécution entièrement autonome à mesure que les preuves s'accumulent. Renforcer les agents contre les entrées adverses : filtrage d'injection de prompt, gel des seuils de confiance sur les intentions sensibles, chemins d'escalade de sécurité silencieux et défenses contre l'utilisation abusive des outils et l'exfiltration de données.
- Construire les agents selon l'échelle d'autonomie en utilisant LangGraph, le protocole de contexte de modèle (MCP) / SDK d'Anthropic Agent, ou des frameworks d'orchestration équivalents. Ingénierer la boucle de rétroaction fermée (capture des corrections, journalisation des requêtes prouvées et de la mémoire sémantique), la journalisation d'audit des décisions et les outils d'évaluation, y compris les suites de régression prouvant que les nouveaux outils ou intentions n'introduisent aucune dégradation des chemins existants.
Machine Learning
- Construire et industrialiser les modèles derrière les signaux de décision de la plateforme : modèles de churn, de valeur vie client et de sensibilité aux bonus pour l'engagement ; scores de risque composite des joueurs sur les signaux d'identité, de paiement, de jeu, de bonus et de réseau ; détection de collusion, de jeu par bot et de multi-comptes ; et détection d'anomalies pour la trésorerie et les paiements.
- Livrer les modèles comme signaux gouvernés, pas comme notebooks : contrats versionnés et soumis à des SLA avec le moteur de décision et vos agents, avec surveillance de la fraîcheur, de la dérive et de la calibration, et chemins de réentraînement automatisés, servis sur les niveaux temps réel (Kafka/MSK), quasi temps réel et batch (ClickHouse).
Science des Données
- Assumer le scoring du risque de retrait multi-vecteurs : scores par vecteur avec justification et confiance citées, agrégation consciente des preuves, et re-scoring automatique lorsque des preuves tardives arrivent.
- Codifier les règles métier avec les propriétaires de domaine et maintenir la politique auditable : traduire la politique en règles déterministes et configurables ; simuler et backtester chaque changement de règle ou de seuil sur des données historiques avant activation ; concevoir des groupes de contrôle et des holdouts pour mesurer le véritable uplift ; et exécuter les analyses approfondies qui alimentent à la fois vos agents et l'équipe de direction.
Tableaux de bord et Interfaces
- Construire les interfaces de supervision et d'approbation pour vos agents : files d'attente de revue avec des cartes de proposition d'action en un clic pour les mutations à haut risque, lecture de session consultable exposant les prompts, les sorties de modèle, les chaînes de raisonnement et les appels d'outils, et un module de notation structuré dont la sortie alimente les jeux de données d'évaluation et de fine-tuning.
- Concevoir et livrer les tableaux de bord par lesquels l'entreprise consomme votre travail : vues d'audit des décisions, tableaux de bord de performance des agents (taux de correction, taux d'échec, volume de décisions par règle et vecteur), files d'attente de revue des risques, et vues KPI construites avec l'équipe BI, déplaçant le dashboarding vers la détection et l'explication d'anomalies assistées par IA.
Profil recherché
- 4+ années d'expérience en ingénierie logicielle, science des données ou machine learning d'ingénierie, dont 1+ années à construire des agents alimentés par LLM en production : utilisation d'outils et appel de fonctions, sorties structurées, récupération et mémoire, et orchestration multi-étapes avec des frameworks tels que LangGraph ou le SDK d'Anthropic Agent.
- Vous avez déployé un système RAG en production et pouvez parler concrètement de l'ancrage, du découpage et de la qualité de la récupération, du contrôle des hallucinations, et du moment où refuser de répondre.
- Vous considérez les agents orientés client comme une surface d'attaque : vous pouvez expliquer comment vous vous défendriez contre l'injection de prompt, l'abus d'appels d'outils et la fuite de données par les sorties de modèle.
- Propriété du cycle de vie ML en production : ingénierie des caractéristiques, entraînement, déploiement, surveillance et réentraînement. L'expérience en détection de fraude, de risque ou d'abus est un signal fort : classes déséquilibrées, utilisateurs adverses et décisions à coût asymétrique.
- Rigueur statistique : conception d'expériences, holdouts et groupes de contrôle, mesure de l'uplift, et calibration des scores ; vous pouvez défendre un choix de seuil auprès d'un responsable de la conformité aussi confortablement qu'auprès d'un ingénieur.
- Discipline d'évaluation pour les systèmes non déterministes : vous avez construit des outils d'évaluation et des suites de régression et avez détecté la dérive de qualité avant vos utilisateurs.
- Solides compétences en Python pour les services de production, à l'aise en TypeScript pour les interfaces de revue et d'approbation que vous livrerez, et solides compétences en SQL sur les bases de données analytiques colonnaires (ClickHouse de préférence).
- Capable de mener votre propre travail jusqu'à une interface prête pour les parties prenantes : files d'attente de revue, interfaces d'approbation, tableaux de bord et applications internes légères, en utilisant un framework front-end ou des outils tels que Streamlit. Vous n'attendez pas qu'une autre équipe rende votre travail visible.
- Expérience dans la conception de systèmes où les sorties de modèle alimentent une exécution déterministe, en gardant cette frontière claire (les modèles notent, suggèrent et rédigent ; la logique gouvernée décide), avec une observabilité et un traçage LLM (Langfuse, LangSmith ou similaire) et la propriété de ce que vous livrez, y compris quand cela casse.
Atouts supplémentaires
- Expérience dans l'iGaming ou d'autres environnements à haute confiance et à forte intensité de transactions où la sécurité, la prévention de la fraude, l'auditabilité, la traçabilité, l'intégrité des données et des contrôles opérationnels robustes sont des exigences d'ingénierie fondamentales.
- Expérience d'intégration avec des plateformes d'aide ou de service client (Intercom, Zendesk ou similaire) : webhooks, APIs de conversation, assistance aux agents ou automatisation complète.
- Exposition aux flux de transactions basés sur la blockchain ou la crypto-monnaie, y compris les données on-chain, le clustering de portefeuilles ou le règlement en stablecoins.
- Expérience avec l'optimisation contrainte, les bandits ou l'apprentissage par renforcement appliqué dans des contraintes métier strictes (budgets, plafonds, listes d'exclusion).
- Expérience avec des moteurs de règles ou des systèmes de gestion de décisions, et le développement d'applications Slack.
- Expérience événementielle et de streaming : consommateurs Kafka ou MSK, traitement idempotent et gestion des erreurs.
Comment nous travaillons
- Entièrement à distance avec une communication asynchrone en priorité. Une superposition avec le fuseau horaire européen est préférée.
- Petite équipe Intelligence à haute autonomie au sein de la fonction Données. Vous rapportez au Responsable des Données et coordonnez avec les équipes IA, BI et Infrastructure et, pour les agents orientés client, avec le Responsable du Service Client et les équipes produit dont vos agents servent les plateformes.
- Les décisions d'architecture sont documentées et débattues. Vous participerez aux revues de conception et serez propriétaire des décisions de votre domaine.
- L'autonomie s'acquiert par la preuve. Les modèles et les agents commencent en mode proposition seule, validée par un humain, et progressent un niveau à la fois, soutenus par des simulations et des données de résultats.
- Nous construisons pour une échelle multi-locataire dès le premier jour. Ce que vous livrez pour un opérateur doit pouvoir absorber le suivant sans effort d'ingénierie supplémentaire.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil