DaCodes

13 nov. 2026

Ingénieur IA Appliquée - LLMs & Systèmes Agentiques | Télétravail Mexique/LATAM

À distanceMexique

Mexique

Python

Traduction automatique. Consultez l’original.

À propos de l'opportunité

Nous recherchons un(e) Ingénieur IA Appliquée pour rejoindre l'équipe technique d'une fintech développant des solutions de transferts internationaux et de remises, opérant principalement entre les États-Unis, le Mexique et l'Amérique centrale.

Le poste est axé sur la conception, le développement et la mise en production de solutions d'intelligence artificielle basées sur des Large Language Models (LLMs), des systèmes agentiques et la récupération d'informations (RAG).

Nous recherchons une personne ayant travaillé directement sur la construction de ces solutions, capable de prendre des décisions techniques fondées et comprenant comment garantir leur qualité, leur fiabilité et leur fonctionnement dans des environnements réels.

Il ne s'agit pas d'un poste centré exclusivement sur le Machine Learning traditionnel ou sur l'expérimentation de modèles. L'accent principal est mis sur l'ingénierie de solutions d'IA appliquées à des problèmes métier.

Ce que nous recherchons chez la personne

Ownership technique : capacité à expliquer ce que vous avez construit, les décisions prises et les résultats obtenus.

Critère d'architecture : choisir des solutions pour leur utilité et leurs contraintes, et non pour la popularité d'une technologie.

Orientation production : prendre en compte la qualité, les erreurs, le monitoring, les coûts et la maintenance dès la conception.

Esprit critique : remettre en question et clarifier les besoins avant de proposer une solution.

Communication : expliquer les décisions techniques et leurs implications aux profils techniques et métier.

Autonomie : résoudre les problèmes avec initiative et assumer la responsabilité des résultats.

Quel type d'expérience nous intéresse particulièrement ?

Nous souhaitons connaître les projets où vous avez participé directement au développement d'une solution avec des LLMs ou des agents ayant été utilisée par des utilisateurs réels.

Au cours du processus, nous approfondirons le problème métier, l'architecture implémentée, les décisions que vous avez prises personnellement, les mécanismes d'évaluation et les défis rencontrés lors de leur exploitation.

Nous valorisons davantage la profondeur et la responsabilité démontrable dans des projets réels que la quantité d'outils ou de frameworks mentionnés dans le CV.

Responsabilités

Concevoir, développer et maintenir des applications basées sur les LLMs utilisées dans des processus métier réels.

Construire des systèmes agentiques capables d'interagir avec des outils, des APIs et des services externes, en intégrant des contrôles sur leurs actions.

Évaluer quand il est préférable d'utiliser des agents, des workflows déterministes ou une combinaison des deux.

Concevoir et mettre en œuvre des solutions RAG, incluant des stratégies de chunking, d'embeddings, de retrieval, de reranking et de gestion du contexte.

Mettre en œuvre des mécanismes d'évaluation pour mesurer la qualité des réponses, la récupération d'informations et le comportement des agents.

Identifier et résoudre les problèmes liés aux hallucinations, aux erreurs d'exécution, à la latence, aux coûts et à la fiabilité.

Définir des mécanismes de validation, de gestion des erreurs et de monitoring pour les solutions déployées en production.

Collaborer avec les équipes produit et ingénierie pour comprendre les besoins métier, évaluer les alternatives et les convertir en solutions techniques viables.

Participer directement aux décisions d'architecture, à l'implémentation et à l'amélioration continue des solutions développées.

Exigences indispensables

Expérience en LLMs et systèmes agentiques

Expérience pratique dans la construction et l'exploitation d'applications basées sur les LLMs en production, au-delà des prototypes ou des preuves de concept.

Participation directe aux décisions d'architecture et à l'implémentation de solutions avec des agents.

Expérience dans l'implémentation de tool calling et d'intégrations avec des APIs ou des services externes.

Connaissance pratique de la gestion du contexte, de l'état et de la mémoire dans les applications utilisant les LLMs.

Capacité à justifier quand utiliser un agent et quand résoudre un problème par une logique déterministe.

RAG et récupération d'informations

Expérience dans l'implémentation de pipelines RAG pour des applications réelles.

Connaissance des stratégies de chunking, d'embeddings, de recherche sémantique et de récupération de documents.

Expérience dans l'évaluation et l'amélioration de la pertinence des informations récupérées.

Capacité à identifier les problèmes de retrieval et à réduire les réponses incorrectes ou non étayées.

Évaluation et exploitation

Expérience dans l'implémentation d'évaluations de qualité pour les applications utilisant les LLMs, incluant des tests sur les réponses et le comportement des agents.

Connaissance pratique des mécanismes pour détecter et atténuer les hallucinations, les erreurs et les réponses incohérentes.

Expérience dans l'identification des problèmes de latence, de consommation de tokens et de coûts d'inférence.

Capacité à diagnostiquer les pannes et à améliorer la fiabilité des solutions en production.

Ingénierie logicielle

Expérience solide dans le développement de solutions avec Python.

Expérience dans l'intégration de APIs, de services backend et de modèles de langage.

Bonnes pratiques de développement, tests, gestion des erreurs et maintenance des applications.

Autonomie pour rechercher des problèmes, proposer des alternatives et exécuter des solutions de bout en bout.

Connaissances souhaitables

Expérience avec des frameworks d'orchestration d'agents tels que LangGraph, Pydantic AI ou similaires.

Expérience dans l'implémentation d'intégrations via le Model Context Protocol (MCP).

Connaissance des bases de données vectorielles et des outils de recherche sémantique.

Expérience avec des outils d'observabilité et d'évaluation d'applications LLM.

Connaissances en Machine Learning et Data Science.

Expérience dans la fintech, les services financiers, les paiements, la fraude ou les processus réglementés.

Familiarité avec les contrôles de sécurité et la protection des informations sensibles dans les applications d'IA.

🚀 Intégration à des marques mondiales et des startups disruptives.

🏡 Télétravail/Home office.

⏳ Horaires adaptés à la cellule de travail/projet assigné.

📅 Travail du lundi au vendredi.

🎉 Jour de congé pour votre anniversaire.

🏥 Assurance santé majeure (s'applique au Mexique).

🛡️ Assurance vie (s'applique au Mexique).

🎓 Accès à des cours et certifications.

📢 Cours d'anglais.

🏆 Opportunités au sein de nos différentes lignes de métier.

Langues

Ingénieur IA Appliquée - LLMs & Systèmes Agentiques | Télétravail Mexique/LATAM

À propos de l'opportunité

Ce que nous recherchons chez la personne

Quel type d'expérience nous intéresse particulièrement ?

Responsabilités

Exigences indispensables

Expérience en LLMs et systèmes agentiques

RAG et récupération d'informations

Évaluation et exploitation

Ingénierie logicielle

Connaissances souhaitables

Ton prochain jobest déjà à ta recherche.

Plus d’opportunités avec un seul profil

Continuer à explorer

Ingénieur Support Technique IT / OT

Responsable Machine Learning, Data Science et IA

Administrateur d'infrastructure serveur