Ingénieur-e IA/DevOps - Inclusion et Accessibilité Numérique F/H (H/F)
Summary
AI/DevOps engineer at Handipulse (inclusion & digital accessibility) in Toulouse: evaluates, prototypes, and industrializes AI solutions for document/image analysis and content adaptation — OCR, ML/DL, LLM/VLM, NLP pipelines — choosing between existing services, open-source models, or in-house components based on quality, cost, latency, and sovereignty.
CONTEXTE DU POSTE
Handipulse entre dans une phase d'accélération : industrialisation du catalogue des produits Handipulse et intégration croissante de briques IA dans ses produits. Nous recherchons un-e ingénieur-e logiciel IA opérationnel-le, capable d'identifier rapidement les solutions pertinentes, de les comparer, de les prototyper, de les intégrer et de contribuer à leur mise en production. Selon les besoins, le poste pourra également contribuer à l'adaptation ou au développement de composants IA internes.
RESPONSABILITÉ PRINCIPALE ET FRONTIÈRES
Comparer, intégrer et industrialiser les solutions IA qui répondent aux besoins des produits Handipulse, notamment pour l'analyse et l'adaptation de documents, d'images et de contenus. Pour chaque besoin, arbitrer entre utiliser une solution existante, l'adapter ou développer une brique interne selon la qualité, le coût, la latence, la souveraineté et la maintenabilité. L'IA génère une proposition corrigée et validée par un opérateur ; elle ne publie jamais seule. Le poste travaille avec les équipes produit, développement, recherche et métier. Il contribue aux pipelines IA et à leur intégration ; l'infrastructure, l'accessibilité et la conformité restent portées avec les fonctions dédiées.
VOS MISSIONS
- 1. Identifier, comparer et prototyper des solutions IA adaptées aux besoins de Handipulse : services existants, modèles open source/open-weight, options souveraines ou développements spécifiques.
- 2. Structurer et intégrer des pipelines IA autour de l'analyse de documents et d'images, de l'OCR, du ML/DL, des LLM/VLM, du NLP et de la transformation ou génération de contenus.
- 3. Évaluer les solutions selon leur qualité, leur coût d'usage, leur latence, leurs contraintes de données, leur souveraineté, leur maintenabilité et leur capacité à passer à l'échelle.
- 4. Assurer la qualité et la reproductibilité : définir des métriques utiles, tester les solutions et suivre les erreurs, les performances, la latence et les coûts.
- 5. Mo