Machine-Learning Programmer

Description du poste

DocGPT est la plateforme interne d’assistance aux connaissances d’Ubisoft, dévoilée cette année lors de la Conférence des développeurs de jeux (GDC) 2026 et déployée dans plusieurs studios et divisions. En coulisses, des outils d’ingestion de données, d’administration et d’intégration assurent la fiabilité de la plateforme au quotidien. En tant que responsable technique de ces sujets, vous définirez des standards d’outillage et veillerez à ce que la demande croissante de déploiements soit gérée de manière transparente.

Vous serez responsable du leadership technique des composants IA de DocGPT : en tant qu’expert en recherche d’information et en intégration LLM, vous définirez l’orientation stratégique, guiderez l’équipe et transformerez des exigences parfois ambiguës en solutions robustes.

Ce que vous ferez

• Définir et superviser l’orientation technique des pipelines de récupération : chunking, indexation sémantique, recherche vectorielle et reranking.
• Établir des standards d’évaluation pour la plateforme et faire de la qualité des réponses une priorité absolue dans le cycle de développement.
• Définir l’approche d’intégration des grands modèles de langage (LLM) dans un contexte multi-tenant : gestion du contexte, ingénierie de prompts, contrôle des coûts et évolution vers des capacités orientées agents.
• Identifier de manière proactive les limites de l’architecture actuelle et proposer des améliorations avant qu’elles n’affectent les utilisateurs.
• Mentorer des membres juniors et mid-level sur les meilleures pratiques ML et la rigueur expérimentale.
• Agir comme point de contact de confiance pour les équipes clientes et les parties prenantes sur les sujets liés à l’IA.

Qualifications

Ce que vous apporterez à l’équipe

• 5+ ans d’expérience en machine learning appliqué pour des systèmes de recherche d’information ou du NLP en production.
• Maîtrise du Python et des frameworks ML/NLP : LangChain, LlamaIndex, HuggingFace Transformers.
• Expérience avérée avec des architectures RAG : modèles d’embeddings (OpenAI, Cohere, BGE), bases de données vectorielles (Qdrant, pgvector, Weaviate, Pinecone) et reranking (cross-encoders).
• Maîtrise des APIs LLM (Claude, OpenAI GPT) et techniques avancées d’ingénierie de prompts (few-shot, chain-of-thought, sorties structurées).
• Expérience avec des frameworks d’évaluation RAG : RAGAS, métriques MRR/NDCG, et construction de jeux de données d’évaluation.
• Notions de familiarité avec des environnements cloud AWS et Databricks (MLflow, Feature Store) et environnements conteneurisés.
• Leadership technique démontré et aisance avec l’ambiguïté ; excellentes compétences en communication.