AI Engineer (H/F/NB)
Company: Keyrus France
Role summary
AI Engineer (H/F/NB) is a full-time role at Keyrus France in Bordeaux, Nouvelle-Aquitaine, France (hybrid). Posted 2026-08-19. Experience level: 2-5.
- Job title
- AI Engineer (H/F/NB)
- Company
- Keyrus France
- Location
- Bordeaux, Nouvelle-Aquitaine, France
- Work arrangement
- hybrid
- Employment type
- full-time
- Category
- AI & Machine Learning
- Experience level
- 2-5
- Date posted
- 2026-08-19
You’ll love this opportunity to tackle complex AI challenges at Keyrus, where you get to build innovative solutions that have a real-world impact. It’s an exciting environment for anyone looking to sharpen their technical expertise while working on cutting-edge projects alongside a highly skilled team.
Job description
Pourquoi rejoindre Keyrus aujourd'hui ?
Keyrus est un groupe international de 2 800 consultants et experts présents dans 28 pays , porté par une conviction forte : ce n'est pas l'intelligence artificielle qui transforme les entreprises, mais l'intelligence conçue, structurée et intégrée à leur fonctionnement.
Depuis plus de 30 ans, nous construisons les fondations data qui permettent aux systèmes intelligents de créer de la valeur. Nous concevons le système d'exploitation de l'entreprise intelligente, où la donnée, l'IA et l'expertise humaine s'intègrent au cœur des processus métiers pour générer une performance durable. Chez Keyrus, nous donnons vie à l'intelligence opérationnelle.
L'intelligence artificielle ne remplace pas l'humain. Elle lui permet de se concentrer sur ce qu'aucun système ne peut reproduire : comprendre, décider, concevoir et innover. Rejoindre Keyrus, c'est construire son jugement, son expertise et sa capacité à résoudre des problématiques complexes.
La technologie est un accélérateur. La culture Keyrus fait la différence. L'excellence opérationnelle permet de relier les deux.
AI Engineer
L'AI Engineer construit, orchestre et déploie l'intelligence artificielle en production : briques d'IA générative (Anthropic, OpenAI, Mistral, Google Gemini, etc.), modèles de machine learning, agents multi-étapes intégrés aux systèmes du client. C'est la colonne technique du dispositif Keyrus AI, garant que ce qui est déployé fonctionne, tient à l'échelle et reste maîtrisé en coût : chaque brique construite porte sa propre responsabilité FinOps, du prototype à la production.
Ce qui vous attend
Vous concevez et déployez des systèmes d'IA agentique de bout en bout : du modèle de langage (Anthropic, OpenAI, Mistral, Google Gemini, etc.) capable de raisonner à l'agent autonome capable d'agir, en environnement de production réel, pas en prototype isolé.
Vous architecturez des agents multi-étapes qui orchestrent outils, mémoire et prise de décision : vous ne branchez pas un modèle sur une API, vous structurez la manière dont l'IA agit dans le système d'information du client.
Vous intégrez ce que vous construisez au sein des architectures du système client, en vous appuyant sur les connecteurs, API et protocoles disponibles (CRM, ERP, MCP, webhooks).
Vous maîtrisez le coût des modèles (Anthropic, OpenAI, Mistral, Google Gemini, etc.), des tokens et de l'inférence (FinOps IA), pour que la valeur créée tienne à l'échelle, pas seulement en démonstration.
Vous documentez chaque agent que vous construisez (périmètre, capacités, limites, KPIs), pour qu'il reste exploitable au-delà de votre présence sur la mission.
Vous itérez à partir des retours d'usage réels (pilotes, métriques), plutôt que de considérer un agent comme terminé dès son premier déploiement.
Vous accompagnez la montée en compétences des équipes internes sur ces sujets, en posture de champion du changement.
Ce que vous apportez
Le socle Architect of Intelligence : des qualités indispensables, présentes dans les critères ci-dessous : curiosité, créativité, communication, conscience professionnelle, culture, capacité à faire.
Expérience et parcours
Une expérience de construction de briques d'IA générative (Anthropic, OpenAI, Mistral, Google Gemini, etc.) ou agentique en production, pas seulement en prototype ou en atelier, quel que soit votre point de départ : ESN, éditeur, startup, ou client final.
Une pratique de l'intégration système (API, CRM, ERP, webhooks, connecteurs) dans des environnements de production réels.
Une trajectoire technique orientée vers l'autonomie croissante sur le déploiement de solutions IA, avec l'ambition d'évoluer aux côtés du Forward Deployed Engineer et du Foundations Architect .
Posture et savoir-être
Une rigueur d'ingénierie qui dépasse la validation en démonstration : vous pensez production, coût et maintenabilité dès la conception.
Une curiosité pour le résultat métier produit par ce que vous construisez, pas seulement pour la technique elle-même.
Une capacité à produire, documenter et transmettre ce que vous construisez, pour qu'un agent survive à votre départ de la mission.
Une posture d'enablement : vous aimez faire monter les autres en compétence, pas seulement livrer seul.
Compétences techniques indispensables
Maîtrise d'un langage de prédilection pour l'IA : Python en priorité, Java ou Node.js/TypeScript en alternative selon l'écosystème du client.
Conception d'architectures d'agents multi-étapes (prompts, tools, mémoire, guardrails).
Utilisation de frameworks d'orchestration d'agents (LangChain, LangGraph, LlamaIndex, CrewAI).
Mise en œuvre de RAG et d'évaluation de LLM (Anthropic, OpenAI, Mistral, Google Gemini, etc.).
Utilisation de bases de données vectorielles (Pinecone, Milvus, Chroma, pgvector).
Maîtrise pratique des APIs et SDKs des principaux fournisseurs de modèles (Anthropic, OpenAI, Mistral, Google Gemini, etc.), avec function calling / tool use.
Mise en place de frameworks d'évaluation et de test de sorties LLM (Anthropic, OpenAI, Mistral, Google Gemini, etc.) : evals, guardrails.
Intégration système au sein d'architectures client (CRM, ERP, MCP, webhooks, connecteurs).
Utilisation d'outils d'orchestration low-code/no-code (n8n, Make, Dust).
Maîtrise des fondamentaux Data Engineering : SQL, modélisation, plateformes data (Snowflake, BigQuery, Databricks).
Maîtrise des leviers FinOps IA : cache sémantique, model tiering, prompt optimization.
Rédaction éprouvée de documentation technique (agents, pipelines, architectures d'intégration) destinée à d'autres équipes.
Anglais professionnel courant, à l'écrit comme à l'oral, indispensable quel que soit le niveau d'expérience.
C