Sourcing IA : Ingénieur IA Générative

Tu es un expert en recrutement IA. Génère une description de poste attractive pour un Ingénieur IA Générative chez Pyl.Tech. Contexte entreprise : - Pyl.Tech : ESN spécialisée en IA, Data et Cloud - Projets : Déploiement solutions IA GenAI pour grands comptes - Culture : Innovation, R&D, excellence technique Éléments à inclure : 1. Titre accrocheur 2. Missions : Développement applications LLM, fine-tuning, RAG, prompt engineering 3. Stack : Python, LangChain, GPT-4, Claude, LLaMA, Vector databases, APIs 4. Profil : 5+ ans ML/NLP, expérience LLMs en production 5. Avantages : Remote, projets R&D, formations, conférences IA 6. Fourchette : 60-85K€ Tone : Technique mais accessible, focus impact et innovation.

Génère un message LinkedIn pour approcher un Ingénieur IA Générative actuellement chez [ENTREPRISE]. Contexte candidat : - Poste actuel : [TITRE] - Expérience : [X] ans en ML/NLP - Projets identifiés : [GITHUB/PUBLICATIONS] Structure : 1. Accroche sur un projet/article spécifique qu'il a publié 2. Pourquoi Pyl.Tech : projets IA GenAI de pointe, R&D, stack moderne 3. Opportunité : Développement solutions LLM pour CAC40 4. CTA soft : échange 15min sur l'IA générative Contraintes : - Max 250 mots - Ton : Technique mais friendly, pas corporate - Éviter : buzzwords creux - Mettre en avant : stack LLM moderne, autonomie technique

Analyse ce profil pour évaluer le fit avec Ingénieur IA Générative chez Pyl.Tech. [COLLER CV OU PROFIL LINKEDIN] Critères d'évaluation : 1. Expérience LLMs (GPT, Claude, LLaMA) : /10 2. NLP & Machine Learning : /10 3. Python & frameworks ML : /10 4. Prompt Engineering & Fine-tuning : /10 5. Déploiement production (APIs, scaling) : /10 6. Veille techno IA (publications, GitHub, conférences) : /10 Pour chaque critère : - Score /10 + justification - Points forts identifiés - Lacunes éventuelles Conclusion : - Score global /100 - Recommandation : GO / RÉSERVE / NO GO - 3-5 questions à creuser en entretien

Génère 10 questions techniques pour évaluer un Ingénieur IA Générative. Répartition : - 4 questions sur les LLMs (architecture, fine-tuning, prompting) - 3 questions sur RAG et vector databases - 2 questions sur déploiement production - 1 question sur éthique/biais IA Pour chaque question : 1. La question 2. Objectif d'évaluation 3. Réponse attendue (points clés) 4. Red flags (mauvaise réponse) Format : Tableau [Question | Objectif | Bonne réponse | Red flags]