--

Nous sommes à la recherche d’un chercheur ou d’une chercheuse passionné(e) en IA pour se joindre à notre équipe. Vous travaillerez à la jonction de la recherche de pointe en IA et de l’ingénierie de produits : conception, évaluation et déploiement de systèmes d’IA générative qui sont à la fois fiables et efficaces. Ce rôle allie la recherche fondamentale, l'évaluation de modèles et l'ingénierie de logiciels pratiques pour faire progresser la prochaine génération d'applications intelligentes.

À quoi ressemblera votre journée type

Responsabilités
•    Collaborer avec les gestionnaires et les ingénieurs de produits et avec les parties prenantes pour concevoir des solutions axées sur l’IA qui répondent aux exigences techniques et d’affaires. 
•    Effectuer la recherche, le prototypage et le développement d’applications d’IA générative en combinant des GML non déterministes et des techniques déterministes de génie logiciel.  
•    Établir des cadres d’évaluation et des points de référence pour mesurer la qualité des modèles, leur fiabilité et l’incidence sur l’entreprise.  
•    Générer régulièrement des rapports sur l’exactitude, la dérive et le rendement des modèles.  
•    Déboguer, optimiser et améliorer les applications d’IA générative à l’aide de pratiques exemplaires d’ingénierie de requêtes, d’apprentissage par renforcement, d’affinage et d’ingénierie logicielle.  
•    Entraîner et affiner des grands modèles de langage à l'aide des transformeurs de Hugging Face.  
•    Appliquer des techniques d'affinage de l’apprentissage par renforcement à l'aide de la bibliothèque TRL (Transformers Reinforcement Learning) de Hugging Face.  
•    Gérer les flux d’entraînement à l’aide d’outils de suivi des expériences et d’accélérateurs de l’apprentissage distribué (DeepSpeed, Accelerate, FSDP).  
•    Exécuter et optimiser l’entraînement et l'inférence de multiples unités de traitement graphique, en tirant parti de vLLM pour un service à haut débit de traitement et à faible latence.  
•    Contribuer à la conception de pipelines d’opérations d’apprentissage machine (OAM)/DevOps évolutifs pour le déploiement de modèles, la surveillance et l’entraînement continu.  
•    Assurer la conformité aux directives sur la confidentialité et la sécurité des données et sur l’IA responsable lors de la gestion de l’entraînement ou des ensembles de données de test. 
•    Se tenir au courant des recherches émergentes dans le domaine des GML, de l’apprentissage par renforcement à partir de la rétroaction humaine ou de la rétroaction de l’IA, de l’IA multimodale et des modèles génératifs; appliquer les résultats pour améliorer nos systèmes.  
•    Rédiger de la documentation technique et contribuer à des publications, des brevets ou des projets de code source libre, le cas échéant. 

Renseignements sur l’équipe

À titre de conseiller principal ou de conseillère principale en ingénierie AI chez Deloitte, vous aiderez les organisations à tirer parti de l’intelligence artificielle pour améliorer leur performance, leur efficacité et leur innovation, tout en garantissant la sécurité et la conformité. 

Pourquoi Deloitte?
•    Occasion de travailler sur des projets d’IA et de gouvernance des données de pointe avec des organisations de premier plan.
•    Environnement inclusif propice au travail de collaboration.
•    Apprentissage continu et perfectionnement professionnel.
•    Régime de rémunération et d’avantages sociaux concurrentiel.

Assez parlé de nous, parlons de vous

Environnement technologique privilégié
Les candidats ayant de l’expérience relativement aux outils et cadres suivants seront fortement privilégiés :
•    Transformeurs (Hugging Face) pour l’entraînement des modèles, l’affinage et l'inférence.  
•    Bibliothèque TRL (Transformers Reinforcement Learning) pour l’affinage basé sur l’apprentissage par renforcement (optimisation des politiques proximales – PPO, optimisation directe des préférences – DPO, optimisation de la politique relative de groupe – GRPO, apprentissage par renforcement à partir de la rétroaction de l’IA).  
•    DeepSpeed, Accelerate ou FSDP pour l’entraînement de multiples unités de traitement graphique et l’apprentissage distribué.  
•    vLLM pour une inférence optimisée et le service de grands modèles.  
•    Weights & Biases (W&B) ou MLflow pour le suivi et la reproductibilité des expériences.  
•    LangChain, AutoGen (A2A) ou MCP pour le développement d'applications d’IA générative.  
•    PyTorch comme principal cadre d’apprentissage profond.  

Compétences
•    Au moins trois ans d’expérience en ingénierie de l’apprentissage machine, en ingénierie des données ou en recherche appliquée (secteur d’activité ou milieu universitaire).  
•    Solides compétences en programmation Python et expérience avec des cadres comme PyTorch, TensorFlow, JAX.  
•    Expérience pratique avec les transformeurs de Hugging Face pour le préentraînement, l’affinage ou l'inférence.  
•    Expérience avec la bibliothèque TRL de Hugging Face pour l’affinage de l’apprentissage par renforcement (p. ex., optimisation des politiques proximales – PPO, optimisation directe des préférences – DPO, optimisation de la politique relative de groupe – GRPO, apprentissage par renforcement à partir de la rétroaction de l’IA).    
•    Expérience pratique dans la gestion de l’entraînement de multiples unités de traitement graphique et l’apprentissage distribué à grande échelle à l’aide de DeepSpeed, Accelerate ou FSDP.  
•    Expérience de l'inférence sur les grands modèles à l'aide de vLLM ou de cadres de service optimisés similaires.  
•    Bonne connaissance des outils de suivi et de reproductibilité des expériences (p. ex., W&B, MLflow).  
•    Connaissance des pratiques liées aux opérations d’apprentissage machine, incluant l’entraînement continu, la surveillance continue et la gestion du cycle de vie des modèles.  
•    Expérience des cadres d’IA générative comme LangChain, AutoGen (A2A) ou MCP.  
•    Capacité démontrée d’écrire du code propre, maintenable et prêt à la production.  
•    Expérience dans la création ou le soutien de systèmes d’IA infonuagiques (GCP, AWS ou Azure; certifications privilégiées).  
•    Solide connaissance de l’apprentissage par renforcement, du traitement automatique du langage naturel (TALN) ou de la modélisation générative (transformeurs, diffusion, génération améliorée par récupération d’information, etc.).  
•    Antécédents de contributions à la recherche (articles, brevets, projets de code source libre), un atout.  

Les compétences suivantes sont considérées comme des atouts :
•    Expérience en apprentissage par renforcement à partir de la rétroaction humaine ou de la rétroaction de l’IA.  
•    Contributions à des cadres d’IA de source libre.  
•    Bonne connaissance des lois d’échelle, des paramètres d’évaluation et de l’analyse comparative de grands modèles.  
•    Intérêt à repousser les limites de l’IA fiable, explicable et sécuritaire.

Rémunération totale

L’échelle salariale pour ce poste est de 72,000 $ à 138,000 $. Certaines personnes peuvent être admissibles à notre programme de prime. Sur le plan salarial, Deloitte se concentre sur l’équité et la compétitivité. Nous établissons régulièrement des comparaisons aux données de référence du marché établies pour divers postes, secteurs, cibles et niveaux. Notre approche est fondée sur l’importance de reconnaître les forces et les contributions uniques de chaque personne et de récompenser celle-ci pour la valeur qu’elle apporte.

La rémunération totale offerte par Deloitte s’étend bien au-delà des programmes traditionnels de rémunération et d’avantages sociaux et est conçue pour reconnaître les contributions des employés, favoriser le mieux-être personnel et soutenir la croissance du Cabinet. En plus de nos jours de congé payés réguliers, quelques exemples incluent : 4 000 $ par an pour les avantages de soutien en santé mentale, un compte de dépenses flexibles de 1 300 $, des fermetures à l'échelle de l'entreprise connues sous le nom de "Jours Deloitte", des journées dédiées à l'apprentissage (connues sous le nom de Jours de Développement et d'Innovation), des arrangements de travail flexibles et une structure de travail hybride.