Job description
Description
Nous proposons un contrat CIFRE (1 an) pour un·e doctorant·e en Intelligence Artificielle afin de mener des travaux appliqués autour des grands modèles de langage (LLMs) et de leur potentiel dans un produit SaaS comme Livestorm.
L’enjeu est double : produire une recherche de qualité et prototyper des cas d’usage fonctionnels (POCs) adaptés à notre domaine.
Vous serez encadré·e par notre VP Engineering, en lien avec nos équipes Produit et Data.
Dans le cadre d’un apprentissage d’un an financé par CIFRE, vous intégrerez notre R&D pour concevoir et prototyper des POCs IA/LLMs applicables aux cas d’usage concrets de Livestorm : automatisation de résumés, enrichissement CRM, analyse conversationnelle, suggestions interactives, etc.
Vous serez profondément impliqué·e dans l’équipe produit/ingénierie, et vous reporterez directement au VP Engineering.
Vos missions
Concevoir et développer des prototypes fonctionnels utilisant LLMs, embeddings, vector database, RAG, agents conversationnels, etc.
Sélectionner et évaluer des modèles (OpenAI, HuggingFace, Mistral, Claude, etc.) selon leur pertinence pour les workflows de Livestorm.
Co-construire les cas d’usage avec les équipes Produit : webinars, meetings, engagement utilisateur, auto‑summary…
Effectuer une veille scientifique et technique continue : lecture de papers, benchmark de modèles open source et propriétaires
Évaluer des architectures et frameworks (agentic workflows, orchestration, etc.)
Rédiger la partie scientifique de votre thèse.
Présenter régulièrement vos résultats et recommander des pistes d’industrialisation.
Structurer et documenter vos travaux dans le cadre académique du Doctorat (rapport, soutenance, publications possibles)
Requirements
Langages, Frameworks & APIs
Python (indispensable) – manipulation de données, orchestration de pipelines, scripting
APIs d’IA générative : OpenAI (GPT-4/4o), Anthropic (Claude), Mistral, etc.
REST, Webhooks…
LangChain, LlamaIndex ou autre pour l’orchestration d’agents / RAG
Vector stores (e.g Pinecone) and Knowledge graphs (eg: Cognee)
Concepts & Pratiques IA
Fine-tuning, prompt engineering, embeddings, attention mechanisms
Evaluation d’un POC IA : latency, coût, pertinence, hallucinations, scalabilité
Profil
Inscrit·e en Doctorat (CIFRE-compatible) dans un laboratoire travaillant sur l’IA, le NLP ou l’apprentissage machine
Diplômé·e d’une école d’ingénieur ou master informatique/data science
Expérience concrète en développement
Curieux·se, structuré·e, autonome, capable de vulgariser et documenter des approches complexes
Intérêt marqué pour les produits SaaS et leur environnement business
