INGENIEUR(E) AI/NLP (Recherche & Développement)

Ingénieur(e) AI/NLP (Recherche & Développement) — Umbaji recrute en temps plein un(e) ingénieur(e) spécialisé(e) en intelligence artificielle appliquée à la voix et au langage.

À propos d'Umbaji

Umbaji développe des technologies avancées pour répondre aux besoins concrets du continent africain. L'entreprise crée des modèles de langage (LLM) pour les langues locales et construit des services d'assistants intelligents. Sa vision : rendre l'IA accessible, utile et pertinente pour l'Afrique.

Rattachement et raison d'être

Le poste est rattaché au CTO / Lead AI. L'objectif est de rendre l'IA accessible, utile et pertinente pour l'Afrique par la recherche constante et l'optimisation des modèles. L'ingénieur(e) AI/NLP développe, entraîne et déploie des modèles d'intelligence artificielle appliqués à la voix et au langage (LLM, STT, TTS) adaptés aux langues africaines (Ewe, Mina, Kabyè) et aux secteurs clés (finance, santé, éducation, administration). Il ou elle assure la performance, la maintenance et l'innovation continue des systèmes pour garantir une qualité technique de niveau industriel.

Conception et entraînement des modèles : développer des modèles ASR (reconnaissance vocale), TTS (synthèse vocale) et LLM (NLP) pour les langues locales.

Gestion du cycle de vie des données : piloter l'ingestion, le nettoyage et l'alignement des corpus (textes/audio) pour les domaines cibles (finance, santé, etc.), et garantir l'intégrité des données via des mécanismes de hashing et d'audit trail.

Fine-tuning et optimisation : adapter des architectures existantes (Whisper, VITS, FastSpeech, LLM) aux spécificités linguistiques locales, en optimisant le rapport qualité/latence.

Évaluation et validation : maintenir les benchmarks (WER/CER, MOS, F1) et le « golden set » de référence pour les tests de régression automatisés (CI/CD).

Déploiement et MLOps : intégrer les modèles dans des pipelines de production (CI/CD), assurer la traçabilité des versions (DVC/Git), le packaging (ONNX, Triton) et le monitoring en temps réel.

Innovation et R&D : explorer et implémenter de nouvelles techniques (RAG).

Compétences techniques requises

Langages et frameworks : Python (PyTorch, TensorFlow ou JAX), maîtrise des bibliothèques de transformation (HuggingFace).

Architectures NLP/Audio : expérience avérée avec les modèles sequence-to-sequence (Whisper, VITS, FastSpeech, Tacotron).

Data et MLOps : gestion de datasets volumineux (DVC), conteneurisation (Docker, Kubernetes), suivi expérimental (MLflow, Weights & Biases).

Environnement : Linux, scheduling GPU (CUDA), déploiement via API REST/gRPC (Triton/TorchServe).

Conformité : maîtrise des problématiques liées à l'anonymisation (PII), au RGPD et à l'éthique des données.

Méthodologie et soft skills

Rigueur scientifique : capacité à mesurer, documenter et analyser chaque itération.

Orientation produit : capacité à transformer une recherche académique en MVP intégrable.

Communication : capacité à vulgariser des concepts techniques complexes pour des équipes pluridisciplinaires (linguistes, développeurs, juristes).

Indicateurs de performance (KPIs)

Réduction continue du WER (Word Error Rate) et du CER (Character Error Rate). Amélioration du MOS (Mean Opinion Score) sur les modèles TTS. Latence P95 sur les API inférieure ou égale au seuil défini. Qualité d'annotation et complétude des métadonnées (QA ≥ 95%).

Niveau d'étude : Bac+5 en IA, Data Science, Mathématiques appliquées ou génie logiciel. Expérience : 2 ans minimum, et plus précisément 2 à 4 ans d'expérience en IA appliquée, avec une spécialisation marquée en NLP, STT ou TTS. Un intérêt profond pour les langues africaines à faibles ressources et la diversité linguistique est attendu, ainsi qu'une expérience dans un environnement Cloud (GCP/AWS/Azure).

[Click the Apply button below to apply, and Create my CV to build a CV tailored to this offer, professionally]