Stage Data Scientist IA – Optimisation des Agents IA
Job Location:
Monthly Salary:
Posted:
Application Deadline:
Vacancies:
Job Summary
En quelques années ChapsVision sest imposé comme un acteur européen de référence du Big Data et de lIntelligence Artificielle.
Notre ambition : permettre aux entreprises et aux organisations publiques dexploiter leurs données de manière souveraine sécurisée et intelligente.
Depuis 2019 :
380 M levés auprès de Bpifrance
29 acquisitions
1 200
1 000 clients grands comptes
Présence internationale : Canada États-Unis Maroc Belgique Japon Allemagne Espagne
Membre du French Tech Next40
Ce que nous construisons :
Une suite IA dédiée aux entreprises : CRM Marketing Automation Commerce Unifié Analytics
Des solutions souveraines pour les acteurs stratégiques publics : défense renseignement cybersécurité
Le tout sappuie sur ArgonOS notre plateforme de traitement massif de données renforcée par les technologies RAG de Sinequa.
LIA agentique ouvre de nouvelles perspectives pour automatiser des processus complexes mais soulève également des enjeux majeurs de coût de performance et de scalabilité.
Au sein de notre équipe AI Research vous contribuerez à développer des techniques permettant doptimiser lexécution dagents IA tout en conservant un haut niveau de qualité. Les travaux porteront notamment sur le routage intelligent entre modèles la distillation les architectures multi-agents et loptimisation des workflows agentiques.
Développer des métriques de coût et de performance des agents IA.
Concevoir des pipelines de routage entre différents modèles de langage.
Expérimenter des approches de distillation dagents vers des modèles plus légers.
Comparer différentes architectures (mono-agent vs multi-agents).
Étudier des mécanismes dadaptation dynamique des workflows agentiques.
Réaliser des benchmarks coût / qualité / performance.
Environnement technique
Python
LLM
Agents IA
ReAct
Multi-Agent Systems
LangGraph
LangChain
Distillation
Git
Linux
Frameworks dévaluation LLM
Bibliographie :
1. RouteLLM: Learning to Route LLMs with Preference Data Ong I. Almahairi A.
Wu V. Chiang W.-L. Wu T. Gonzalez J. E. Kadous M. W. Stoica I. (2024 ICLR 2025).
arXiv:. Doing More with Less: A Survey on Routing Strategies for Resource
Optimisation in Large Language Model-Based Systems (2025).
arXiv:. Distilling LLM Agent into Small Models with Retrieval and Code Tools Kang et
al. (2025). arXiv:. Why Do Multi-Agent LLM Systems Fail Cemri M. Pan M. Z. Yang S. Agrawal
L. A. et al. (2025). arXiv:. AFlow: Automating Agentic Workflow Generation Zhang J. et al. (2024 ICLR
About Company
Coheris CRM est la seule offre à vous permettre de connaitre parfaitement vos clients et à partir de cette connaissance leur offrir une expérience inégalée.
