Ingénieur(e) cybersécurité IA LLM – F/H

Rejoignez l'ANSSI, l'Agence nationale de la sécurité des systèmes d'information. En tant qu'ingénieur(e) cybersécurité IA LLM, vous serez au cœur de la cybersécurité en France. Vous concevrez, développerez et mettrez à disposition des plateformes intégrant de l'IA pour optimiser les méthodes et outils des architectes et experts en cybersécurité. Vous travaillerez en étroite collaboration avec vos collègues et aurez accès à un large panel de formations et conférences en cybersécurité.

• Accompagner les collègues dans la définition des besoins et leur déclinaison en cas d’usage, suggérer des méthodes reposant sur l’IA.
• Concevoir ou intégrer des fonctionnalités d’IA générative dans des plateformes informatiques internes utilisées à des fins d’expérimentation et d’analyse.
• Développer et adapter l’outillage en fonction des cas d’usage, des limites technologiques et des contraintes en matière de cybersécurité.

Vous êtes issu(e) d’une école d’ingénieur délivrant un diplôme reconnu par la commission des titres d’ingénieur, ou avez suivi un cursus universitaire de niveau BAC+5 minimum, dans le domaine des technologies de l'information et de la communication.

**Compétences requises**

Connaitre les principaux usages des plus simples (résumé, chat, génération d'image, transcription, etc.) aux plus complexes (par exemple RAG, agentique, harnais, agent, génération de code, assistant métier, gestion de contexte utilisateur, etc.).

Connaissance des design patterns IA (par exemple LLM As Judge, décomposition d'agent hiérarchique, GOAP, Feedback loop, agent loop, etc.).

Connaissance du principe d'embedding, de diffusion, de base de données vectorielle, de RAG, de deep search, d'agent, orchestration, vibecoding/codage agentique, skill, protocole MCP, protocole A2A, etc.

Connaissance de frameworks IA en python ou java (par exemple LangChain ou LangChain4J).

Avoir déjà mis en œuvre un projet agentique serait un plus avec

• Conception d'agent, de rôles spécialisés pour agent (skills), gestion d'outils et ressources, appels de LLM locaux ou externes ;
• Orchestration multi agents avec des framework tel que LangGraph, Crew AI ou Pydantic et des protocoles type A2A ;
• Mise en place de harnais avec des gardes fous, de la gestion d'échecs, du monitoring d'agent, de la mémoire de contexte.