Rejoindre la Business Unit AI (Artificial Intelligence), c’est intégrer une équipe de près de 200 consultant·e·s passionné·e·s qui accompagnent les grandes organisations dans la transformation de leurs modèles par la donnée et l’intelligence artificielle.
Nous intervenons de bout en bout, de la détection de cas d’usage IA à fort impact métier à la conception de plateformes technologiques de pointe, jusqu’à la définition de modèles de gouvernance responsables et scalables.
Notre force : une approche qui combine excellence technologique, compréhension fine des enjeux métiers et maîtrise des exigences réglementaires.
Nous opérons auprès de clients grands comptes, en France et à l’international, en synergie avec les autres expertises du cabinet pour maximiser l’impact de nos interventions.
🚀 Nos missions IA & Data s’articulent autour de 3 grands enjeux :
Optimiser et transformer les processus métier avec l’IA : automatiser les tâches à faible valeur, réinventer des parcours clients, déployer des copilotes pour booster la productivité des équipes (ex : agents IA pour la relation client, optimisation des opérations industrielles).
Concevoir et industrialiser des plateformes Data & IA robustes : structurer des approches Data Mesh, des Factories IA, et des architectures sécurisées pour déployer à grande échelle des modèles et agents (ex : MLOps/LLMOps, IA frugale, cybersécurité).
Définir une stratégie et une gouvernance IA de confiance : clarifier la vision, les roadmaps et le modèle opérationnel (incl. FinOps), tout en intégrant éthique, souveraineté et conformité, en activant nos meilleurs partenariats technologiques (Microsoft, Google, Mistral…).
Tout en s’appuyant sur nos expertises transverses : product ownership, data science, architecture, cybersécurité et change management pour sécuriser et accélérer la transformation.
💼 Des missions concrètes, variées et à fort impact
Quelques exemples de missions récentes :
Finance : Entraînement de modèles de détection (intention utilisateur, prompt injection) pour améliorer l’efficacité d’un agent conversationnel.
Transport & Logistique : Conception d’un assistant client et agent basé sur GPT-4 pour fluidifier les interactions et renforcer la conformité des données.
Pharma : Déploiement d’un programme GenAI pour transformer les processus réglementaires pharmaceutiques.
Automobile & Industrie : Création d’une architecture multi-agents et industrialisation d’usages GenAI pour accélérer l’innovation à grande échelle.
Énergie : Évaluation et expérimentation de solutions Mistral via des cas d’usage concrets pour soutenir la stratégie IA.
Grande consommation & Retail : Déploiement de M365 Copilot sur 10 000 utilisateurs et définition de la gouvernance des solutions low-code/no-code.
Luxe : Industrialisation de cas d’usages IA et mise en place de bonnes pratiques MLOps
Secteur public: Développement d’un module de vision pour la classification d’armes à feu depuis une photo.
Voyage : Exploration et développement d’agents autonomes orchestrant des processus complexes via les technologies Microsoft.
🎓 En tant que stagiaire/alternant au sein de la BU AI, vous serez :
Plongé·e dans le quotidien d’un·e consultant·e junior, en participant à des missions concrètes auprès de clients grands comptes, sur des problématiques à fort enjeu technologique et métier.
Responsable d’un sujet de stage structurant, choisi en amont ou à votre arrivée, qui contribuera directement au développement des offres de la BU : création d’outils, exploration de cas d’usage innovants, ou structuration de convictions de fond.
Acteur·rice de la vie du cabinet, en participant à des projets internes variés : formations, développement commercial, veille technologique, animation de la communauté Data & IA.
Accompagné·e tout au long de votre parcours, avec un encadrement de proximité, des feedbacks réguliers et des opportunités concrètes de pré-embauche.
Le sujet de stage/d'alternance : MLOps: Explorez les fondations techniques de l’IA en production : du packaging de modèles au monitoring en temps réel, en passant par le déploiement optimisé sur cloud. Voici quelques exemples de sujets à traiter :
LLMOps : Étudier et comparer les architectures, outils et bonnes pratiques permettant de gérer efficacement le cycle de vie complet des modèles LLM (déploiement, supervision, optimisation, scalabilité).
Optimisation de l’inférence : Explorer les techniques et frameworks permettant d’accélérer et d’alléger l’inférence des modèles (quantization, ONNX, TensorRT, distillation) tout en maintenant la performance.
Design patterns de machine learning : Analyser et formaliser les principaux design patterns en architecture ML pour structurer, déployer et maintenir des systèmes fiables et évolutifs.