AI Engineer (Python) — Build Real-World Climate AI

Et si ton code permettait directement d’accélérer la transition climatique ?

Chez Tapio, on construit une plateforme SaaS qui aide les entreprises à mesurer et réduire leurs émissions de CO₂.
Jusqu’ici, une grande partie de ce travail était manuel: collecte de données, catégorisation, matching avec des facteurs d’émission, reporting.

👉 Aujourd’hui, l’IA change complètement la donne.
Et c’est là que tu interviens.
On cherche quelqu’un pour transformer des processus complexes en systèmes simples, rapides et scalables.

Concrètement, tu vas:

• Concevoir des systèmes RAG pour matcher les bons facteurs d’émission

• Extraire et structurer des données (ex: rapports financiers → données carbone)

• Construire des systèmes de recommandation (facteurs d’émission, solutions…)

• Intégrer des LLMs dans le produit de manière fiable et scalable

• Mettre en place l’infrastructure (pipelines, vector DB, monitoring…)

• Itérer vite, tester, améliorer et shipper des features utiles

L’objectif est simple: automatiser un maximum pour permettre à nos experts carbone de se concentrer là où ils créent vraiment de la valeur.

Tu travailles sur du concret.
Des features utilisées.
Avec un impact direct.

• Software engineer solide (mid à senior)

• Très à l’aise avec Python et les systèmes backend

• Expérience concrète avec les LLMs (APIs, RAG, agents…)

• Tu as déjà construit des choses en production, pas seulement des POCs

• Tu peux démontrer que tu as déjà utilisé l’IA pour créer de la valeur réelle (automatisation, features produit, gains de performance, etc.)

Tu es quelqu’un qui:

• aime construire des solutions utiles, pas juste “techniquement intéressantes”

• comprend vite et s’adapte dans un environnement qui évolue rapidement

• est pragmatique, structuré·e et orienté·e impact

• prend des initiatives et fait avancer les sujets

On cherche un builder. Quelqu’un qui aime shipper.

Bonus :

• Expérience avec LangChain (ou équivalent), vector DB, pipelines data

• Connaissance des enjeux data / structuration d’information

• Un premier screening

• Un échange avec la HR pour comprendre ton parcours et ta manière de travailler

• Un cas pratique ou discussion technique basée sur des problématiques concrètes

• Rencontre avec les fondateurs pour validation finale.