[Hiring] Senior Applied Research Scientist @ServiceNow

Role Description

En tant que Chercheur(euse) Scientifique Appliqué(e) Senior, vous serez responsable de parties importantes du harnais d'agent — la couche d'infrastructure qui permet aux agents IA de raisonner sur des données réelles d'entreprise, d'agir à travers les flux de travail, et de fonctionner en toute sécurité à l'échelle Fortune 500.

• Ingénierie du harnais : Concevoir et construire le harnais d'exécution des agents — la couche d'orchestration qui achemine les entrées, gère le contexte, invoque les outils, gère les nouvelles tentatives et affiche l'état d'exécution à travers des flux de travail agentiques multi-étapes.
• Fiabilité à l'échelle : Assurer la tolérance aux pannes, la latence et le débit du moteur d'exécution ; concevoir pour des flux de travail d'entreprise qui ne peuvent pas échouer silencieusement ou de manière non déterministe.
• Observabilité : Instrumenter le harnais avec du traçage, l'attribution des coûts et la visibilité de la latence afin que l'équipe puisse comprendre le comportement des agents en production et détecter les défaillances avant les clients.
• Infrastructure de prompts : Construire des systèmes de gestion de prompts — versionnage, création de modèles et évaluation systématique — qui maintiennent la stabilité du comportement des agents malgré les mises à jour de modèles et les changements de configuration.
• Ingénierie d'évaluation : Concevoir et gérer des cadres d'évaluation (évaluations unitaires, évaluations d'intégration, moniteurs de production) qui mesurent la qualité des agents, détectent les régressions et orientent des décisions fondées sur les données.
• Intégration LLM : Intégrer et abstraire les LLM de pointe, en gérant le routage de modèles, les stratégies de repli, ainsi que les compromis entre coût et latence en production.
• Leadership technique : Élever le niveau technique par des décisions d'architecture, des revues de code et du mentorat — en particulier sur les modèles de conception agentiques et la discipline de production en IA.
• Conception des limites du système : Définir où réside la logique de l'agent — ce qui relève d'un appel d'outil, d'un sous-agent, d'un chemin codé en dur ou d'une escalade humaine — et établir ces normes de conception au sein de l'équipe.

Qualifications

• 4+ années d'expérience dans la construction de systèmes logiciels en production, avec un solide historique en matière de fiabilité, de performance et de scalabilité.
• Une expérience pratique du lancement de produits d'IA générative — pas seulement l'intégration d'API LLM ou la création de prototypes, mais la responsabilité de fonctionnalités basées sur l'IA dont dépendent les utilisateurs en production.
• Une solide compréhension du fonctionnement des grands modèles de langage : modes de défaillance, contraintes de contexte, et la façon dont la conception des prompts influence le comportement des modèles à grande échelle.
• Une expérience concrète en ingénierie de prompts : conception, versionnage et évaluation systématiques des prompts à travers les mises à jour de modèles ou les cycles d'évaluation A/B.
• Un véritable historique en ingénierie d'évaluation — pas seulement une familiarité, mais un portefeuille de suites d'évaluation conçues, livrées et utilisées pour orienter des décisions de qualité dans des systèmes d'IA en production.
• Une sensibilité aux coûts et à l'efficacité au niveau du système : expérience dans l'analyse du routage de modèles, du coût d'inférence et des compromis de latence en production.
• De solides fondamentaux en génie logiciel : systèmes distribués, conception d'API et discipline de test.
• À l'aise dans des environnements de produits IA rapides, ambigus, de type start-up.

Requirements

• Experience with multi-agent coordination patterns (A2A, MCP).
• Familiarity with agent frameworks (LangChain, LlamaIndex, or similar).
• Prior experience shipping AI systems in enterprise software.
• Experience with AI observability tooling (tracing, cost tracking, LLM-specific monitoring).
• Familiarity with cloud-native infrastructure, service observability, logging, monitoring, reliability engineering, and production troubleshooting.

Benefits

• Flexible work personas (flexible, remote, or required in office).
• Equal Opportunity Employer.
• Accommodations for candidates requiring assistance.
• Compliance with export control regulations for certain positions.