ML Research Engineer

À propos de nous

White Circle est une entreprise spécialisée dans la sécurité de l'IA, développant une couche de fiabilité et d'optimisation pour les systèmes intelligents. Au cœur de notre plateforme se trouvent des politiques — des règles simples en langage naturel définissant les comportements autorisés ou non pour un modèle. Nous testons, appliquons et améliorons ces politiques automatiquement à grande échelle.

• Nous avons levé 11 millions de dollars auprès de fonds de premier plan et de leaders issus d'OpenAI, Anthropic, HuggingFace, Mistral, DeepMind, Datadog, Sentry, etc.
• Nous traitons plus de 100 millions d'appels API chaque mois.
• Nous entraînons et affinons nos propres LLM pour qu'ils soient plus rapides et économiques que les modèles existants.

Nous sommes une équipe restreinte et très concentrée. Si vous souhaitez travailler sur des problèmes complexes, voir votre travail déployé rapidement et influencer la construction concrète de la sécurité de l'IA, vous êtes la personne qu'il nous faut.

Vos missions

• Entraîner et post-entraîner des LLM pour des tâches de sécurité et de modération : SFT, RLHF, DPO et méthodes d'alignement associées.
• Concevoir et entraîner des modèles de récompense à partir de données de préférence humaines et synthétiques.
• Concevoir et exécuter des pipelines de données à haut débit : collecte, génération synthétique, filtrage, déduplication et contrôle qualité à très grande échelle.
• Gérer l'entraînement distribué sur des clusters multi-GPU et déboguer les problèmes techniques.
• Construire des systèmes d'évaluation et des benchmarks pour mesurer le comportement des modèles et orienter les décisions d'entraînement.
• Optimiser les modèles pour l'inférence en production : quantification, décodage spéculatif, déploiement avec vLLM/TensorRT ou similaire.
• Passer rapidement de l'expérimentation à la production : vos modèles sont déployés et vous observez leur impact sur le trafic réel.

Profil recherché

• Expérience pratique du post-entraînement de LLM (SFT, RLHF, DPO) sur des modèles que vous avez entraînés vous-même.
• Expérience du travail avec des données à très grande échelle (pipelines de corpus, données de préférence, génération synthétique).
• Maîtrise de l'entraînement distribué multi-GPU et aisance avec PyTorch ou JAX.
• Expérience avec les modèles de récompense et les données de préférence.
• Compréhension approfondie de l'évaluation : savoir pourquoi les benchmarks peuvent être trompeurs et comment en créer de fiables.
• Expérience en optimisation d'inférence (quantification, décodage spéculatif, vLLM, TensorRT, Triton, etc.).
• Solides compétences en Python et aisance avec les outils de données type SQL.
• Esprit d'appropriation : capacité à transformer un problème de modélisation ambigu en une solution concrète et performante.

Un atout majeur

• Présence publique : modèles open-source, datasets, frameworks sur HuggingFace/GitHub, publications ou articles techniques.
• Expérience dans un laboratoire de pointe ou direction de releases open-source.
• Expérience en méthodes RL pour LLM (RL en ligne, GRPO, approches d'alignement novatrices).
• Expérience en modération, sécurité ou modèles de classification à grande échelle.
• Expérience en entraînement de modèles multilingues.

Pourquoi nous rejoindre

• Congés payés conformes à vos réglementations locales.
• Travail depuis Paris (hybride) avec package de relocalisation, ou depuis Londres.
• Assurance médicale complète pour l'équipe basée en France.
• Matériel, outils et services nécessaires fournis.
• Abonnements aux agents IA et IDE couverts.
• Séminaires d'équipe deux fois par an (Alpes, Saint-Tropez).

Processus de recrutement

1. Appel introductif avec les RH (25 min)
2. Test technique à domicile
3. Entretien technique avec le Head of Applied Research (60 min)
4. Entretien final avec notre CEO (45 min)