JobCubby JobCubby
Sign up
ChapsVision

Stage Data Scientist IA - Agentic RAG over Heterogeneous Data Sources

ChapsVision Paris, Ile-de-France, France

Software Development · 51-200 employees

3 d ago
data-scientist Junior (0-2 yrs) Full-time France
Create a free account to apply — email only, no card. You can also save this posting or score it against your profile with AI.

Applying here? Try the free cover letter tool — paste this posting and your résumé, no account needed.

About the role

You will participate in applied research on LLMs, RAG, and agentic architectures to improve interaction with heterogeneous data sources. Your tasks include developing a Natural Language to Query Language engine and benchmarking various knowledge access strategies.

What they look for

Python Machine Learning Generative AI LLM Retrieval-Augmented Generation SQL Vector Databases Graph Databases Natural Language Processing Agentic Architectures Git Linux Elasticsearch GraphQL SPARQL

Requirements

Candidates should be pursuing a Master's degree in Computer Science, AI, Data Science, or Software Engineering. Strong proficiency in Python, Machine Learning, and generative AI concepts is required.

Benefits

Meal allowance card Remote work Public transport subsidy Sustainable mobility package Employee social committee benefits

Full description

À propos de ChapsVision

En quelques années, ChapsVision s’est imposé comme un acteur européen de référence du Big Data et de l’Intelligence Artificielle.

Notre ambition : permettre aux entreprises et aux organisations publiques d’exploiter leurs données de manière souveraine, sécurisée et intelligente.

Depuis 2019 :

  • +380 M€ levés auprès de Bpifrance
  • 29+ acquisitions
  • ~1 200 collaborateurs.rices
  • +1 000 clients grands comptes
  • Présence internationale : Canada, États-Unis, Maroc, Belgique, Japon, Allemagne, Espagne…
  • Membre du French Tech Next40

Ce que nous construisons :

  • Une suite IA dédiée aux entreprises : CRM, Marketing Automation, Commerce Unifié, Analytics
  • Des solutions souveraines pour les acteurs stratégiques publics : défense, renseignement, cybersécurité

Le tout s’appuie sur ArgonOS, notre plateforme de traitement massif de données, renforcée par les technologies RAG de Sinequa.

Contexte

Au sein de notre équipeAI Research, vous participerez à des travaux de recherche appliquée autour des LLMs, du Retrieval-Augmented Generation (RAG) et des architectures agentiques.

L'objectif du stage est de développer de nouvelles approches permettant aux modèles de langage d'interagir plus efficacement avec des bases documentaires, notamment des bases SQL, des bases vectorielles ou des graphes de connaissances, afin d'améliorer la qualité des réponses générées. Pour ceci vous devrez développer un système capable de transformer une requête en langage naturel dans le langage de requête des bases de données.

Missions

  • Étudier les approches Agentic RAG et les mécanismes d'accès à la connaissance par les LLM.
  • Développer un moteurNatural Language to Query Language (NL-to-?QL) permettant de transformer des requêtes en langage naturel vers différents langages de requête (SQL, GraphQL, ESQL...).
  • Concevoir des outils exploitables directement par des agents IA.
  • Expérimenter différentes stratégies d'accès aux connaissances externes.
  • Réaliser des benchmarks des différentes approches sur des cas d'usage réels.
  • Participer aux travaux de recherche et aux expérimentations autour des architectures agentiques avec si possible valorisation des travaux scientifiques.

Environnement technique

  • Python
  • LLM
  • Frameworks d’IA agentique
  • SQL
  • Bases vectorielles
  • Git
  • Linux

C’est un plus :

  • Elasticsearch (ES|QL)
  • Maîtrise d’autres langages de requête comme GraphQL / SPARQL

Bibliographie :

1. Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG — Singh, A.,

Ehtesham, A., Kumar, S., Khoei, T. T. (2025). arXiv:2501.09136.

https://arxiv.org/abs/2501.09136

2. A Survey of NL2SQL with Large Language Models: Where are we, and where

are we going? — Liu, X., Shen, S., Li, B., et al. (2024). arXiv:2408.05109.

https://arxiv.org/abs/2408.05109

3. DTS-SQL: Decomposed Text-to-SQL with Small Large Language Models —

Pourreza, M., Rafiei, D. (2024). Findings of EMNLP 2024 / arXiv:2402.01117.

https://arxiv.org/abs/2402.01117

4. Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols

and Harness Engineering — Zhou, C., Chai, H., Chen, W., et al. (2026).

arXiv:2604.08224. https://arxiv.org/abs/2604.08224

5. Natural Language Tools: A Natural Language Approach to Tool Calling in Large

Language Models — (2025). arXiv:2510.14453. https://arxiv.org/abs/2510.14453

Profil recherché

Formation

  • Bac+4 à Bac+5 en Informatique, Intelligence Artificielle, Data Science, NLP ou Génie Logiciel.

Hard Skills

  • Très bonnes connaissances en Python.
  • Solides bases en Machine Learning et IA générative.
  • Bonne compréhension des LLM et du Retrieval-Augmented Generation.
  • Intérêt pour les bases de données, les moteurs de recherche et les architectures distribuées.
  • Curiosité pour la recherche scientifique.

Soft Skills

  • Curiosité scientifique.
  • Esprit d'analyse.
  • Autonomie.
  • Goût pour l'expérimentation.
  • Capacité à travailler en équipe.

Langues

  • Français courant.
  • Anglais technique indispensable.

Avantages

- Carte Swile : 11€ / jour travaillé pris en charge à 60%

- Télétravail jusqu’à 3 jours / semaine

- Transport en commun pris en charge à 50%

- Forfait mobilité durable jusqu’à 400€ / an

- CSE comprenant :

  • Wellpass
  • Legal Care Ekie
  • HelloCSE avec cagnotte semestrielle

Diversité & Inclusion

ChapsVision s'inscrit dans une démarche d'inclusion et s'engage à étudier toutes les candidatures aux regards des compétences et qualifications de chacun.

Dans un souci de clarté, l’écriture inclusive n’est pas utilisée dans cette annonce. Les termes employés se réfèrent aussi bien au genre féminin que masculin.

Similar roles