Remote Opportunity
AI Evaluation Engineer — Agentic Systems (H/F)
Join DHM GROUP as a mid professional working remotely from United States. Explore the role, benefits, and apply in one place.
Full Time
2026-08-02
United States
Job Description
Dans le cadre de notre croissance et afin de renforcer notre Squad AI Quality & Evaluation, nous recherchons un.e AI Evaluation Engineer — Agentic Systems. Intégré.e au sein de nos équipes, en télétravail avec une flexibilité sur la région parisienne, vous interviendrez sur l'un des métiers les plus stratégiques de l'IA : garantir, mesurer et fiabiliser le comportement des agents et systèmes multi-agents avant leur mise en production. Un domaine qui s'invente aujourd'hui, où vous mettrez en pratique vos acquis en QA et développerez de nouvelles compétences à la frontière de l'IA. MISSIONS: => Concevoir des stratégies d'évaluation pour agents et systèmes multi-agents : trajectoires, orchestration d'outils (tool use), raisonnement multi-étapes, gestion de mémoire et de contexte => Évaluer au-delà du résultat final : détecter les échecs intermédiaires, la propagation d'erreurs et les dérives de comportement le long de la trajectoire => Concevoir et éprouver des workflows agentiques : décomposition de tâches, enchaînement d'agents (planner / executor / critic), points de contrôle et garde-fous => Construire des jeux de tests et scénarios de simulation d'utilisateurs : personas, cas limites, tests adversariaux => Exploiter le prompt engineering comme levier d'évaluation : prompts de test, LLM-as-a-judge, rubriques d'évaluation => Industrialiser l'évaluation dans les pipelines CI/CD : évaluation automatisée, détection de régressions, quality gates avant déploiement => Définir les métriques qui comptent pour un agent : réussite de tâche, fidélité, robustesse, sécurité, coût, latence, consommation de tokens => Combiner évaluation automatisée et évaluation humaine (human-in-the-loop), et arbitrer entre les deux => Documenter et diffuser les bonnes pratiques d'évaluation agentique auprès des équipes PROFIL: => Idéalement une première expérience en évaluation de systèmes IA — en poste, en freelance ou même sur un projet personnel sérieux : ce métier s'invente, nous valorisons ce que vous avez déjà exploré par vous-même => Compréhension de ce qui rend l'évaluation d'un agent spécifique : non-déterminisme, comportement probabiliste, trajectoires multi-étapes, échecs intermédiaires, absence de vérité unique — on n'évalue pas une sortie, on score une trajectoire (chaque appel d'outil, chaque état intermédiaire devient une surface d'évaluation) => Familiarité avec les approches de scoring : graders à base de règles (code-based), LLM-as-a-judge pour l'ouvert, évaluation humaine — et le bon sens de savoir quand combiner les trois => Maîtrise réelle d'au moins un framework ou plateforme d'évaluation IA : DeepEval, Ragas, TruLens, Giskard, Maxim AI, Braintrust, Langfuse, Opik ou équivalent => Capacité à construire un eval harness et des jeux de tests : cas experts (goldens), minage de traces de production, scénarios adversariaux => Bonnes pratiques de prompt engineering appliquées au test et à l'évaluation : conception de rubriques, prompts de test, calibration du juge => Maîtrise de Python et de l'automatisation de tests => Sensibilité sécurité IA, robustesse et reproductibilité => Une connaissance au moins générale du cadre réglementaire IA — EU AI Act (transparence, gestion des risques, littératie IA) et RGPD — et de son impact sur l'évaluation et la mise en production => Idéalement certifié.e ISTQB CT-AI (v2.0) et CT-GenAI — à défaut l'une des deux, avec l'envie d'obtenir la seconde => Socle solide en QA / test / qualité logicielle, ou en dev/data avec une vraie envie de basculer vers l'IA agentique => Anglais professionnel courant SOFT SKILLS: => Passionné.e par les technologies innovantes et le champ de l'IA agentique => Rigoureux.se et doté.e d'un fort esprit critique : un tableau de bord tout vert ne vous suffit pas => Désireux.se de vous investir dans des projets challengeants et de gagner rapidement en responsabilités => Pédagogue, empathique et "Problem Solver" : vous rendez l'évaluation lisible et actionnable pour les équipes => Doté.e d'un excellent relationnel, d'un sens prononcé du service et de la qualité => Curieux.se et en veille active : un domaine qui évolue chaque semaine, et vous suivez => Excellent niveau de français à l'oral et à l'écrit, l'anglais professionnel étant ici indispensable
Skills
Python
API
Ready to Apply?
Join DHM GROUP today
Posted 2026-08-02
More AI roles you might like
Discover similar opportunities from companies that are also hiring remotely.
Full Time
2026-11-12
Worldwide
Explore more remote openings
Browse fresh listings from our global community of remote-friendly teams.
Full Time
GBP 57.737k - GBP 134.972k
2026-11-13
United Kingdom
Worldwide
Full Time
$0.05k - $0.063k
2026-11-13
United States
Full Time
$118.75k - $205k
2026-11-13
United States
AI Governance & Programs
Senior
Python
UiPath
JPMorgan-authorized workflow, process, and decision automation tools
Full Time
$76k - $130k
2026-11-13
United States
AI Risk & Controls
Senior
Python
UiPath
JPMorgan-authorized workflow, process, and decision automation tools
Full Time
€55k - €80k
2026-11-13
Portugal
Worldwide
Full Time
$120,000 - $180,000*
2026-11-13
Netherlands
Full Time
$120,000 - $180,000*
2026-11-13
India
Full Time
$174k - $252k
2026-11-13
United States
Full Time
$120,000 - $180,000*
2026-11-13
New Zealand
Full Time
2026-11-12
Worldwide
Full Time
2026-11-12
Denmark
Full Time
2026-11-12
Denmark
Full Time
2026-11-12
Denmark
Full Time
2026-11-12
Denmark
Full Time
2026-11-12
Worldwide
Full Time
$176k - $256k
2026-11-12
United States
Full Time
2026-11-11
United States
Full Time
2026-11-11
United States
Full Time
CAD 135k - CAD 175k
2026-11-11
United States
Full Time
$143.5k - $205k
2026-11-11
Worldwide
Full Time
2026-11-11
United States
Full Time
$104k - $180k
2026-11-11
United States
Full Time
$190k - $263k
2026-11-10
United States