Ingénieur·e Backend & Intelligence Artificielle

Créée en juillet 2025, Elevari est une start-up qui développe une plateforme SaaS d'analyse de cytométrie en flux basée sur l'intelligence artificielle, au service de l'accélération de la recherche et du développement de médicaments (immuno-oncologie, hématologie, maladies auto-immunes, vaccins, thérapies cellulaires et géniques). 

La cytométrie en flux est la technique de référence pour caractériser les cellules immunitaires présentes dans un échantillon ; mais si les instruments mesurent aujourd'hui plus de 40 marqueurs par cellule, l'analyse, elle, reste manuelle, chronophage (plusieurs heures par analyse complexe) et variable d'un laboratoire à l'autre.

Elevari identifie automatiquement les populations cellulaires directement à partir des données brutes, au moins 5× plus vite que les solutions traditionnelles et de façon entièrement reproductible, sans données d'entraînement annotées.

Elevari est portée par une équipe fondatrice au fort niveau scientifique et technique. Nous recrutons nos tout premiers employés : une occasion rare de rejoindre une deeptech à ses débuts, de façonner le produit et la culture technique avec une grande autonomie.

Pour accompagner la croissance de notre plateforme et relever de nouveaux défis technologiques, nous cherchons notre prochain·e Ingénieur·e Backend & Intelligence Artificielle pour concevoir le futur de notre modules DELPHI et SAGE.

Le produit repose sur plusieurs moteurs algorithmiques propriétaires SAGE (génération automatisée de stratégies de gating à partir d'un panel d'anticorps et de bases de connaissances curées), DELPHI (conception de panels : sélection de marqueurs, attribution de fluorophores, compatibilité spectrale), PRISM (auto-gating et identification des populations cellulaires) et ARTEMIS (reporting et analyse automatisés).

Nous recrutons pour renforcer l’équipe en charge des modules SAGE et DELPHI.

Les pipelines enchaînent plusieurs étapes — normalisation, cadrage maladie/population (couches déterministes et LLM), contrôle qualité des fluorophores, construction d'un graphe de gating, bibliographie, puis génération de la stratégie. Les moteurs sont exposés via des API REST FastAPI, conteneurisées et déployées sur GCP Cloud Run.

La codebase backend représente environ 59 000 lignes de Python et plus de 1 800 tests, avec une intégration continue (GitLab CI, Python 3.11/3.12).
 

Missions principales

- Développer et maintenir les pipelines IA : étendre les étapes des pipelines, optimiser les prompts système (caching multi-tour, budget de tokens), améliorer la qualité des stratégies générées.

- Enrichir les bases de connaissances : scripts d'enrichissement depuis des bases de données de référence, validation de cohérence inter-bases, maintenance des schémas JSON.

- Concevoir et exposer des API REST : endpoints FastAPI avec validation Pydantic, sanitisation des entrées (prévention d'injection de prompt), sessions multi-tour avec prompt caching.

- Implémenter des algorithmes de graphe : développement et validation d’algorithmes avancés de génération et d'optimisation de graphs.

- Assurer la qualité : tests unitaires et d'intégration (pytest, fixtures paramétrées, mocking LLM), pre-commit hooks (ruff, mypy), CI/CD.

- Optimiser les coûts LLM : suivi des tokens, sélection du modèle adapté à chaque étape selon le compromis coût/qualité, gestion du budget.

- Conteneuriser et déployer : images Docker multi-stage (non-root), déploiement GCP Cloud Run.

Profil recherché

- Formation Bac+5 en informatique, data science ou bio-informatique.

- 2+ ans d'expérience en développement Python backend.

-  Intérêt pour l'IA appliquée aux sciences du vivant.

- Rigueur dans les tests et la qualité du code.

- Autonomie sur une codebase complexe.

- Profil polyvalent et autonome : en contexte de start-up, capacité à prendre en charge son périmètre de bout en bout, du développement au déploiement cloud (GCP) et à la CI/CD GitLab, sans se cantonner à une spécialité.

Compétences requises

- Python 3.11+ : Dataclasses, type hints (PEP 604), asyncio, pathlib.

- FastAPI : API REST, Pydantic v2 (field/model validators), middleware CORS.

- API LLM : Prompt engineering, prompt caching, sessions multi-tour, gestion du budget de tokens.

- Algorithmes de graphe : NetworkX, DAG, théorie des graphes

- JSON / jsonschema : Manipulation de bases volumineuses, validation de schémas.

- Tests : pytest (fixtures, parametrize, mocking), couverture, tests d'intégration.

- Git : Branches, conventional commits, CI/CD GitLab.

- Docker : Multi-stage builds, images minimales, non-root.

- Cloud & CI/CD : Autonomie sur GCP (Cloud Run, Artifact Registry) et la CI/CD GitLab : pipelines, build et déploiement d'images Docker.

Compétences souhaitées

- Expérience des LLM en production (gestion d'erreurs, fallback, retry, maîtrise des coûts).

- Connaissance de GCP (Cloud Run, Artifact Registry).

- Streamlit (outils internes de gestion des bases de connaissances).

- Notions de cytométrie en flux / immunologie (peuvent s'acquérir sur le poste).

- Familiarité avec NetworkX et les algorithmes de parcours de graphe.

- uv (gestionnaire de paquets Python).

Ce que nous offrons : 

- Un rôle à fort impact dans une équipe fondatrice de haut niveau scientifique et technique.

- La possibilité de participer au capital via des BSPCE (bons de souscription de parts de créateur d'entreprise), selon le profil.

 - Une grande autonomie sur des sujets de pointe, à l'intersection de l'IA et des sciences du vivant.

- Une organisation souple : hybride à Paris, avec 2 jours de télétravail par semaine.