Source description
About the role
Basés en plein cœur de Paris, nous faisons bouger l’industrie des jeux en ligne. Leader du poker et des paris sportifs en France avec 350 000 joueurs et 600 000 parieurs mensuels, nous sommes présents en Espagne, en Allemagne et bientôt en Italie et au Portugal. Nous offrons à nos joueurs une expérience exceptionnelle, à la fois technique, créative et qualitative. Innovation, unité et appartenance : nos valeurs façonnent une culture d’entreprise multiculturelle et unique.
Et si tu avais un futur dans le jeu ?
Techniquement, Winamax c’est :
Un moteur de jeu puissant et innovant : adaptation dynamique de l'offre de jeu, parties de poker hautement configurables, détection de fraude
Une architecture distribuée et scalable conçue pour traiter en temps réel les flux de la plateforme
Une plateforme modulaire soumise à des contraintes de haute disponibilité et de sécurisation des données, capable de gérer de fortes audience
A PROPOS DU STAGE
Dans un contexte de croissance des volumes de requêtes traitées par nos équipes internes, l'entreprise souhaite améliorer l'efficacité opérationnelle en automatisant une partie de l'analyse et du traitement de ces demandes. Pour cela, l'entreprise envisage le développement d'un agent conversationnel basé sur l'intelligence artificielle, capable d'analyser les requêtes des utilisateurs et de s'appuyer sur différentes sources de données internes afin de contextualiser les actions et les informations fournies.
DESCRIPTIF DU STAGE
Problématique : Comment concevoir un agent IA capable de comprendre automatiquement des requêtes complexes, d'exploiter des données métier hétérogènes et d'interpréter correctement le contexte afin de générer des réponses pertinentes, fiables et adaptées aux différents produits et services de l'entreprise ?
Objectifs du stage :
Étudier les besoins fonctionnels et les cas d'usage des équipes opérationnelles.
Étudier les architectures d'agents IA et les approches de raisonnement adaptées à ces problématiques.
Développer des capacités de workflows agentiques permettant à l'agent de :
Sélectionner les actions pertinentes.
Interroger des services internes.
Agréger des informations hétérogènes.
Adapter sa stratégie de réponse selon le contexte de la requête.
Intégrer des techniques de Retrieval-Augmented Generation (RAG) afin d'exploiter la documentation métier et la connaissance produit de l'entreprise.
Évaluer la robustesse, la pertinence et la fiabilité des réponses générées par l'agent IA dans des scénarios métiers réels.
STACK TECHNIQUE
Infrastructure : AWS
IA & NLP : LLM, RAG
Langage : Python
Intégration : Slack
More at Winamax