Brésil
Zup Innovation
Bain & Company
Responsable de l'ontologie - Plateforme
Brésil
Warsaw, Masovian Voivodeship, Poland · London, England, United Kingdom · Chicago, Illinois, United States · São Paulo, Brazil
Traduction automatique. Consultez l’original.
DESCRIPTION ET EXIGENCES
Pourquoi nous sommes un lieu de travail idéal
Nous sommes fiers d'être régulièrement reconnus comme l'un des meilleurs lieux de travail au monde. Nous sommes actuellement le cabinet de conseil le mieux classé sur la liste des meilleurs lieux de travail de Glassdoor et avons atteint la 1ère place au classement général à sept reprises, un record. Des équipes extraordinaires sont au cœur de notre stratégie commerciale, mais elles ne se forment pas par hasard. Elles nécessitent une attention particulière pour réunir un large éventail de parcours, de cultures, d'expériences, de perspectives et de compétences dans un environnement de travail solidaire et inclusif. Nous recrutons des personnes dotées d'un talent exceptionnel et créons un environnement dans lequel chaque individu peut s'épanouir professionnellement et personnellement.
Avec qui vous travaillerez
Growth AI Performance System est la suite intégrée d'outils de décision agentiques de Bain, offrant aux grandes organisations une intelligence continue sur leurs décisions de croissance les plus importantes. Elle se situe à une intersection rare que peu d'organisations peuvent réellement offrir : la profondeur analytique et l'accès aux clients d'un cabinet de conseil de premier plan, l'ambition technique d'une entreprise de produits et les enjeux commerciaux des deux.
Vous serez responsable de la couche de connaissances et de données derrière l'équipe produit persistante de Bain, en développant des logiciels qui aident les entreprises du classement Fortune 100 à 500 à répondre aux questions qui orientent leur activité : où investir, sur quoi se concentrer et comment gagner. L'impact de ce que vous construisez est direct et immédiat, et la valeur de la suite se multiplie à chaque version.
La plateforme comporte deux couches travaillant ensemble : le noyau agentique (Agentic Core) et trois modules de produits, chacun résolvant un problème commercial distinct. Votre travail consiste à garantir que la couche de connaissances sous-jacente à chaque module — les entités, les relations et les taxonomies sur lesquelles la plateforme raisonne — est conçue avec la même rigueur de production que les pipelines et les modèles construits au-dessus.
Il s'agit d'une startup au sein d'une entreprise établie. Vous bénéficiez d'une véritable autonomie de phase initiale — une influence réelle sur l'architecture et l'orientation du produit — soutenue par l'envergure mondiale, les relations clients et l'engagement de la direction de Bain. Le rythme d'une startup avec les ressources d'une entreprise mondiale.
Nous recherchons une personne qui se situe véritablement à l'intersection de l'ingénierie des données et de l'ingénierie de l'IA — à l'aise pour gérer la résolution d'entités à grande échelle et l'infrastructure de pipeline un jour, et la récupération, l'intégration et les contrats API orientés agents qui permettent à ces connaissances d'alimenter le raisonnement en direct le lendemain. Il s'agit d'ingénierie des connaissances appliquée en production, à grande échelle, avec de vrais utilisateurs dépendant de ce que vous construisez. La maîtrise native de l'IA est importante ici, tout comme la volonté de continuer à apprendre — car le domaine évolue rapidement et cette équipe est conçue pour suivre le mouvement.
Quelle sera votre place au sein de l'équipe
Le responsable de l'ontologie occupe le poste d'ingénierie des connaissances le plus senior au sein du Growth AI Performance System et l'un des plus stratégiquement importants. Vous possédez la norme de connaissances et d'ontologie pour chaque module de produit du Growth AI Performance System. Vous supervisez les ingénieurs IA et les ingénieurs de données au niveau des modules sur les questions de résolution d'entités, de taxonomie et d'architecture des connaissances — et vous avez le dernier mot lorsqu'une question de modélisation ou de récupération dépend de la manière dont la plateforme représente le monde commercial. Vous êtes censé construire personnellement les parties les plus complexes de cette couche, et pas seulement définir la direction pour les autres.
Les problèmes couvrent la résolution d'entités à grande échelle, la conception de graphes de connaissances et de taxonomies, l'architecture de récupération et d'intégration, ainsi que les pipelines de données qui maintiennent le tout à jour et correct — des problèmes d'ingénierie complexes où une mauvaise décision se propage silencieusement dans chaque modèle et agent en aval. Vous devez être tout aussi crédible en examinant un pipeline Spark qu'une architecture de génération augmentée par récupération (RAG), car les deux relèvent de votre responsabilité.
Vous travaillerez sur la plateforme et les modules de produits axés sur le retour sur investissement marketing, la stratégie de marque ou de tarification — en veillant à ce que la couche sémantique représente fidèlement le monde commercial sur lequel ces modules sont conçus pour raisonner. Un modèle de mix marketing qui classe mal un canal média, un outil d'analyse de marque qui confond deux entités similaires ou un moteur de tarification qui ne peut pas résoudre correctement une hiérarchie de produits produira des résultats auxquels les clients ne peuvent pas faire confiance. L'ontologie est ce qui empêche cela — et vous en êtes responsable.
Les résultats ici ne sont pas un artefact de recherche à côté du produit — ils sont le substrat sur lequel le produit raisonne. La norme que vous imposez à cette couche est la norme par rapport à laquelle la fiabilité de l'ensemble de la plateforme est mesurée.
Vous dirigerez l'équipe Ontologie et Connaissances — l'ingénieur IA et l'ingénieur de données qui dépendent de cette fonction — et collaborerez quotidiennement avec le responsable technique, les scientifiques des données des trois modules de produits, le responsable des évaluations et le chef de produit. Vous interagirez également directement avec les parties prenantes seniors des clients : présentation de l'architecture des connaissances de la plateforme, explication de la structure de la couche sémantique et de sa raison d'être, et utilisation de ces conversations pour rendre l'ontologie plus commercialement précise à chaque engagement.
À propos de vous
Vos missions
Architecture des connaissances et ingénierie ontologique
- Assurer la conception, la construction et la gouvernance du graphe de connaissances et de l'ontologie du Growth AI Performance System — la couche sémantique qui modélise les entités commerciales, les relations de marché et les taxonomies de domaine à travers le retour sur investissement marketing, la stratégie de marque et la tarification
- Définir les normes d'architecture des connaissances au sein desquelles la plateforme est construite : conventions de nommage et de résolution d'entités, structure et versioning de taxonomie, modélisation des relations, et manière dont les lacunes ou les ambiguïtés dans les données sont représentées explicitement plutôt que supprimées silencieusement
- Concevoir et mettre en œuvre des systèmes de résolution d'entités à l'échelle de la production en utilisant des outils tels que Splink, Zingg ou des modèles de correspondance probabilistes personnalisés — en gérant des sources de données ambiguës, incomplètes et contradictoires sans propager ces ambiguïtés en aval
- Construire et faire évoluer le graphe et le magasin sémantique lui-même (par exemple, Neo4j, Amazon Neptune ou des magasins de triplets RDF/OWL avec SPARQL), en équilibrant l'expressivité, les performances des requêtes et la fiabilité opérationnelle à l'échelle de la production
- Faire évoluer l'ontologie à mesure que la plateforme se développe : gérer la rétrocompatibilité des changements de schéma, coordonner avec l'ingénieur IA et l'ingénieur de données sur la manière dont les mises à jour se propagent aux interfaces des modules de produits en aval
Ingénierie IA : récupération, intégrations et intégration agentique
- Concevoir la couche de récupération, de mémoire et d'ingénierie de contexte qui permet aux flux de travail agentiques de raisonner sur l'ontologie de manière fiable : magasins vectoriels/graphes/hybrides (Pinecone, Weaviate ou équivalent), sélection du modèle d'intégration et stratégie de rafraîchissement, et mise en cache du contexte/des invites
- Posséder les contrats API et de schéma par lesquels les ingénieurs IA et les frameworks d'agents (LangGraph, MCP ou équivalent) consomment les sorties de l'ontologie — en veillant à ce que les modèles de récupération restent cohérents à mesure que la couche de connaissances et le noyau agentique évoluent
- Construire des harnais d'évaluation pour la qualité de la couche de connaissances dans le même esprit que les évaluations de modèles : précision/rappel de la résolution d'entités, vérifications de la cohérence de la taxonomie et suites de régression qui détectent les défaillances de la couche ontologique avant qu'elles n'atteignent la production
- Appliquer des techniques de NLP/ML (par exemple, spaCy, modèles de transformateurs Hugging Face) pour l'extraction d'entités, l'extraction de relations et l'enrichissement continu de la taxonomie à partir de données clients et de marché non structurées
Supervision des données et des pipelines
- Gérer les pipelines de données qui maintiennent l'ontologie à jour : pipelines d'ingestion, de transformation et de contrôle qualité (par exemple, Databricks, Airflow, dbt) qui alimentent la résolution d'entités et la construction de graphes
- Définir les normes d'exigences de données pour la couche de connaissances : spécifications de schéma, seuils de qualité et cas limites qui amènent la résolution d'entités ou la récupération à produire des résultats trompeurs
- Collaborer avec l'ingénierie des données de la plateforme pour diagnostiquer quand les problèmes de données en amont entraînent des problèmes au niveau de la couche ontologique, et prendre en charge la résolution des causes profondes de bout en bout
- Travailler avec les scientifiques des données des trois modules de produits pour s'assurer que l'ontologie prend en charge les exigences de modélisation statistique de chaque module : fournir les connaissances préalables structurées et les données de relation dont les modèles bayésiens ont besoin pour produire des résultats défendables
Leadership d'équipe et communication avec les parties prenantes
- Diriger et développer l'équipe Ontologie et Connaissances — l'ingénieur IA (Ontologie des données) et l'ingénieur de données (Ontologie) qui dépendent de cette fonction — en assurant un mentorat structuré et en créant les conditions pour que les deux prennent progressivement plus de responsabilités
- Collaborer quotidiennement avec le responsable technique sur l'interface architecturale entre la couche de connaissances et le noyau agentique, et avec le responsable des évaluations pour définir les critères d'évaluation de la qualité de l'ontologie
- Interagir directement avec les parties prenantes seniors des clients, y compris la direction commerciale — présenter l'architecture des connaissances de la plateforme et utiliser les commentaires des clients comme une entrée systématique pour le développement de l'ontologie
- Utiliser des outils d'ingénierie assistés par l'IA (par exemple, des assistants de codage de type Copilot, des outils de schéma et de résolution d'entités assistés par LLM) pour accélérer le développement de l'ontologie — comme un multiplicateur de productivité, et non comme un substitut à la rigueur de l'ingénierie
Prérequis
Indispensable — Technique
- Solide capacité d'ingénierie pratique couvrant à la fois l'ingénierie des données et l'ingénierie de l'IA : à l'aise pour construire des pipelines de production (Spark/PySpark, Airflow, dbt ou équivalent) et des systèmes de récupération/agentiques de production (magasins vectoriels, pipelines d'intégration, frameworks d'agents) dans le même rôle
- Expertise approfondie en représentation des connaissances et en conception d'ontologies : bases de données de graphes (Neo4j, Neptune) ou magasins sémantiques RDF/OWL, et le jugement nécessaire pour arbitrer entre expressivité, évolutivité et fiabilité opérationnelle
- Expérience dans la conception et la mise en œuvre de systèmes de résolution d'entités à grande échelle (Splink, Zingg ou correspondance probabiliste personnalisée) qui gèrent des données ambiguës et contradictoires sans propager silencieusement les erreurs
- Maîtrise pratique de la manière dont les sorties de graphes de connaissances sont consommées par les systèmes agentiques : modèles de récupération, stratégies d'indexation et conventions API/schéma qui permettent aux ingénieurs IA de construire de manière fiable sur la couche de connaissances
- Expérience dans la construction de frameworks d'évaluation et de qualité des données pour une couche de connaissances ou de données : ce que signifie la correction de la résolution d'entités dans la pratique, et comment construire des tests automatisés qui détectent les défaillances avant la production
- Maîtrise native de l'IA : utilisation active d'outils d'ingénierie assistés par l'IA pour accélérer le développement de l'ontologie et des pipelines, avec un apprentissage continu démontré à l'intersection de l'ingénierie des connaissances et de l'IA générative
Indispensable — Expérience
- 8 ans ou plus dans des rôles d'ingénierie des données, d'ingénierie IA/ML ou d'ingénierie des connaissances, avec une responsabilité pratique significative pour les systèmes dont dépendent l'IA de production ou l'analyse
- Expérience avérée dans la possession d'un graphe de connaissances, d'une ontologie ou d'une plateforme de données à grande échelle dont dépendait un produit réel — de qualité production, avec les normes de fiabilité, de versioning et de gouvernance requises par le déploiement en entreprise
- Expérience directe dans la direction d'une équipe d'ingénierie des données ou de l'IA : définition des normes techniques, mentorat des ingénieurs et création des conditions pour que l'équipe prenne progressivement plus de responsabilités
- Expérience dans l'interaction avec des clients seniors ou des publics de parties prenantes dans une capacité de conseil technique : présentation des décisions d'architecture et traduction en termes commerciaux
Formation
Licence ou diplôme supérieur en informatique, sciences de l'information, ingénierie des données ou domaine connexe. Un diplôme avancé dans une discipline de représentation des connaissances, d'IA/ML ou du Web sémantique est un atout majeur.
Un atout majeur — Technique
- Expérience avec l'extraction d'entités et de relations NLP/ML (spaCy, transformateurs Hugging Face) pour l'enrichissement automatisé de la taxonomie à partir de données non structurées
- Expérience directe avec l'architecture de génération augmentée par récupération (RAG) et la sélection/évaluation de modèles d'intégration dans un environnement de production
- Compréhension de la manière dont la structure ontologique soutient la modélisation statistique : comment les données de relation et les priors structurés alimentent les modèles bayésiens ou d'autres modèles basés sur l'inférence
- Familiarité avec les principes de gouvernance des données et de confidentialité à l'intersection des données commerciales des clients et des connaissances organisationnelles propriétaires
Un atout majeur — Expérience
- Connaissance approfondie du domaine commercial dans au moins un domaine pertinent pour la suite Growth AI Performance System : analyse marketing et média, comportement de la marque et du consommateur, ou gestion de la tarification et de la croissance des revenus
- Expérience de travail dans ou aux côtés de cabinets de conseil, de services professionnels ou d'organisations d'analyse d'entreprise où la qualité de la représentation des connaissances a des conséquences directes sur les décisions des clients
Informations sur la rémunération aux États-Unis
La rémunération pour ce rôle comprend un salaire de base, une prime de performance annuelle discrétionnaire, un plan 401(k) avec une contribution annuelle de l'employeur basée sur les années de service et le meilleur ensemble d'avantages sociaux de Bain (détails listés ci-dessous).
Certaines administrations locales aux États-Unis exigent qu'une fourchette salariale raisonnable et de bonne foi soit incluse dans les offres d'emploi pour les postes ouverts. La rémunération annualisée estimée pour ce rôle est la suivante :
- Dans le Massachusetts, la fourchette salariale annualisée à temps plein, raisonnable et de bonne foi pour ce rôle se situe entre (veuillez insérer la fourchette salariale) ; le placement dans cette fourchette variera en fonction de plusieurs facteurs, notamment, mais sans s'y limiter, l'expérience, l'éducation, les licences/certifications, la formation et le niveau de compétence
- Dans l'Illinois, la fourchette salariale annualisée à temps plein, raisonnable et de bonne foi pour ce rôle se situe entre $226,000 – $276,750 ; le placement dans cette fourchette variera en fonction de plusieurs facteurs, notamment, mais sans s'y limiter, l'expérience, l'éducation, les licences/certifications, la formation et le niveau de compétence
- Prime de performance annuelle discrétionnaire
- Ce rôle peut également être éligible à d'autres éléments de rémunération discrétionnaire
- Contribution de l'entreprise au 401(k) de 4.5%, qui augmente après 3 ans de service et est acquise à 100% dès la date de début
Le programme complet d'avantages sociaux et de bien-être de Bain & Company est conçu pour aider les employés à atteindre l'indépendance personnelle, la protection et la stabilité dans les domaines les plus importants pour vous et votre famille.
- Bain paie 100% des primes individuelles des employés pour les programmes médicaux, dentaires et de vision, offrant l'un des plans médicaux les plus complets pour les employés sans impacter votre salaire
- Congés payés généreux, y compris congé parental, congé maladie et jours fériés payés
- Contribution de l'entreprise au 401(k) entièrement acquise
- Assurance vie et assurance invalidité de longue durée payées
Pour tous les autres sites, la fourchette salariale annualisée à temps plein, raisonnable et de bonne foi pour ce rôle est proportionnelle aux taux du marché géographique concurrentiel pour ce rôle et variera en fonction de plusieurs facteurs, notamment, mais sans s'y limiter, l'expérience, l'éducation, les licences/certifications, la formation et le niveau de compétence.
INFORMATIONS GÉNÉRALES
Il est illégal dans le Massachusetts d'exiger ou d'administrer un test de détecteur de mensonge comme condition d'emploi ou de maintien dans l'emploi. Un employeur qui enfreint cette loi sera passible de sanctions pénales et de responsabilité civile.
Intitulé du poste Responsable de l'ontologie - Plateforme
ID du poste 111468
Domaines de travail Technologie et ingénierie
Type d'emploi Permanent à temps plein
Lieu(x) Chicago, Londres, São Paulo, Varsovie
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil