PhD Student in AI

Summary

Join Livestorm as a PhD student for a one-year CIFRE contract focused on applying large language models (LLMs) to improve their SaaS product. The role involves conducting high-quality research and prototyping functional use cases (POCs). You will be mentored by the VP of Engineering and collaborate with product and data teams. The work will center on designing and prototyping AI/LLM POCs for Livestorm's use cases, such as automating summaries, CRM enrichment, and conversational analysis. You will be deeply involved in the product/engineering team, reporting directly to the VP of Engineering. The position requires a strong background in AI and software development.

Requirements

• Python (indispensable) – manipulation de données, orchestration de pipelines, scripting
• APIs d’IA générative : OpenAI (GPT-4/4o), Anthropic (Claude), Mistral, etc
• REST, Webhooks…
• LangChain, LlamaIndex ou autre pour l’orchestration d’agents / RAG
• Vector stores (e.g Pinecone) and Knowledge graphs (eg: Cognee)
• Fine-tuning, prompt engineering, embeddings, attention mechanisms
• Evaluation d’un POC IA : latency, coût, pertinence, hallucinations, scalabilité
• Inscrit·e en Doctorat (CIFRE-compatible) dans un laboratoire travaillant sur l’IA, le NLP ou l’apprentissage machine
• Diplômé·e d’une école d’ingénieur ou master informatique/data science
• Expérience concrète en développement
• Curieux·se, structuré·e, autonome, capable de vulgariser et documenter des approches complexes
• Intérêt marqué pour les produits SaaS et leur environnement business

Responsibilities

• Concevoir et développer des prototypes fonctionnels utilisant LLMs, embeddings, vector database, RAG, agents conversationnels, etc
• Sélectionner et évaluer des modèles (OpenAI, HuggingFace, Mistral, Claude, etc.) selon leur pertinence pour les workflows de Livestorm
• Co-construire les cas d’usage avec les équipes Produit : webinars, meetings, engagement utilisateur, auto‑summary…
• Effectuer une veille scientifique et technique continue : lecture de papers, benchmark de modèles open source et propriétaires
• ��valuer des architectures et frameworks (agentic workflows, orchestration, etc.)
• Rédiger la partie scientifique de votre thèse
• Présenter régulièrement vos résultats et recommander des pistes d’industrialisation
• Structurer et documenter vos travaux dans le cadre académique du Doctorat (rapport, soutenance, publications possibles)