Senior Generative AI Research Engineer — R&D cosmétiques et pharma durables (Tokyo · Paris · Remote-friendly)

Le contexte

Un groupe japonais coté à Tokyo, leader de la pharma et des cosmétiques (300 Mds¥+ de CA, portefeuille de marques multi-décennies en eye care, skincare et cosmétique fonctionnelle), lance son programme IA phare. Il s'agit d'un poste de recherche en IA générative / foundation models — pas d'une mission de data science classique.

Le CIO du client — 26 ans chez IBM — a fixé un cap explicite : reproduire en interne ce que les partenariats pharma × IA les plus ambitieux ont livré en 2024–2025, en poussant trois axes : IA générative pleinement exploitée (pas du ML statistique habillé en tableaux de bord), apprentissage non supervisé (générer des formulations et découvrir des catégories sans données historiques), et cosmétique durable by design (biodégradabilité, impact sourcing, réglementation multi-géo intégrée dès le jour 1).

La mission

Tu construiras, avec Abbeal et la R&D du client, un foundation model sur mesure pour la formulation cosmétique et pharmaceutique. L'architecture combine :

• Formula Generator — architectures transformer / diffusion / GNN sur graphes moléculaires et embeddings d'ingrédients, entraînées sur un corpus curé de plus de 10 000 ingrédients cosmétiques.
• Multiple Formula Evaluators — têtes de scoring parallèles sur la conformité réglementaire (multi-géo), la durabilité (carbone, sourcing, biodégradabilité), le coût et la performance produit.
• Découverte de catégories en self-supervised — apprentissage de représentations non supervisé pour faire émerger de nouvelles catégories produit.
• Pipelines de données externes — RAG sur flux réglementaires, littérature scientifique, specs fournisseurs.
• Tableaux de bord de décision — sorties explicables pour les scientifiques R&D et le leadership marque.

Inspiration : foundation models moléculaires dans la lignée de MoLFormer, ChemBERTa et RXN for Chemistry, adaptés à la formulation cosmétique.

Feuille de route

• Phase 0 — Audit (2–3 semaines) : cartographie des cas d'usage, due diligence data, évaluation de la stack R&D actuelle.
• Phase 1 — PoC (3 mois) : MVP foundation model, tête de scoring durabilité, harness d'évaluation sur 2 catégories produit.
• Phase 2 — Production (12+ mois) : scaling, intégration avec les équipes R&D, mise en production, gouvernance.

Logistique

• Mode de travail : remote-friendly depuis Paris ou Tokyo, avec déplacements réguliers à Tokyo (~1 semaine/mois sur site Tokyo minimum en Phase 0–1).
• Statut : Freelance via Abbeal ou CDI (contrat Abbeal Japon avec package de mobilité internationale via Mobbeal pour les candidats ouverts à la relocalisation).
• Langue de travail : anglais. Le japonais (JLPT N3+) est un vrai plus, pas un prérequis.
• Démarrage : T3 2026 — la phase d'audit peut démarrer dès le profil validé.

Profil recherché — indispensable

• 5+ ans à construire de l'IA générative / foundation models appliqués à un domaine scientifique (chimie, matériaux, drug discovery, life sciences).
• Hands-on transformer / diffusion / VAE / GNN sur représentations moléculaires (SMILES, SELFIES, graphes 3D).
• Maîtrise de l'apprentissage non supervisé et self-supervised state-of-the-art, au-delà du fine-tuning de LLM.
• Background scientifique — PhD en chimie computationnelle, ML, science des matériaux ou informatique avec forte expérience domaine, ou équivalent industriel.
• Anglais business courant — tu débattras d'architecture foundation model avec un sponsor technique de niveau ex-Distinguished Engineer.
• Capacité à cadrer et exécuter une feuille de route PoC → production sur 12–18 mois.

Atouts appréciés

• Japonais conversationnel ou professionnel (JLPT N3+).
• Passage par IBM Research, ETH Zurich, EPFL, Institut Pasteur, Institut Curie, Imperial College ou équivalent.
• Expérience directe en R&D formulation cosmétique, parfum ou agroalimentaire (cosmétiques Tier-1, Givaudan, IFF, Firmenich, Iktos, Prose, etc.).
• Expérience de clients japonais et de la culture de communication indirecte.
• Publications (NeurIPS, ICML, JCIM, JACS, Nature ML) ou contributions open-source.

Stack technique

• Modélisation : PyTorch, JAX, Hugging Face Transformers, RDKit, DeepChem, PyTorch Geometric.
• Infonuagique : AWS ou GCP (région Tokyo probable).
• Ops : MLflow, Weights & Biases, DVC, Airflow / Prefect.
• Data : PostgreSQL + vector store (Pinecone, Weaviate, pgvector), Snowflake ou BigQuery.
• Évaluation : SHAP, integrated gradients, quantification d'incertitude, A/B testing.

Pourquoi nous rejoindre

• Programme inédit pour un acteur R&D japonais majeur — même lignée que les partenariats foundation models / cosmétique durable de 2025.
• Recherche de frontière, appliquée — tu portes les choix d'architecture d'un modèle phare à portée pluriannuelle.
• Sponsorship technique exigeant — le CIO, 26 ans chez IBM, sait lire tes papers.
• Stack moderne, sans dette ML legacy — architecture green-field.
• Setup international — culture d'ingénierie française / japonaise / globale, follow-the-sun Paris, Montréal, Tokyo.
• Option mobilité Abbeal — accompagnement visa et relocalisation via Mobbeal pour s'installer à Tokyo.

Postuler

Si ce profil te correspond — ou correspond à quelqu'un de ton réseau — parlons-en. Le sponsor CIO a fixé une échéance mi-juin 2026 pour l'alignement technique : ça va vite. Écris à sebastien@abbeal.com avec l'objet « GenAI Foundation Models Cosmetics Tokyo ».