À propos du poste
Nous recherchons un Ingénieur en Assurance Qualité, ayant de l'expérience en IA et en tests d'automatisation et de performance. Les outils d'automatisation des tests utilisés sont Python, Robot Framework, Playwright.
Ce que vous accomplirez
Tests de systèmes et modèles d’IA
- Concevoir et exécuter des stratégies de test complètes pour les systèmes et modèles d’IA, incluant l'ingénierie des requêtes (prompt engineering), l’évaluation des résultats et les tests de biais/sécurité.
- Développer une compréhension approfondie du comportement des grands modèles de langage (LLM), notamment de la tokénisation, des vecteurs d'intégration (embeddings), des mécanismes d'attention et de l'inférence, afin d'anticiper les modes de défaillance potentiels.
- Concevoir des requêtes efficaces, détecter les hallucinations et les résultats hors cible, et évaluer la qualité des réponses générées selon leur exactitude, leur ton, leur cohérence et l'absence de biais.
- Appliquer des mesures d'évaluation propres à l'IA générative et établir des seuils de performance appropriés.
- Tester les systèmes d'IA intégrés à des pipelines de génération augmentée par récupération (RAG) et à des bases de connaissances, en veillant à la qualité des données et à l'exactitude de la récupération de l'information, lesquelles ont une incidence sur les résultats générés par les modèles.
- Comprendre le fonctionnement des bases de données vectorielles, les seuils de recherche par similarité, les phénomènes de dérive des embeddings, et tester les cas limites, notamment les documents quasi identiques, les embeddings clairsemés ou denses, ainsi que les performances lors du passage à l'échelle.
- Utiliser les frameworks LangChain et LangGraph afin d'analyser le code, de comprendre la structure des chaînes et des graphes, d'identifier les points de défaillance et de concevoir des harnais de test.
- Valider les points d'intégration à l'aide des protocoles MCP (Model Context Protocol), en vérifiant la disponibilité des outils et la gestion des erreurs.
Stratégie et planification des tests
Élaborer et exécuter des stratégies de test complètes pour les plateformes de titrisation, en veillant à la couverture complète des tests fonctionnels, de régression, d'intégration et de performance. Établir des normes d'essai et des pratiques exemplaires couvrant à la fois l'assurance qualité traditionnelle et la validation propre aux systèmes d'IA.
Automatisation des tests et développement de cadres d'automatisation
Concevoir, développer et maintenir des suites de tests automatisés afin d'accélérer les cycles de mise en production et d'améliorer la couverture des essais. Mettre à profit les outils d'IA et d'apprentissage automatique (ML) pour accroître la couverture des essais, améliorer l'efficacité des activités de test et réduire les cycles de régression.
Assurance qualité du cycle de vie de la titrisation Valider de bout en bout les flux de travail liés aux transactions, notamment la configuration, la structuration, le traitement et les distributions. Assurer l'intégrité des données entre les systèmes en amont et en aval au moyen de tests de rapprochement et de rapports.
Tests de mise en production et de régression
Coordonner les tests de régression liés aux mises en production de la plateforme, aux correctifs et aux modifications d'infrastructure. Assurer la stabilité et la rétrocompatibilité, en particulier lors des périodes de traitement critiques.
Work model
Nous croyons que le travail hybride est l’avenir, et nous nous efforçons d'offrir de la flexibilité dans la mesure du possible. Compte tenu des exigences opérationnelles de ce poste, il s'agit d'un poste hybride nécessitant quatre jours par semaine au bureau de Cognizant ou chez un client à Montreal, QC. Quel que soit votre modalité de travail, nous sommes là pour favoriser une équilibre travail-vie personnelle grâce à nos programmes de mieux-être.
Les modalités de travail pour ce poste sont exactes à la date de publication. Elles peuvent changer en fonction du projet dans lequel vous êtes engagé, ainsi que des exigences de Cognizant et du client. Soyez assuré(e) que nous serons toujours clairs sur les attentes liées au poste.
Compétences requises
Plus de 7 ans d'expérience en assurance qualité ou en ingénierie de la qualité. Solide connaissance du domaine de la titrisation, des marchés des capitaux ou de catégories d’actifs similaires.
Compétences techniques
Expérience pratique avec des outils d'automatisation des tests tels que Selenium, Robot Framework, Playwright ou des outils comparables. Maîtrise des langages de programmation, notamment Java et Python, ainsi qu’une expertise avérée dans la mise en œuvre de cadres d’automatisation. Expérience concrète en automatisation des tests d’API et en validation des systèmes back-end. Maîtrise du développement de requêtes de bases de données, de la validation des données et des tests de rapprochement. Expérience des pipelines CI/CD et des pratiques DevOps, notamment avec Jenkins, GitHub ou des outils comparables.
Compétences en IA et en apprentissage automatique
Bonne compréhension de l’architecture et du fonctionnement des grands modèles de langage (LLM). Expérience pratique avec les frameworks LangChain et/ou LangGraph. Connaissance des pipelines RAG, des bases de données vectorielles et des solutions agentiques. Connaissance des protocoles MCP (Model Context Protocol) et expérience des tests d'intégration. Compréhension des méthodes d’évaluation des biais, de la sécurité et des exercices de simulation d’attaque (red teaming) appliqués aux systèmes d’IA.
Nous avons hâte de rencontrer des personnes qui partagent notre mission et qui souhaitent contribuer de différentes façons. N’hésitez pas à postuler, même si vous ne répondez qu’aux compétences requises. Vos expériences et vos compétences transférables comptent - montrez-nous comment vous pourriez être la personne qu’il nous faut pour ce poste.
English Version
About The Role
We are looking to hire a Senior QA Engineer with AI experience, automation, and performance testing. Automation will be Python, Robot Framework, Playwright.
In this role, you will
AI Systems and Models Testing
Design and execute comprehensive test strategies for AI systems and models, including prompt engineering, output evaluation, and bias/safety testing.
Develop deep understanding of LLM behavior - tokenization, embeddings, attention mechanisms, and inference - to anticipate failure modes.
Construct effective prompts, recognize hallucinations and off-target outputs, and assess quality across accuracy, tone, coherence, and bias dimensions.
Apply evaluation metrics specific to generative AI and establish appropriate thresholds.
Test AI systems integrated with RAG pipelines and knowledge bases, validating data quality and retrieval accuracy as they impact model outputs.
Understand vector database mechanics, similarity search thresholds, embedding drift, and test edge cases including near-duplicate documents, sparse vs. dense embeddings, and performance under scale.
Leverage LangChain and LangGraph frameworks to read code, understand chain and graph construction, identify failure points, and write test harnesses.
Validate integration points using MCPs, testing tool availability and error handling.
Test Strategy and Planning
Define and execute comprehensive test strategies for securitization platforms, ensuring coverage across functional, regression, integration, and performance testing. Establish testing standards and best practices that span both traditional QA and AI-specific validation.
Test Automation and Framework Development
Design, build, and maintain automated test suites to accelerate release cycles and improve coverage. Leverage AI and ML tools to enhance test coverage, improve efficiency, and reduce regression cycles.
Securitization Lifecycle QA Validate end-to-end deal workflows including setup, structuring, processing, and distributions. Ensure data integrity across upstream and downstream systems through reconciliation testing and reporting.
Release and Regression Testing
Coordinate regression testing for platform releases, patches, and infrastructure changes. Ensure stability and backward compatibility, particularly during critical processing windows.
Work model
We believe hybrid work is the way forward as we strive to provide flexibility wherever possible. Based on this role’s business requirements, this is a hybrid position requiring 4 days a week in a client or Cognizant office in Montreal, QC. Regardless of your working arrangement, we are here to support a healthy work-life balance though our various wellbeing programs.
The working arrangements for this role are accurate as of the date of posting. This may change based on the project you’re engaged in, as well as business and client requirements. Rest assured; we will always be clear about role expectations.
What You Need To Have To Be Considered
7+ years of quality assurance or quality engineering experience.
Technical Skills
Hands-on experience with test automation tools (Selenium, Robot Framework, Playwright, or similar). Proficiency in programming languages including Java and Python, with demonstrated framework implementation expertise. Hands-on API automation and backend system validation experience. Proficiency in database query development, data validation, and reconciliation testing. Experience with CI/CD pipelines and DevOps practices (Jenkins, GitHub, or similar).
AI and ML Competencies
Core understanding of LLM architecture and behavior. Hands-on experience with LangChain and/or LangGraph frameworks. Knowledge of RAG pipelines, vector databases, and agentic solutions. Familiarity with Model Context Protocols (MCPs) and integration testing. Understanding of bias, safety, and red-team testing methodologies for AI systems.
We're excited to meet people who share our mission and can make an impact in a variety of ways. Don't hesitate to apply, even if you only meet the minimum requirements listed. Think about your transferable experiences and unique skills that make you stand out as someone who can bring new and exciting things to this role.
