Job position LEAD MACHINE LEARNING MLOPS
Share this job
Garantir l’excellence technologique du pôle IA en définissant les standards d’architecture et de développement, en sécurisant la mise en production de solutions d’intelligence artificielle complexes et en accompagnant la montée en compétence des équipes techniques.
Le Tech Lead ML joue un rôle clé dans la conception, la robustesse et la scalabilité des produits IA tout en contribuant aux décisions stratégiques liées à la roadmap technologique.
Responsabilités principalesArchitecture & Engineering IADéfinir et maintenir les standards d’architecture ML/IA dans des environnements multi-cloud.
Concevoir et valider les pipelines ML / IA end-to-end (data → training → évaluation → déploiement → monitoring).
Mettre en place les bonnes pratiques de MLOps et industrialisation des modèles.
Superviser les choix d’outils et frameworks :
frameworks ML
solutions cloud (Google Cloud, Microsoft Azure)
outils MLOps
Garantir la cohérence technologique de l’écosystème IA.
Auditer et challenger la qualité technique des produits IA :
performance
robustesse
sécurité
coûts (FinOps)
maintenabilité
Mettre en place des standards de gouvernance des modèles et des données.
Jouer un rôle d’expert et de mentor auprès des équipes Data Science et Data Engineering.
Accompagner la montée en compétence technique des équipes.
Définir et diffuser les bonnes pratiques de développement.
Participer aux phases de cadrage et de conception des produits IA.
Contribuer à la définition de la roadmap produit IA.
Collaborer étroitement avec :
le Product Owner IA
les Data Scientists
les Data Engineers
les équipes software.
Assurer une veille technologique active sur les innovations IA :
IA générative
MLOps
architectures data
outils et frameworks émergents.
Candidate profile
Expérience sur l’IA générative :
LLM
Prompt engineering
RAG (Retrieval Augmented Generation)
évaluation de modèles
systèmes agentiques
Excellente maîtrise de Python et de la programmation orientée objet.
Bonne maîtrise des concepts Data Science / Machine Learning.
Outils et pratiques DevOps :
Git
CI/CD
Docker
Kubernetes
MLflow
Expérience avancée sur Azure et/ou Google Cloud.
Bonne maîtrise de l’Infrastructure as Code (Terraform).
Conception d’architectures scalables et résilientes.
Déploiement d’API REST.
Architecture microservices.
Industrialisation et déploiement de modèles en production.
Monitoring des modèles IA
Optimisation des performances
Gestion de la scalabilité
Sécurité et gouvernance des modèles et des données.
Excellentes capacités de communication et de pédagogie.
Leadership technique naturel.
Capacité à structurer et poser un cadre normatif de développement.
Esprit orienté solution et impact.
Forte curiosité technologique et intérêt pour l’innovation.
8 ans d’expérience dans le développement et le déploiement de solutions d’intelligence artificielle en production.
Expérience significative dans l’industrialisation de modèles ML.
Expérience dans des environnements cloud et architectures distribuées.
Une première expérience en software engineering est un plus.
Apply to this job!
Find your next career move from +800 jobs!
-
Manage your visibility
Salary, remote work... Define all the criteria that are important to you.
-
Get discovered
Recruiters come directly to look for their future hires in our CV library.
-
Join a community
Connect with like-minded tech and IT professionals on a daily basis through our forum.
LEAD MACHINE LEARNING MLOPS
Atlas Connect