Contractor job Expert MlOps Data IA / LLM(Secteur Bancaire)

Le Lab Data connaît une forte accélération et un passage à l’échelle.
Les équipes construisent et opèrent un Data Mesh, un Datalake, ainsi qu’une plateforme complète permettant de rendre accessibles les données, les analytics et les produits IA.
Le périmètre inclut :

• Conception du magasin Workspace pour accès aux données

• Connectivité avancée du Data Lab

• Mise en production de nombreux agents et modèles (≈60)

• Montée en puissance sur l’observabilité, le Go-to-Market, l’orchestration, et l’optimisation de la vitesse de livraison

L’objectif : accélérer, scaler, et professionnaliser la chaîne de valeur Data & IA pour soutenir une croissance forte du nombre d’utilisateurs.

Mission principale

Rejoindre le Lab Data pour :

• Accélérer l’évolution du Data Mesh et du Datalake

• Renforcer l’observabilité, la qualité, et la fiabilité des pipelines

• Structurer et opérer la plateforme agentique (LLM, agents, graph, orchestration)

• Améliorer la vitesse et la maturité en production (MLOps & LLMOps)

• Accompagner l’onboarding rapide des nouveaux utilisateurs et experts

• Contribuer au Go-to-Market et à la montée en maturité du produit

• Participer au développement interne des outils d’automatisation et d’orchestration

Responsabilités clésData Engineering & Analytics

• Développer et opérer des pipelines Spark / SQL performants

• Contribuer au Data Mesh, Datalake, et aux connecteurs Workspace

• Gestion de la consommation via API, Spark, Elastic Search

• Déploiement et optimisation Power BI & DataViz avancée

• Participer à la construction du catalogue de données / agents

Orchestration & Infrastructure

• Concevoir et opérer les workflows sur Kubernetes

• Infrastructure as Code (Terraform – un plus)

• Observabilité appliquée au Data & IA (logs, metrics, traces)

• Contribution à la refonte de n8n interne

• Gestion DAG & orchestrateurs internes / agentiques

ML Ops & LLM Ops

• Gestion du cycle de vie ML & LLM

• Mise en production d’agents LLM (60+ agents en prod)

• Context engineering : gestion dynamique du contexte partagé, hiérarchie, rationalisation

• Deep Search, Knowledge Graph, Neo Forging

• Monitoring, optimisation et sécurité des modèles

• Plateforme agentique : supervision, versioning, fiabilité

Développement Applicatif

• API robustes (Python / FastAPI)

• Application front (React – un plus, avec sensibilité design)

• Automatisation et intégration dans la plateforme