Contractor job Ingénieur MLOps Data & IA

Le profil interviendra sur l’ensemble du cycle de vie des solutions d’Intelligence Artificielle (IA), incluant :

• Industrialisation et CI/CD : Mise en place et maintenance de pipelines CI/CD (GitLab, Docker, Terraform, Kubernetes).

• Infrastructure et automatisation : Gestion et optimisation des environnements AWS (S3, EMR, SageMaker, IAM…).

• Data Engineering & Spark : Développement et optimisation de jobs Spark pour la préparation et le traitement de données à grande échelle.

• MLOps / Production : Déploiement, suivi et supervision des modèles IA (MLflow, , monitoring Datadog).

• Collaboration transverse : Interaction quotidienne avec les Data Scientists pour fiabiliser le delivery et le suivi des modèles.

• Veille et amélioration continue : Participation active à l’optimisation des pipelines et à la montée en maturité technique de l’équipe.

Le profil sera en charge de :

• Maintenir et faire évoluer les pipelines d’industrialisation (CI/CD, Terraform, Docker, Kubernetes).

• Participer à la mise en production et au suivi des modèles IA (Airflow, Datadog, , MLflow).

• Garantir la fiabilité des traitements Spark et la conformité des environnements AWS.

• Contribuer au suivi de la production et aux mises en production (MCO).

• Participer à l’amélioration continue des outils et pratiques Data/IA.

• Documenter les bonnes pratiques techniques et partager les retours d’expérience au sein de l’équipe AI Experts.

Obligatoires (Must Have) :

• CI/CD (GitLab)

• Docker

• Terraform

• Kubernetes

• Spark

• Python

• AWS (S3, EMR, SageMaker, IAM…)

Souhaitables (Nice to Have) :

• MLflow

• Airflow

• API / FastAPI

• Datadog

• Suivi de production / MEP

Autres compétences :

• Expérience de collaboration avec des Data Scientists

• Veille technologique et amélioration continue

• Esprit d’équipe et forte culture du delivery

• Rigueur technique, curiosité et autonomie

• Capacité à collaborer efficacement dans un environnement pluridisciplinaire (DE, DS, OPS, PO, DEV, staff)

• Sens du partage et de la documentation

• Maintenir et faire évoluer les pipelines CI/CD et d’industrialisation

• Participer aux mises en production et au suivi des modèles IA

• Garantir la fiabilité des traitements Spark et la conformité AWS

• Contribuer à l’optimisation continue des outils et pratiques

• Documenter et partager les bonnes pratiques techniques