Share this job
Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, GenAI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP). Pour accompagner les projets, il est recherché un Chef de projet Intégration, DevOps & ML Engineer expérimenté intervenant à l'interface entre les équipes Métier / Data Science et les équipes Infrastructure / Exploitation. Le prestataire formera un binôme technique avec une ingénieure ML/MLOps déjà en poste afin d'assurer la continuité de service et de faire évoluer deux volets de cas d'usage ML en production. Volet 1 : Cas d'usage ML sur AWS : traitement de données opérationnelles à grande échelle, EDA sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel, services serverless et génération documentaire ; environnement technique : Amazon SageMaker, Amazon Bedrock, Lambda, S3, Glue, Kinesis/Firehose, Athena, Comprehend/Textract, boto3 ; socles data ELK et BigQuery ; IaC Terraform. Volet 2 : Cas d'usage MLOps sur Azure : industrialisation de modèles de bout en bout (versionning, pipelines d'entraînement, gate d'évaluation, registry, blue/green, monitoring de drift), déploiement multi-sites et optimisation incluant des modèles d'optimisation par renforcement (RL / SAC) ; environnement technique : Azure Machine Learning, Microsoft Fabric / OneLake, Azure DevOps, Azure AI, AKS, IaC Terraform / Bicep. Objectifs : concevoir et maintenir des architectures cloud hybrides AWS / Azure pour charges IA ; développer et fiabiliser pipelines CI/CD ML ; intégrer services cognitifs managés ; développer modules Terraform réutilisables ; accompagner la modernisation vers conteneurs et serverless ; assurer support N3 IA/Data et montée en compétence du Run ; auditer et optimiser les coûts Cloud IA, garantir sécurité et conformité des données. Livrables attendus : dossiers d'architecture de référence, modules Terraform versionnés, pipelines MLOps automatisés, audits FinOps IA, documentation d'exploitation et fiches de transfert vers le Run. Démarrage : ASAP. Abonnez-vous à la page NaxoTech sur LinkedIn pour découvrir nos offres régulières
Candidate profile
Compétences indispensables : Data Science appliquée (Avancé) : Python avancé, EDA, géomatching / rapprochement spatio-temporel, feature engineering, évaluation robuste de modèles sur données industrielles bruitées, notions d'apprentissage par renforcement (RL / SAC). MLOps & déploiement (Avancé) : industrialisation CI/CD ML (gate d'évaluation, versioning data/modèles, model registry, stratégies d'inférence real-time/batch, blue/green, monitoring de drift), maîtrise d'Azure Machine Learning et Microsoft Fabric / OneLake. Cloud IA multi-cloud (Avancé AWS & Azure) : services AWS (Lambda, S3, Glue, SageMaker, Bedrock) ET Azure (Azure ML, Azure OpenAI, AI Search, Cognitive Services). IaC, conteneurs & CI/CD (Confirmé à Avancé) : Terraform confirmé/avancé (modules, gestion d'état), notions ARM / Bicep ou CloudFormation ; Docker et orchestration Kubernetes (AKS / EKS) ; Git / Azure Repos, Azure DevOps et/ou GitLab CI. Data, réseau & observabilité (Confirmé) : ELK, BigQuery, monitoring de production (Azure Monitor, Datadog, CloudWatch), réseau cloud (VPC, souscriptions, NACL/RTB/SG, NLB/ALB/AG), sécurité (Private Endpoints, RBAC, KMS) et FinOps IA. Compétences et certifications appréciées : Microsoft Fabric (enjeu fort) ; écosystème complémentaire : GCP / Vertex AI (niveau notions), Computer Vision, architectures Serverless. Niveaux de maîtrise attendus : Terraform confirmé à avancé · AWS AI avancé · Azure AI avancé · GCP ML notions. Certifications appréciées : HashiCorp Terraform Associate, AWS Certified ML Engineer / Specialty, AWS Solutions Architect Associate, Azure AI Engineer Associate, Fabric Data Engineer Associate.
Working environment
Environnements techniques et outils utilisés : multi-cloud AWS / Azure (et notions GCP) pour les charges IA (ML, GenAI/LLM, Computer Vision) avec services managés (SageMaker, Bedrock, Azure Machine Learning, Azure OpenAI, AI Search, Cognitive Services). Pipelines CI/CD ML automatisés (Azure DevOps, GitLab CI), orchestration Kubernetes (AKS / EKS), conteneurs Docker, architectures serverless (Lambda), socles data (Microsoft Fabric / OneLake, ELK, BigQuery), outils d'observabilité (Azure Monitor, Datadog, CloudWatch). IaC principalement Terraform (modules documentés et réutilisables) et notions Bicep/ARM. Les activités couvrent conception d'architectures cloud hybrides, industrialisation des pipelines MLOps, déploiement multi-sites, monitoring de drift, optimisation FinOps IA, et préparation des livrables pour le Run. Démarrage : ASAP.
Apply to this job!
Find your next career move from +10,000 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.
Chef de projet Intégration DEVOPS & ML Engineer Cloud
Naxotech