Find your next tech and IT Job or contract DevOps Engineer (Cloud)

Gérer l'infrastructure 100% "as code" via Terraform (représente environ 45% de l'activité). Concevoir et maintenir des applications via des charts Helm et Dockerfiles (environ 30% de l'activité). Créer et maintenir des scripts d'utilitaires de check et de déploiement en Bash (20% de l'activité). Interagir avec les data engineers en Python (5% de l'activité) pour élaborer des tests et répondre aux besoins utilisateurs. Automatiser les déploiements d'infrastructures Cloud à grande échelle. Intégrer et automatiser le déploiement de composants transverses (Ingress, Keycloak, Nexus) et d'outils data sur Kubernetes (Gitlab, Jupyter, Spark, PostgreSQL). Contribuer à l'évolution de l'architecture de la plateforme et assurer une veille sécurité et technologique

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

Programme de plateforme cloud privée internationale (IaaS + CaaS), déployée sur 4 datacenters mondiaux. Vous rejoignez une équipe DevOps / SRE au cœur de l'industrialisation, de la fiabilité et du déploiement de la plateforme. Missions Déployer, opérer et optimiser les clusters Kubernetes multi-cluster en production. Construire et maintenir les pipelines CI/CD et GitOps de la plateforme. Concevoir l'infrastructure as code (Terraform, Ansible) selon les standards de sécurité et de souveraineté. Mettre en place l'observabilité (Prometheus, Grafana, OpenTelemetry) sur l'ensemble de la stack. Garantir la fiabilité et la résilience des services en production (SLA, monitoring, alerting, incidents). Automatiser les tâches opérationnelles via Python et outils d'orchestration. Contribuer aux choix techniques et aux revues d'architecture DevOps. Accompagner les équipes applicatives sur l'utilisation de la plateforme (Helm, ArgoCD). Stack technique Orchestration : Kubernetes, OpenShift, Rancher, Docker, Helm IaC : Terraform, Ansible CI/CD & GitOps : GitLab CI, ArgoCD, FluxCD Observabilité : Prometheus, Grafana, ELK, OpenTelemetry Scripting : Python, Bash Cloud : OpenStack, AWS, Azure, GCP (hybrid cloud) Sécurité : Vault, RBAC Kubernetes, OPA

Le client cherche un Platform Engineer expérimenté pour construire, faire tourner et faire évoluer l'infrastructure cloud qui héberge ses applications. Il gère toute la couche plateforme : ressources cloud, Kubernetes, automatisation, observabilité et suivi des coûts (FinOps). Il travaille avec l'hébergeur et les équipes de dev. Le poste a une forte dimension Developer eXperience : les pipelines, le packaging et l'observabilité doivent permettre à chaque équipe de dev de construire, déployer et gérer ses applications seule, simplement et en sécurité. Cloud et automatisation : très bonne maîtrise d'un grand cloud, de préférence GCP, Scaleway apprécié, certifications en plus. Terraform en production (modules, state, gestion des environnements) intégré aux revues CI/CD. Kubernetes, du déploiement à l'admin de cluster : déploiement et debug d'applis conteneurisées. Admin de clusters en prod : node pools, upgrades, ingress, TLS, sécurité, RBAC/OIDC, multi-tenancy, DNS et réseau. CI/CD et packaging : conception et maintenance de pipelines GitHub Actions pour plusieurs équipes (reusable workflows, runners, cache, secrets, release/rollback, quality gates). Outillage Docker et Helm charts partagés. Observabilité et performance : OpenTelemetry et écosystème VictoriaMetrics (metrics, logs, traces), dashboards Grafana, alerting en PromQL/MetricsQL. Décisions de capacité et d'autoscaling (requests/limits, HPA/VPA, préscaling avant les pics, tests de charge). KEDA et Descheduler appréciés. FinOps : rendre les coûts visibles et attribuables (tagging, showback/chargeback, dashboards, budgets).

Contexte : Dans le cadre de l'évolution et de l'exploitation de son infrastructure Cloud, le client recherche un Platform Engineers / DevOps Cloud expérimenté. Le consultant interviendra sur la construction, l'exploitation et l'amélioration continue de la plateforme hébergeant les applications, en collaboration avec le fournisseur d'hébergement et les équipes de développement. Missions principales : - Concevoir, administrer et faire évoluer l'infrastructure Cloud ainsi que les ressources associées. - Automatiser le provisionnement et la gestion des infrastructures à l'aide de Terraform : conception de modules, gestion des états et des environnements, intégration aux workflows CI/CD. - Déployer et exploiter des applications conteneurisées sous Kubernetes, assurer l'administration des clusters en production, les mises à niveau, la gestion des accès, la sécurité, le réseau et les mécanismes d'ingress/TLS. - Concevoir et maintenir les pipelines CI/CD avec GitHub Actions, notamment les workflows réutilisables, les runners, la gestion des secrets, les contrôles qualité et les mécanismes de déploiement et de rollback. - Développer et maintenir les outils de packaging applicatif, les images Docker et les charts Helm partagés. - Mettre en place et améliorer l'observabilité de la plateforme : collecte des métriques, logs et traces, tableaux de bord Grafana, alertes et suivi des performances. - Optimiser les capacités de la plateforme et son autoscaling, notamment via les requests/limits, HPA/VPA et les tests de charge. - Suivre et optimiser les coûts d'infrastructure dans une logique FinOps : allocation des coûts, tableaux de bord, alertes budgétaires et identification des leviers d'économie. - Faciliter l'autonomie des équipes de développement en leur fournissant des outils et des processus fiables, rapides et sécurisés pour construire, déployer et exploiter leurs applications. Environnement technique Google Cloud Platform (GCP), Scaleway, Terraform, Kubernetes, Docker, Helm, GitHub Actions, OpenTelemetry, VictoriaMetrics, Grafana, PromQL/MetricsQL, HPA/VPA, CI/CD. La connaissance de KEDA et Descheduler est appréciée. Outils de travail GitHub Enterprise, Jira, Tempo et Confluence. Compétences recherchées - Cloud : expérience solide sur au moins un fournisseur Cloud, idéalement GCP. Scaleway est également apprécié. - Infrastructure as Code : maîtrise de Terraform, avec une expérience en production. - Kubernetes : déploiement d'applications conteneurisées et administration de clusters en production. - CI/CD : conception et maintenance de pipelines GitHub Actions. - Conteneurisation : Docker et Helm. - Observabilité : OpenTelemetry, VictoriaMetrics et Grafana. - FinOps : suivi, attribution et optimisation des coûts d'infrastructure Cloud. Les certifications Cloud officielles sont un plus.

Chef de projet Intégration, DevOps & ML Engineer Cloud (AWS / Azure)Référence : RFP-271494-1 Localisation : À confirmer Date de démarrage : 09/11/2026 Durée : 3 mois Type de mission : Prestation Disponibilité : ASAP Contexte de la missionAu 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 et IA générative / LLM, dans des environnements multicloud (AWS, Azure et GCP). Dans ce cadre, nous recherchons un Chef de projet Intégration, DevOps & ML Engineer Cloud expérimenté, capable d'intervenir à l'interface entre les équipes Métier, Data Science, Infrastructure et Exploitation. Le consultant travaillera en étroite collaboration avec une ingénieure ML/MLOps interne afin de garantir la continuité de service et de faire évoluer deux cas d'usage de Machine Learning en production. Missions principales1. Industrialisation de solutions Data Science et Serverless sur AWSRéaliser des analyses exploratoires de données industrielles à grande échelle. Concevoir, développer et maintenir des algorithmes de rapprochement et de matching spatio-temporel. Gérer les problématiques de données manquantes, de fenêtres temporelles et de signaux GPS défaillants. Concevoir et exploiter des traitements serverless et des flux de génération automatisée de documents, notamment des rapports multi-images. Participer à la conception et à l'optimisation des pipelines de traitement de données. Contribuer à l'intégration de solutions d'IA générative et de services LLM. 2. Industrialisation MLOps sur AzureMettre en place et maintenir les pipelines d'entraînement et d'évaluation automatisés des modèles. Assurer la gestion des jeux de données versionnés et des registres de modèles. Industrialiser les déploiements de modèles en production, notamment via des stratégies blue/green. Mettre en place le monitoring des performances et la détection de dérive des modèles (model drift). Concevoir et optimiser des architectures de déploiement multi-sites, avec un socle commun factorisé et des configurations spécifiques par site. Participer à l'implémentation de modèles d'optimisation par apprentissage par renforcement (Reinforcement Learning, notamment SAC). 3. Intégration, DevOps et exploitation CloudAutomatiser les déploiements et les opérations d'infrastructure à l'aide de pratiques DevOps et Infrastructure as Code. Contribuer à la fiabilité, à la sécurité et à la disponibilité des solutions ML en production. Mettre en œuvre les bonnes pratiques de CI/CD, de supervision et de gestion des environnements. Faciliter la collaboration entre les équipes Data Science, Infrastructure et Exploitation. Assurer la continuité de service et contribuer à l'amélioration continue des solutions existantes. Environnement techniqueCloud AWS : Amazon SageMaker : entraînement, inférence, pipelines et registre de modèles. Amazon Bedrock : GenAI, LLM, RAG et Guardrails. AWS Lambda, S3, Glue, Kinesis / Firehose, Athena. Amazon Comprehend / Textract. boto3. Cloud Azure et MLOps : Industrialisation des modèles de Machine Learning. Pipelines d'entraînement et d'évaluation. Gestion des versions et registre de modèles. Déploiement blue/green et monitoring du model drift. DevOps et Data : Terraform et Infrastructure as Code. ELK. BigQuery. Automatisation et intégration continue / déploiement continu (CI/CD). Profil recherchéExpérience confirmée en ingénierie Cloud, DevOps et/ou MLOps. Expérience concrète dans l'industrialisation et la mise en production de modèles de Machine Learning. Bonne maîtrise des environnements cloud, notamment AWS et/ou Azure. Capacité à concevoir et exploiter des pipelines de données et des architectures serverless. Maîtrise des pratiques d'automatisation, de déploiement et de supervision. Capacité à travailler en équipe et à coordonner les échanges entre les interlocuteurs techniques et les équipes Data Science. Autonomie, rigueur, esprit d'analyse et orientation résultats. Compétences appréciéesExpérience avec Amazon SageMaker et Amazon Bedrock. Connaissance des architectures GenAI, LLM, RAG et des mécanismes de sécurisation associés. Expérience en traitement de données industrielles et en matching spatio-temporel. Connaissance des méthodes d'apprentissage par renforcement, notamment SAC. Expérience dans la conception d'architectures multicloud et multi-sites. Objectif de la missionGarantir l'industrialisation, la fiabilité et l'évolution de deux cas d'usage de Machine Learning en production, en renforçant l'intégration Cloud, les pratiques DevOps et les capacités MLOps des équipes. Pour candidater : merci de transmettre un CV actualisé, la disponibilité, le TJM et les expériences significatives en AWS, Azure, DevOps et MLOps.

Nous recherchons pour une mission longue chez notre client secteur banque/finance en région parisienne un(e) DevOps / Cloud Engineer expérimenté(e). Vous rejoignez une équipe en charge des composants de pricing de dérivés actions, au cœur d'une activité de marché en plein développement. Le delivery est agile, en sprints de 3 semaines, avec des équipes de développement à vos côtés. Vos missions : - Améliorer en continu la chaîne CI/CD, en lien avec les équipes de développement - Mettre en place le monitoring des services, des logs et de la performance - Migrer les services vers Kubernetes - Participer à l'automatisation des tests, y compris l'intégration et les tests de la bibliothèque de calcul - Centraliser les processus de non-régression (TNR) et suivre les releases - Contribuer à la réflexion sur la refonte du SI : APIsation, architecture microservices - Participer à la migration vers le cloud AWS Le poste est un CDI cadre chez Ingéniance, avec 2 jours de télétravail par semaine. Ref : O-WXDTV

Vous êtes responsable de la couche plateforme qui héberge les applications du client : ressources cloud, Kubernetes, automatisation de l'infrastructure, observabilité et maîtrise des coûts. Vous travaillez au quotidien avec l'hébergeur et avec les équipes de développement. Votre objectif est que chaque équipe puisse construire, déployer et exploiter ses applications de façon simple, rapide, sûre et autonome. Vos missions * Concevoir, optimiser et maintenir les pipelines CI/CD sous GitHub Actions : workflows réutilisables, runners, cache, gestion des secrets, release/rollback, quality gates. * Faire évoluer l'outillage de packaging : images Docker (multi-stage, durcissement, taille) et chart Helm commun à plusieurs applications, versionné et documenté. * Déployer et dépanner les workloads Kubernetes, et conseiller les équipes de dev sur leurs ressources : requests/limits, probes, rolling updates. * Administrer les clusters en production : node pools et montées de version, ingress et TLS, durcissement, RBAC/OIDC, quotas et PDB, CoreDNS, egress/NAT et plan d'adressage. * Provisionner l'infrastructure avec Terraform : modules, state, séparation des environnements, intégration aux revues de code. * Mettre en place l'observabilité avec OpenTelemetry et l'écosystème VictoriaMetrics / VictoriaLogs / VictoriaTraces, construire les dashboards Grafana et l'alerting (PromQL/MetricsQL, vmalert). * Piloter le dimensionnement et l'autoscaling : HPA/VPA, prescaling avant les grands événements éditoriaux, tests de charge, KEDA et Descheduler. * Porter la démarche FinOps : tagging, showback/chargeback, dashboards de coûts, alertes budgétaires, leviers d'économie (CUD, spot, nettoyage des ressources orphelines). * Accompagner les équipes de dev : documentation en anglais sur Confluence, points de suivi réguliers, transfert de compétences.

Bonjour à toutes et à tous, notamment aux Senior DevOps / Cloud Engineers 👨‍💻☁️ ! 🔎 Je cherche un/e Senior DevOps / Cloud Platform Engineer pour intervenir sur une mission stratégique au sein d'un environnement digital à forts enjeux Cloud, infrastructure et industrialisation. Tu évolueras dans un contexte où la fiabilité, l'automatisation, la scalabilité et l'industrialisation des plateformes Cloud sont au cœur des priorités. 💻 Ce que tu vas faire : Construire, faire évoluer et opérer la fondation Cloud Concevoir et maintenir les architectures projets, réseaux et environnements Cloud Mettre en place et industrialiser l'Infrastructure as Code avec Terraform Développer des modules réutilisables pour les équipes applicatives Gérer les problématiques d'identité, de sécurité, de tagging et de gouvernance Cloud Concevoir et maintenir les pipelines CI/CD Automatiser les déploiements et améliorer les stratégies de release, promotion et rollback Travailler sur des environnements conteneurisés avec Docker et Kubernetes Superviser et améliorer la production : monitoring, alerting, observabilité et gestion des incidents Automatiser les tâches opérationnelles récurrentes Contribuer à l'optimisation des performances et des coûts Cloud Accompagner les équipes de développement dans l'utilisation de la plateforme 🎯 Stack technique : Terraform / Python / SQL / Bash / Shell / GCP / Azure / GKE / Cloud Run / Cloud SQL / BigQuery / IAM / VPC / Cloud Build / AKS / App Service / Azure SQL / Entra ID / VNet / Azure DevOps / Docker / Git / CI/CD / GitHub Actions / GitLab CI / Azure Pipelines / Monitoring / Observabilité / NewRelic 🚀 Les plus de la mission : Environnement Cloud à forts enjeux Mission longue avec une vraie dimension d'industrialisation Rôle clé au cœur de la plateforme et des infrastructures Enjeux d'automatisation, de fiabilité et de scalabilité Stack Cloud moderne autour de GCP / Azure / Terraform / CI/CD Mission où ton expertise Cloud / DevOps pourra réellement faire la différence 📍 IDF : rythme hybride 🏡 📅 Démarrage : ASAP ⏳ Mission longue Qu'en penses-tu ? Une excellent week-end à tous 🕺🌞