Find your next tech and IT Job or contract MLOps

Contexte de la mission : Nous recherchons un Architecte IA / MLOps pour rejoindre une DSI en pleine transformation autour de l'intelligence artificielle. Vous intégrerez le Pôle Architecture Logicielle & IA et participerez à la conception, au cadrage et à l'industrialisation de solutions d'IA à forte valeur ajoutée. Votre rôle sera d'accompagner la mise en œuvre d'architectures IA robustes et évolutives, couvrant aussi bien le Machine Learning traditionnel que l'IA générative (LLM, RAG, Agents IA), tout en garantissant leur intégration au système d'information, leur gouvernance et leur exploitation en production. Vous interviendrez en étroite collaboration avec les équipes Data Engineering, Architecture, Développement et les différents métiers afin d'accélérer l'adoption de l'IA à l'échelle de l'entreprise. Les avantages de la mission : Mission longue avec une forte visibilité. Participation à la stratégie IA d'un grand acteur du secteur financier. Interventions sur des sujets innovants autour de l'IA générative et des architectures de nouvelle génération. Environnement technique moderne et orienté industrialisation. Collaboration avec des équipes expertes en Data, Cloud et Architecture. Forte autonomie et rôle clé dans les choix techniques. Télétravail partiel avec 2 à 3 jours de présence par semaine sur site à Toulouse. Opportunité d'avoir un impact concret sur les futurs usages IA de l'entreprise.

Au sein d'une organisation Agile et DevOps, l'ITOps/MLOps est le garant de l'exploitabilité, de la disponibilité et de la résilience des solutions IT, il accompagne les équipes projets dans l'intégration des exigences de production, de sécurité et d'infrastructure tout au long du cycle de vie des applications et plateformes. En complément, la dimension IA/MLOPS consiste à industrialiser le déploiement et l'exploitation en production des solutions d'intelligence artificielle (modèles ML, agents conversationnels, IA générative, solutions agentiques, …) du point de vue de l'infrastructure et des opérations. Attention : nous ne recherchons pas de Data Scientists ou d'ingénieur IA, mais un ITOPS (IT Operations) possédant de l'expérience dans le déploiement/industrialisation de solutions d'IA Responsabilités principales • Participer à la conception des solutions en intégrant les exigences de production, sécurité, supervision et résilience, • Promouvoir la réutilisation de services existants, anticiper les contraintes de conformité, de sécurité et d'architecture • Assurer la mise à disposition et l'exploitation des environnements techniques (Production et Hors Production), • Définir et mettre en œuvre les dispositifs de monitoring, supervision et observabilité. • Garantir l'exploitabilité des plateformes (performances, sauvegardes, restauration, capacité, sécurité). • Participer à la gestion des incidents majeurs, problèmes et plans d'amélioration continue. • Contribuer à l'automatisation et à l'industrialisation des opérations. • Maintenir la documentation technique et les procédures d'exploitation. Compétences clés - Techniques • OS (RHEL, Windows), Docker, Kubernetes / OpenShift • Automatisation & IaC Git, Jenkins (CI/CD), Ansible, Terraform, ArgoCD, Digitalai • Scripting: Python, Shell, YAML • Observabilité & Monitoring: ELK, SysDig, Dynatrace, Grafana • Supervision / Scheduling : Control‑M • Cloud: IBM Cloud • Connaissances avancées côté infra/archi/middleware : IA Générative, agentique, entrainement des modèles … - Métier & Soft skills • Capacité à traduire les exigences de production, de sécurité et d'infrastructure en actions concrètes pour les équipes projet. • Sens du service et de la documentation, aptitude à travailler en mode projet et à rendre compte de l'avancement et des risques • Esprit d'initiative et capacité à proposer des améliorations continues. • Excellente communication et aptitude à collaborer avec des profils variés (développeurs, data scientists, PO, responsables sécurité). • Rigueur, autonomie et sens de l'organisation. • Aptitude à gérer les priorités et à travailler sous pression lors d'incidents de production.

Au sein d'une équipe dédiée à l'intelligence artificielle, vous contribuerez à la conception et à l'industrialisation de solutions d'IA avancées destinées à valoriser les données du système d'information. Vous interviendrez sur l'ensemble du cycle de vie des modèles, depuis la collecte, la préparation et l'analyse des données jusqu'au développement, à l'entraînement, au déploiement et au suivi des modèles de machine learning et d'IA générative en production. Vous participerez également à la définition des capacités IA, à la gestion de la donnée et à la conception d'architectures agentiques basées sur les frameworks LangChain, LangGraph et LangSmith. Dans un environnement international, vous collaborerez avec les équipes Data, MLOps, DevOps et métiers afin de garantir des solutions performantes, sécurisées, auditables et répondant aux exigences de production IT.

Cette mission consiste à accompagner une équipe IT dans le suivi et l'industrialisation de projets de Machine Learning en intervenant sur l'intégration, le déploiement et l'optimisation de modèles algorithmiques. Le consultant contribuera à la structuration de projets ML/DL, à la mise en place de bonnes pratiques de développement Python, à l'intégration de conteneurs Docker, à l'administration des environnements de développement, ainsi qu'à la définition des chaînes CI/CD et des architectures Cloud. Il participera également aux échanges avec des interlocuteurs francophones et anglophones, apportera son expertise technique sur les technologies Big Data et MLOps et contribuera à la réussite des projets de transformation data et intelligence artificielle.

Votre mission Vous serez un acteur clé de l'industrialisation des solutions d'Intelligence Artificielle chez notre client. À l'interface entre les équipes Data Science, Infrastructure et Développement, vous assurerez le déploiement, l'automatisation, la surveillance et la gouvernance des modèles d'IA en production. Principales responsabilités Industrialiser les modèles de Machine Learning et d'IA générative Concevoir et maintenir les pipelines MLOps Mettre en place les processus CI/CD pour les modèles Assurer le déploiement et la supervision des modèles en production Gérer le versioning des modèles et des données Mettre en œuvre les outils de monitoring de performance et de détection de dérive Collaborer avec les équipes Data Science et Data Engineering Garantir la conformité, la sécurité et la résilience des plateformes IA

Contexte Objectif global : Accompagner Coaching expertise sécurité IA senior Consultant(e) Expert(e) senior en sécurité de l'IA Mission Le/la profil interviendra sur trois piliers majeurs : Pilier 1 : Expertise Technique & Veille - Analyse de risques & Threat Modeling : Identifier les menaces spécifiques à l'IA (empoisonnement des données, évasion de modèle, vol de modèle, Prompt Injection, …) sur la base des référentiels du marché. - Sécurisation des architectures IA : Définir les patterns d'architecture sécurisés pour l'intégration de l'IA avec connaissance des techniques de remédiation - Évaluation technique : Participer à l'évaluation des solutions techniques et sécurité - Veille technologique IA : fournir les premières analyses et éventuellement proposer une démarche d'anticipation pour mieux appréhender l'émergence de la solution. Pilier 2 : Accompagnement Sécurité des Projets - Sécurité BY Design : en tant qu'expert sécurité IA, accompagner les projets de type métiers, socle technique ou de sécurisation de l'IA, dès la phase de cadrage de projets jusqu'à l'implémentation en appliquant la démarche et le framework sécurité IA. - Gouvernance, risques, conformité : Être l'interlocuteur sécurité IT opérationnel vis-à-vis des projets et des acteurs de sécurité LoD2 ayant une connaissance sur la Conformité Réglementaire (ex. IA Act européen) et en capacité de traduire les exigences réglementaires ou sécuritaires en contrôles techniques de sécurité. - Évaluation des risques tiers (Third-Party AI) des fournisseurs de solutions/sécurité IA Pilier 3 : Stratégie & Roadmap Sécurité de l'IA - Stratégie : Participer à l'élaboration et au suivi de la roadmap stratégique de l'accompagnement sécurité Cyber & IA de la direction Sécurité. - Gouvernance : Contribuer à la rédaction des standard de sécurité, ou des directives/procédures encadrant l'usage de l'IA, ou du modèle d'opérationnalisation de la sécurité IA & Cyber au sein de l'entreprise. En étroite collaboration avec les équipes de la Direction Sécurité, ainsi que des entités du groupe : sécurité Lod1 & LoD2, de l'équipe Data-IA & TES, en charge de développement et de technologie IA, des équipes de projets métier & Infra. Compétences techniques Sécurité IA & techno IA - Expert - Impératif Architecture sécurité IA & Cyber - Expert - Impératif Démarche sécurité dans les projets - Confirmé - Impératif Conformité & risques Cyber & IA - Expert - Impératif Connaissances linguistiques Anglais Professionnel (Impératif)

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,

Basée à Lille, Lyon, Nantes, Grenoble, Marseille, Paris et Bruxelles, Insitoo Freelances est une société du groupe Insitoo, spécialisée dans le placement et le sourcing des Freelances IT et Métier. Depuis 2007, Insitoo Freelances a su s'imposer comme une référence en matière de freelancing par son expertise dans l'IT et ses valeurs de transparence et de proximité. Actuellement, afin de répondre aux besoins de nos clients, nous recherchons un Expert Openshift AI (H/F) à Gémenos, France. Contexte : Dans le cadre de l'exploitation, de l'évolution et de l'industrialisation d'une plateforme IA basée sur OpenShift AI, nous recherchons un expert technique capable d'intervenir sur les activités de RUN, d'automatisation et de transformation de la plateforme. Le consultant rejoindra une équipe en place et jouera également un rôle clé dans l'accompagnement des équipes d'exploitation et du Service. Les missions attendues par le Expert Openshift AI (H/F) : Exploitation & Administration OpenShift AI • Administration et maintien en conditions opérationnelles des plateformes OpenShift AI. • Supervision de l'environnement Kubernetes/OpenShift. • Gestion des workloads, namespaces, quotas et déploiements. • Gestion des certificats, accès et configurations de la plateforme. Infrastructure & Plateforme • Administration des clusters OpenShift sur infrastructures VMware et BareMetal. • Gestion des ressources GPU. • Administration du stockage et de la persistance des données. • Gestion des composants réseau OpenShift (Ingress, Network Policies, exposition des services). OpenShift AI & MLOps • Administration des Data Science Projects et Workbenches. • Gestion des services de Model Serving (ModelMesh). • Gestion et optimisation des ressources GPU pour les usages IA. • Accompagnement des équipes Data Science et IA. Automatisation & Industrialisation • Mise en œuvre des pratiques GitOps et CI/CD. • Déploiement d'applications via Helm. • Administration d'ArgoCD et des pipelines Tekton. • Automatisation • Participation aux projets de transformation et d'industrialisation de la plateforme. Formation & Accompagnement • Formation des équipes en charge du RUN. • Accompagnement et montée en compétence du Service. • Documentation Profil recherché • Expert OpenShift / Kubernetes confirmé. • Expérience significative sur OpenShift AI et les environnements MLOps. • Bonne compréhension des architectures IA et des environnements GPU. • Expérience en automatisation, industrialisation et CI/CD. • Capacité à accompagner et former des équipes. • Aisance dans les environnements de transformation et d'amélioration continue. Conditions • Démarrage : ASAP • Mission longue durée • Localisation : Gémenos (13) • Présence sur site : 3 jours/semaine minimum

Pour le compte d'un grand compte du secteur bancaire, nous recherchons un(e) Consultant(e) Expert(e) Senior en Sécurité de l'IA afin d'accompagner les équipes Sécurité dans la maîtrise des risques liés à l'intelligence artificielle. Vous interviendrez sur des sujets à forte dimension stratégique et technique, en lien étroit avec les équipes Cyber, Data & IA, infrastructures et projets métiers. Vos principales responsabilités seront : Identifier et analyser les risques spécifiques liés à l'IA et au Machine Learning : Prompt Injection, empoisonnement des données, évasion de modèle, vol de modèle, etc. Concevoir et définir des architectures et patterns de sécurité adaptés aux solutions IA, notamment dans des environnements agentiques. Réaliser des analyses de risques et des évaluations de sécurité des solutions et architectures IA. Accompagner les projets dans une démarche Security & AI by Design, du cadrage jusqu'à l'implémentation. Traduire les exigences de sécurité et réglementaires en mesures et contrôles techniques. Participer à l'évaluation des risques liés aux fournisseurs et solutions Third-Party AI. Contribuer à la définition de la stratégie, des standards et de la roadmap de sécurité IA & Cyber. Assurer une veille sur les nouvelles menaces, technologies et bonnes pratiques de sécurité appliquées à l'IA.

Au sein du Pôle Architecture Logicielle & IA (DSI), le Lead IA / Architecte IA & MLOps du stream IA conçoit, cadre et met en œuvre les architectures IA industrielles (ML classiques et IA générative), en garantissant leur cohérence avec le SI, leur industrialisation via le MLOps, et leur observabilité en production. Il intervient de la faisabilité technique au passage à l'échelle, en lien étroit avec la DSMC (valeur métier) et dans le respect des cadres Groupe (Design Authority IA, sécurité, conformité). Périmètre et rattachement : Rattachement : Direction des Systèmes d'Information / Architecture Logicielle & IA Interactions clés : DSMC (cadrage valeur, priorisation des cas d'usage), Architectes SI et Logiciel / équipe infra / Cloud, équipe Data, équipes projets DSI, prestataires IA, RSSI, Conformité / Juridique (interfaces), Groupe (Design Authority IA, ITD DataLab Missions principales : Cadrage technique & architecture IA Réaliser les études de faisabilité technique IA (données, intégration, sécurité, MLOps). Définir les architectures cibles IA (ML prédictif, RAG, GenAI), alignées avec : le SI existant, les standards Groupe, le socle technique commun (CI/CD, API, SCOM) Formaliser les choix dans des dossiers d'architecture. Prototypage & validation des cas d'usage : Piloter ou réaliser des POC IA rapides (4–6 semaines) en lien avec la DSMC. Tester la viabilité des modèles, des données et des chaînes techniques. Documenter résultats, limites, risques techniques et conditions d'industrialisation MLOps & industrialisation : Définir et mettre en œuvre les chaînes MLOps : Accompagner l'intégration des solutions IA dans le SI existant. Contribuer au catalogue de services IA de la DSI Observabilité IA & fiabilité : Définir et déployer les principes de ML Observability : Mettre en place les alertes et indicateurs nécessaires au pilotage. Contribuer à la stratégie de run IA avec les équipes concernées Gouvernance des modèles IA : Contribuer à la gouvernance IA DSI / DSMC : Participer aux comités IA et Architecture. Garantir la conformité des solutions avec les exigences RGPD / AI Act (en lien avec les instances dédiées) Référent IA & accompagnement des équipes : Agir comme référent technique IA pour la DSI. Accompagner Data Engineers, équipes projets et prestataires. Diffuser les bonnes pratiques IA / MLOps (standards, patterns, retours d'expérience). Contribuer à la montée en compétence globale sur l'IA industrielle Responsabilités clés : Validation des choix techniques IA (outils, modèles, architectures). Définition des standards MLOps & observabilité IA. Contribution aux livrables structurants : Reporting sur l'avancement et la maturité IA du SI

Dans le cadre de l'accélération de sa stratégie Data & IA, un grand groupe français renforce son équipe afin de développer et industrialiser de nouveaux produits d'intelligence artificielle. Vous intégrerez une DSI engagée dans une transformation ambitieuse des usages métiers grâce à l'IA, avec un fort niveau d'innovation autour de l'IA générative, de l'agentique et du Machine Learning. Vos principales missions seront les suivantes : Concevoir, développer et déployer des solutions d'IA Générative et des systèmes agentiques. Développer des modèles de Machine Learning et Deep Learning répondant aux besoins métiers. Industrialiser les solutions IA en appliquant les bonnes pratiques DevOps et MLOps. Optimiser les déploiements sur Google Cloud Platform et Kubernetes afin de garantir performance, fiabilité et maîtrise des coûts. Développer de nouvelles fonctionnalités pour un portail interne dédié à l'IA. Accompagner les Data Scientists et les équipes de développement dans l'utilisation de l'écosystème GCP. Participer à l'évolution des standards, frameworks et bonnes pratiques autour de la plateforme Data & IA.

Notre client dans le secteur Réseaux et télécommunications recherche un/une Technical Manager Data & AI H/F Description de la mission : Fiche de poste – Technical Manager Data & AI Contexte et objectif de la mission Dans le cadre de l'intégration de l'Intelligence Artificielle au sein de l'entreprise, la mission consiste à définir et piloter la stratégie d'intégration de l'IA dans les processus opérationnels télécom, déployer les projets techniques associés, représenter l'expertise technique de l'entité lors des échanges groupe sur les thématiques AI, et encadrer techniquement une petite équipe. Le rôle est présenté comme un rôle de terrain et d'expertise technique. Missions principales 1. Stratégie & architecture IA • Analyser les processus opérationnels télécom existants et identifier les opportunités d'intégration de l'IA • Définir la roadmap technique IA adaptée aux enjeux métiers • Proposer des architectures robustes, scalables et sécurisées pour les solutions Data & AI • Assurer la cohérence entre les choix technologiques et les contraintes IT / CyberSecurity 2. Déploiement & implémentation de projets IA • Piloter techniquement l'implémentation des projets IA de bout en bout • Superviser et contribuer activement au développement des pipelines de données et des modèles IA • Mettre en place les pratiques MLOps pour industrialiser et maintenir les modèles en production • Garantir la qualité, la performance et la sécurité des solutions déployées 3. Expertise IA générative & LLM • Concevoir et implémenter des solutions basées sur les LLM (Large Language Models) • Développer des architectures RAG (Retrieval-Augmented Generation) adaptées aux cas d'usage télécom • Évaluer et sélectionner les modèles et frameworks IA les plus pertinents • Assurer une veille technologique active sur l'IA générative et ses évolutions 4. Gestion de la donnée • Superviser la gouvernance, la qualité et la sécurité des données • Concevoir et optimiser les pipelines de données (ingestion, transformation, exposition) • S'assurer de la conformité des pratiques data avec les réglementations en vigueur 5. Encadrement technique de l'équipe • Animer techniquement une équipe de 5 collaborateurs (data engineers / AI engineers) • Définir les priorités techniques et assurer le suivi des livrables • Monter en compétences l'équipe sur les technologies IA et data • Conduire les revues de code et valider les choix d'architecture 6. Représentation & échanges groupe • Participer aux comités techniques et stratégiques sur les thématiques AI • Présenter les avancées, les choix technologiques et les résultats des projets • Contribuer aux échanges de bonnes pratiques et aux synergies groupe sur l'IA Profil recherché Formation • Bac+5 en Informatique, Data Science, IA ou équivalent Expérience • Minimum 7 à 10 ans en IT, dont 3 à 5 ans sur des projets Data & AI • Habitude de travailler dans un contexte grand groupe / multi-entités appréciée Compétences techniques requises • IA générative : maîtrise des modèles génératifs tels que GPT, Mistral, LLaMA • LLM : fine-tuning, prompt engineering, évaluation de modèles • RAG : conception et déploiement d'architectures RAG • MLOps : MLflow, Kubeflow, DVC, CI/CD pour les modèles ML • Frameworks ML/DL : PyTorch, TensorFlow, Scikit-learn, LangChain, LlamaIndex • Data engineering : conception de pipelines batch & streaming • Technologies data : Apache Spark, Kafka, Airflow, dbt • Bases de données vectorielles : Pinecone, Weaviate, ChromaDB, FAISS • Architecture data : Data Lakehouse, Data Mesh, gouvernance des données • Cloud & infrastructure : maîtrise d'au moins un cloud provider parmi Azure, AWS ou GCP • Services managés AI/ML : Azure OpenAI, AWS SageMaker, Vertex AI • Conteneurisation & orchestration : Docker, Kubernetes • Développement : Python avancé, API REST, microservices • Ingénierie logicielle : DevOps, GitOps, revue de code, tests automatisés • Sécurité & conformité : cybersécurité appliquée aux systèmes IA, RGPD, AI Act, sécurisation des pipelines de données et des modèles Compétences comportementales • Leadership technique • Communication et capacité à vulgariser des sujets complexes • Autonomie dans la prise de décision technique • Pragmatisme et orientation résultats • Curiosité intellectuelle et veille technologique • Travail en équipe et partage de connaissances Indicateurs de succès • Livraison de la roadmap IA dans les délais définis • Nombre de cas d'usage IA déployés en production • Mesure de l'impact opérationnel des solutions IA sur les processus télécom • Niveau de maturité MLOps atteint par l'équipe • Qualité et régularité des contributions aux échanges groupe Informations complémentaires • Département : IT & CyberSecurity • Type de mission : terrain / expertise technique • Taille de l'équipe encadrée : 5 personnes • Secteur : télécommunications • La fiche de poste est susceptible d'évoluer en fonction des besoins du département et des orientations stratégiques du groupe Compétences / Qualités indispensables : Data & AI, LLM et IA générative, Architecture RAG, MLOps, Python, Leadership technique Compétences / Qualités qui seraient un + : Expérience dans le secteur Telecom, expérience en contexte grand groupe / multi-entitésInformations concernant le télétravail : Oui — 2 jours/semaine

Dans le cadre de l'exploitation, de l'évolution et de l'industrialisation d'une plateforme IA basée sur OpenShift AI, un expert technique est recherché pour intervenir sur les activités de RUN, d'automatisation et de transformation. Intégré à une équipe existante, il jouera un rôle clé dans la mise en œuvre d'une feuille de route de transformation (issue d'un audit/cadrage préalable), l'accompagnement et la formation des équipes d'exploitation, ainsi que la montée en compétence du Service Owner. Objectifs et livrables : • Assurer l'administration, le maintien en conditions opérationnelles (MCO) et la supervision des plateformes OpenShift AI / Kubernetes (workloads, namespaces, quotas, certificats, accès, patching, montées de version). • Traiter et suivre les incidents et les demandes de support. • Gérer l'infrastructure et la plateforme : clusters sur VMware et BareMetal, stockage (ODF), ressources GPU (NVIDIA, MIG Profiles), et réseaux (Ingress, Network Policies, exposition des services). • Administrer la brique OpenShift AI & MLOps : Data Science Projects, Workbenches, Model Serving (ModelMesh), pipelines ML et accompagnement des équipes Data Science. • Mettre en œuvre les actions d'automatisation, d'industrialisation, de GitOps et de CI/CD (Helm, ArgoCD, Tekton). • Accompagner la mise en œuvre de la roadmap de transformation et d'industrialisation de la plateforme. • Rédiger la documentation des procédures et des bonnes pratiques. • Former les équipes du RUN, accompagner le Service Owner et assurer le transfert complet de compétences. Compétences requises : • Expertise confirmée sur OpenShift et Kubernetes. • Expérience significative et indispensable sur OpenShift AI. • Solides compétences MLOps, architectures IA et gestion/optimisation des GPU (NVIDIA GPU Operator, MIG Profiles). • Maîtrise des composants MLOps : ModelMesh, Kubeflow / RHODS Pipelines, vLLM (apprécié). • Maîtrise des pratiques et outils d'automatisation, d'industrialisation et CI/CD : GitOps, ArgoCD, Helm, Tekton. • Compétences en observabilité : Prometheus, Grafana, Alertmanager, Loki / Elastic. • Compétences en sécurité, gouvernance et gestion d'infrastructure : RBAC, OpenShift ACS, ACM (Advanced Cluster Management), Quay Enterprise, VMware, BareMetal, OpenShift Data Foundation (ODF).

Assurer l'administration et le maintien en conditions opérationnelles des plateformes OpenShift AI. Gérer les incidents, le support, le patching, les montées de version et la supervision Kubernetes/OpenShift. Administrer les clusters OpenShift (VMware, BareMetal), les ressources GPU, le stockage et les composants réseau. Administrer les services OpenShift AI (ModelMesh, Data Science Projects, Workbenches, pipelines ML). Déployer et industrialiser les environnements via GitOps, ArgoCD, Helm et Tekton. Automatiser les opérations récurrentes et contribuer aux projets de transformation de la plateforme. Former, accompagner et assurer le transfert de compétences auprès des équipes RUN et du Service Owner. Documenter les procédures et les bonnes pratiques.

Contexte Dans le cadre de son programme de modernisation IT (Cloud, Observabilité, IA et réurbanisation du SI), Le client engage une réflexion structurée autour des sujets IA for IT et IA for Ops. L'objectif est de définir une vision pragmatique et opérationnelle permettant d'exploiter les capacités d'intelligence artificielle pour améliorer l'exploitation, la supervision, la résolution d'incidents et l'efficacité des opérations IT. En parallèle,le client poursuit la transformation de son dispositif d'observabilité avec notamment : La migration Dynatrace Gen II vers Gen III ; La transition des logs ELK vers Dynatrace ; La montée en maturité des pratiques de monitoring et d'observabilité. Objectifs de la mission Le consultant interviendra comme référent senior afin de : 1. Cadrer la stratégie IA for Ops Définir la vision cible IA for Ops. Identifier les cas d'usage prioritaires et à forte valeur métier. Formaliser une trajectoire réaliste et progressive. Définir les indicateurs de succès (KPIs). Construire une roadmap de déploiement. 2. Accompagner les parties prenantes Mener des ateliers et interviews avec les équipes techniques et métiers. Recueillir et synthétiser les besoins. Animer les réflexions stratégiques. Faciliter la prise de décision. Produire des recommandations pragmatiques et actionnables. 3. Contribuer à l'évolution de l'observabilité Apporter une expertise avancée sur Dynatrace. Conseiller les équipes dans la migration Gen II vers Gen III. Accompagner la bascule des usages de logs ELK vers Dynatrace. Participer à l'identification des prérequis techniques nécessaires aux futurs cas d'usage IA Ops. Livrables attendus Vision cible IA for Ops. Cartographie des cas d'usage prioritaires. Analyse de l'existant et des écarts. Recommandations stratégiques et opérationnelles. Définition des KPIs. Roadmap de mise en œuvre. Dossier de synthèse exécutif à destination du management. Recommandations relatives aux plateformes d'observabilité.

🚀 Opportunité – MLOps / AI Platform Engineer (AWS | GCP | Terraform | Kubernetes) Dans le cadre du renforcement d'une équipe dédiée aux plateformes IA, nous recherchons un(e) MLOps / AI Platform Engineer passionné(e) par les environnements Cloud, l'automatisation et les technologies d'Intelligence Artificielle. 📍 Localisation À définir (mode hybride selon le client) 📅 Démarrage ASAP 🎯 Vos missions En tant que MLOps / AI Platform Engineer, vous contribuerez à la conception, l'industrialisation et l'évolution d'une plateforme IA moderne. Vos principales responsabilités : Concevoir et faire évoluer des architectures IA robustes sur des environnements AWS et Google Cloud Platform (GCP). Déployer et maintenir les infrastructures via Terraform (Infrastructure as Code). Industrialiser les environnements IA et garantir leur cohérence entre les différents Clouds. Concevoir, maintenir et optimiser les pipelines CI/CD afin d'automatiser les déploiements. Administrer et optimiser les plateformes conteneurisées basées sur Docker et Kubernetes. Participer à la mise en œuvre des solutions MLOps autour de Databricks, MLflow et Airflow. Définir les standards techniques, bonnes pratiques, templates et documentations de la plateforme. Assurer une veille technologique active autour du Cloud, de l'IA et de l'IA Générative. Accompagner les équipes techniques et métiers dans l'adoption des solutions et partager votre expertise. 🛠 Stack technique Cloud AWS Google Cloud Platform (GCP) Infrastructure & DevOps Terraform Git CI/CD Docker Kubernetes Data & MLOps Databricks MLflow Apache Airflow 👤 Profil recherché Minimum 4 ans d'expérience sur un poste de : MLOps Engineer ML Engineer Platform Engineer DevOps Engineer Solide expérience sur AWS et/ou GCP. Maîtrise de Terraform et des approches Infrastructure as Code. Expérience significative avec les pipelines CI/CD. Bonne connaissance des environnements Kubernetes et Docker. Expérience des outils MLOps (MLflow, Databricks, Airflow) appréciée. Excellentes capacités de communication et de vulgarisation technique. Esprit collaboratif, autonomie et sens du service. Anglais professionnel indispensable. ⭐ Les plus Expérience sur des plateformes IA à grande échelle. Connaissances en IA Générative (GenAI). Forte culture DevOps et automatisation. Goût pour la veille technologique et l'innovation.