Find your next tech and IT Job or contract MLOps

MLOps Engineer – Azure / Cloud & IA – Freelance / 6 mois de contrat initial / Bruxelles Pour le compte d'un client final qui accompagne quotidiennement des millions de particuliers et de professionnels dans toute l'Europe, nous recherchons un(e) des MLOps Engineers Séniors sur environnement Microsoft Azure, afin d'industrialiser et fiabiliser le cycle de vie des modèles d'IA à grande échelle. Informations clés de la mission Type de contrat : Prestation freelance Localisation : Bruxelles (Belgique) Rythme : Temps plein Démarrage : Dès que possible / à convenir Durée : Longue visibilité (contrats renouvelables) Télétravail : Politique hybride flexible (quelques jours sur site à Bruxelles / remote) Environnement : Contexte multiculturel, dynamique et en forte croissance Vos principales responsabilités Concevoir, automatiser et orchestrer les pipelines de bout en bout pour l'entraînement, le packaging, le déploiement et le monitoring des modèles d'apprentissage automatique (ML/DL). Industrialiser les plateformes de Machine Learning sur Azure (Azure Machine Learning, AKS, Databricks). Mettre en œuvre et maintenir les chaînes de CI/CD adaptées aux spécificités de la Data et du ML (GitOps, Azure DevOps / GitHub Actions). Mettre en place des mécanismes avancés de gouvernance, de versioning de données/modèles (MLflow, Feast/feature stores) et de tracking des métriques d'apprentissage. Assurer la surveillance continue des modèles en production (détection de data drift, concept drift, suivi des temps de latence et d'inférence). Collaborer étroitement avec les Data Scientists, les Data Engineers et les équipes d'infrastructure Cloud pour optimiser les performances et les coûts (FinOps).

Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers. L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance. La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform). Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI. Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI. Data Quality & Feature Store : Great Expectations, Feast. Ta Mission & Ton Impact : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production. Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions. Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation). Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.

ContexteNotre équipe développe des algorithmes de détection d'objets d'intérêt militaire sur images satellites. Pour faire face à une hausse de charge, l'équipe renforce sa squad dédiée au Retraining Kit, un outil qui permettra aux clients de réentraîner certains détecteurs sur leurs propres données et cas d'usage. Le kit s'appuie sur les modules internes de l'AI Factory (préparation des données, lancement et suivi des entraînements, évaluation, packaging du détecteur réentraîné). Le socle technique et le cadrage sont déjà définis. Vous rejoignez une squad pour construire et fiabiliser l'outillage. MissionsDévelopper l'outillage du Retraining Kit en vous appuyant sur les modules existants de l'AI Factory. Adapter les librairies et composants pour un déploiement chez des clients : packaging, suppression des dépendances réseau, images Docker autonomes. Fiabiliser le kit pour un déploiement client : tests de bout en bout, amélioration des workflows, qualité logicielle, documentation d'installation et d'utilisation. Contribuer à la vie de la squad (revues de code, rituels agiles, partage avec les Deep Learning Scientists). Environnement techniquePython, PyTorch, Docker CI/CD Linux, GPU Il n'y a aucune dimension LLM / GenAI sur ce poste dans un premier temps.

Ingénieur IA MLOps / Production (H/F)Contexte de la missionAu sein d'une équipe Data & IA d'un grand groupe international, vous intervenez sur l'exploitation, l'industrialisation et l'amélioration continue de solutions d'Intelligence Artificielle déployées en production. Les applications concernées couvrent notamment : Moteurs RAG (Retrieval-Augmented Generation) Agents conversationnels Systèmes multi-agents Solutions basées sur des LLM managés Modèles de Machine Learning industrialisés Vous évoluez dans un environnement Cloud AWS fortement industrialisé, intégrant les standards DevOps, MLOps, sécurité et gouvernance d'entreprise. Le poste présente une double dimension : Maintien en conditions opérationnelles (RUN) des solutions IA en production Contribution à l'industrialisation de la plateforme MLOps et des pratiques d'exploitation IA Missions principales1. Exploitation et support de productionAssurer le support applicatif de niveau 2 et 3 des solutions IA en production. Diagnostiquer les incidents, identifier les causes racines et piloter leur résolution. Garantir le respect des engagements de service (SLA, disponibilité, temps de rétablissement). Participer à la gestion des incidents majeurs et aux analyses post-mortem. Maintenir et enrichir la documentation d'exploitation (runbooks, procédures, schémas d'escalade). Mettre en œuvre les procédures de continuité de service et les modes dégradés. Accompagner les montées de versions des modèles IA et des composants applicatifs. Participer aux astreintes et interventions hors horaires ouvrés lorsque nécessaire. 2. Monitoring et observabilité des systèmes IAExploiter et améliorer les dispositifs de supervision applicative et infrastructure. Déployer et maintenir les outils d'observabilité dédiés aux systèmes IA et aux LLM. Concevoir des tableaux de bord de pilotage permettant de suivre : La disponibilité des services La latence des traitements Le coût des traitements IA Les performances des modèles La qualité des réponses générées Les dérives fonctionnelles et comportementales Affiner les stratégies d'alerting afin de réduire les faux positifs. Participer à la définition des politiques de surveillance et d'évolution des modèles. 3. Contribution aux pratiques MLOps et à l'industrialisationParticiper à la conception et à l'évolution des chaînes CI/CD dédiées aux projets IA. Contribuer à l'automatisation des déploiements et à l'amélioration continue des processus. Participer à la mise en place d'infrastructures reproductibles via l'Infrastructure as Code. Déployer et administrer les composants MLOps nécessaires à l'industrialisation des modèles. Accompagner les équipes de développement dans la résolution des problématiques liées aux pipelines d'intégration et de déploiement. Contribuer à la standardisation des architectures IA (RAG, fine-tuning, agents, LLMOps). 4. Gouvernance, sécurité et conformitéGarantir la conformité des solutions avec les normes internes et réglementaires. Participer à la mise en œuvre des mécanismes de traçabilité et d'audit des systèmes IA. Contribuer aux dispositifs de sécurisation des modèles et des usages d'IA générative. Participer aux exercices de continuité et de reprise d'activité. Maintenir l'ensemble de la documentation technique et opérationnelle. Veiller à l'application des politiques de sécurité et de gestion des risques. 5. Optimisation et innovationSuivre et optimiser les coûts d'exploitation des plateformes Cloud et IA. Identifier les opportunités d'amélioration suite aux incidents et retours d'expérience. Participer aux études technologiques et aux expérimentations autour des nouvelles solutions IA. Contribuer à la construction de composants réutilisables et mutualisés. Assurer une veille permanente sur les pratiques MLOps, GenAI, LLMOps et observabilité. Compétences comportementales recherchéesForte culture de production et sens du service. Capacité à intervenir efficacement en situation critique. Rigueur et sens de l'organisation. Esprit analytique et aptitude à la résolution de problèmes complexes. Excellentes capacités de communication. Autonomie et proactivité. Goût pour l'amélioration continue. Capacité à collaborer avec des équipes multidisciplinaires. Curiosité technologique et culture DevOps/MLOps. Anglais professionnel. Compétences techniques requisesIntelligence Artificielle & MLOpsExpérience significative sur des projets IA industrialisés. Connaissance des architectures RAG et des systèmes agentiques. Compréhension des problématiques liées aux LLM et à leur exploitation en production. Connaissance des pratiques LLMOps et MLOps. Gestion du cycle de vie des modèles et monitoring de performance. Cloud & InfrastructureExcellente maîtrise d'AWS : EKS Lambda EC2 CloudWatch IAM S3 Services IA managés Bonnes connaissances Kubernetes et conteneurisation Docker. DevOps & CI/CDGitLab CI GitHub Actions Terraform Infrastructure as Code Gestion des artefacts logiciels Gestion des secrets (Vault ou équivalent) Automatisation des déploiements Monitoring & ObservabilitéPrometheus Grafana CloudWatch APM Observabilité des applications IA Tracing distribué Monitoring des performances modèles Une connaissance des outils spécialisés tels que MLflow, LangFuse, LangSmith ou DeepEval constitue un atout. Sécurité & GouvernanceGestion des vulnérabilités. Sécurité Cloud. Gouvernance des modèles IA. Traçabilité et auditabilité. Connaissance des réglementations liées à l'IA et à la protection des données. DéveloppementPython avancé. APIs REST. Scripts d'automatisation. Connaissances SQL appréciées.

Nous recherchons un Architecte IA/MLOps H/F qui 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/Elle 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). 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

Les missions sont les suivantes :Assurer le maintien en conditions opérationnelles des infrastructures GPU et Kubernetes : supervision, mise à jour du GPU Operator, gestion des incidents et amélioration continue des plateformes. Déployer et exposer des solutions d'intelligence artificielle en production, notamment via le packaging de modèles avec vLLM, SGlang, llama.cpp ou des outils équivalents. Mettre en place et administrer des API sécurisées permettant l'accès aux modèles IA, en tenant compte des contraintes de performance, de disponibilité et de sécurité. Réaliser des travaux d'optimisation et de benchmark : analyse des performances, quantisation des modèles, suivi des indicateurs et reporting mensuel. Concevoir et maintenir des pipelines de fine-tuning et d'entraînement, en veillant à la traçabilité des expérimentations et à leur intégration dans les chaînes CI/CD. Contribuer à l'automatisation, à la fiabilisation et à l'industrialisation des déploiements IA, en lien avec les équipes infrastructure, DevOps, data et sécurité. Rédiger et maintenir la documentation technique, les procédures d'exploitation et les bonnes pratiques liées aux plateformes MLOps. Animer des ateliers internes, accompagner la montée en compétences des équipes et assurer une veille régulière sur les évolutions technologiques IA, MLOps et Cloud Native. Participer aux sujets de conformité et de sécurité : respect des référentiels ISO 27001/HDS, gestion des secrets, bonnes pratiques de sécurisation et contribution aux audits.

Contexte Dans le cadre du développement de solutions IA / GenAI, nous recherchons un Senior AI Engineer / Machine Learning Engineer. Vous évoluerez sur une plateforme IA Red Hat OpenShift, intégrant GPU NVIDIA, LLM as a Service, RAG, OCR et outils MLOps. Vos missions Concevoir et développer des solutions AI / Machine Learning / GenAI. Développer des Use Cases combinant LLM, OCR, Computer Vision, NLP et règles métier. Concevoir des solutions de Document AI : extraction, classification, comparaison et validation de documents. Travailler notamment sur des Use Cases de KYC et validation automatisée de pièces justificatives. Réaliser des POC et les transformer en solutions industrialisées et exploitables en production. Développer les APIs et services IA nécessaires à leur intégration dans le SI. Participer aux choix d'architecture et aux pratiques MLOps / LLMOps. Environnement technique Python • PyTorch • CUDA • LLM / GenAI • Qwen • LiteLLM • OCR / Document AI • RAG • MLflow • Docker • Kubernetes / OpenShift • APIs REST Votre profil 5 ans minimum d'expérience en AI / Machine Learning / Data Science Engineering. Excellente maîtrise de Python. Expérience concrète en Machine Learning / Deep Learning et LLM / GenAI. Expérience en OCR, Computer Vision, NLP ou Document AI. Expérience dans l'industrialisation de solutions IA. Connaissance de Docker, Kubernetes/OpenShift et/ou MLOps appréciée. Une expérience en banque, assurance ou finance constitue un atout. Anglais professionnel.

Contexte Un grand groupe bancaire souhaite construire et mettre en production une plateforme d'IA agentique basée sur LangGraph Platform. L'objectif est de permettre aux équipes de concevoir, tester, déployer et superviser des agents IA de manière fiable, traçable et industrialisée, dans un environnement sécurisé, gouverné et conforme. Mission Porter la vision produit de la plateforme, cadrer les besoins métiers et techniques, prioriser les fonctionnalités et accompagner son industrialisation. Le Product Owner accompagne également les premiers cas d'usage pilotes jusqu'à leur mise en production. Environnement technique IA : IA agentique, agents IA Framework : LangGraph Platform, orchestration LangGraph Capacités plateforme : monitoring, logs, traces, human-in-the-loop, versioning, déploiement, rollback Opérations et industrialisation : DevOps, MLOps Livrables attendus Note de cadrage et vision produit Roadmap produit et définition du MVP Backlog priorisé : epics, features et user stories Spécifications fonctionnelles des capacités clés de la plateforme Checklist de production readiness Parcours d'onboarding des cas d'usage agentiques Documentation des exigences de sécurité, de gouvernance et de monitoring Supports de suivi : comités, reporting, décisions et risques Compétences / Qualités indispensables : Product ownership de plateforme, IA agentique et agents IA, LangGraph Platform et orchestration LangGraph, Définition de vision produit, MVP et roadmap, Gestion et priorisation de backlog, Sécurité, gouvernance et conformité en environnement bancaire Compétences / Qualités qui seraient un + : Expérience sur un rôle technique

Les missions sont: 1- Conception et développement d'agents autonomes avec LangGraph : - Architecture des agents conversationnels ou décisionnels (ex: agents multi-outils, boucles de rétroaction, mémoire contextuelle). -Intégrtion des modèles de langage (LLMs) via LangGraph pour des tâches complexes (ex: raisonnement multi-étapes, orchestration de workflows). -Optimisation les stratégies de prompt engineering et les mécanismes de contrôle (ex: function calling, tool use, plan-and-execute). 2- Intégration avec des pipelines ML/MLOps existants : -Connection des agents LangGraph à des modèles custom (ex: fine-tuned LLMs, modèles de séries temporelles) via APIs ou pipelines. -Automatisation de versioning des agents et leur déploiement. 3- Ingénierie des données et features pour les agents : -Construction des pipelines de données pour alimenter les agents -Développement des mécanismes de mémoire (ex: bases de connaissances dynamiques). -Optimisation les coûts et la scalabilité (ex: caching des réponses, model distillation pour les edge cases). 4- Tests et robustesse : -Mise en place des tests automatisés pour les agents (ex: simulations de dialogues, injection de fautes). -Surveillance les dérives comportementales (ex: hallucinations, boucles infinies) avec LangSmith. -Documentation des limites et cas d'usage (ex: matrice de risques pour les décisions critiques). Compétences souhaitées: Expérience avancée avec LangGraph : -Maîtrise des composants clés : StateGraph, prebuilt tools, human-in-the-loop, et intégration avec des LLMs. -Expérience en déploiement d'agents en production. Python et écosystème IA : -Bibliothèques : langgraph, langchain, llama-index, pydantic. -Frameworks ML : PyTorch/TensorFlow (pour customiser des modèles si besoin).

🌟 Quel sera ton poste ? 🌟 💼 Poste : SRE DevOps IA/MLOps Junior H/F 📍 Lieu : Paris (75) 🏠 Télétravail : Flexible 📝 Contrat : Freelance 💸 TJM : 450€-480€ 👉 Contexte client : Tu rejoins un acteur majeur du numérique engagé dans le développement et l'industrialisation de solutions innovantes basées sur l'Intelligence Artificielle et le Machine Learning. Dans un contexte de forte accélération des usages IA, l'enjeu est de construire, fiabiliser et automatiser les plateformes techniques supportant l'entraînement, le déploiement et l'exploitation des modèles d'intelligence artificielle. Les équipes travaillent sur des environnements critiques nécessitant une forte disponibilité, une observabilité avancée et une industrialisation des processus afin d'accompagner les projets IA à grande échelle. En tant que SRE DevOps IA/MLOps Junior, tu interviens à l'interface entre les équipes Data, IA et Exploitation afin de garantir la performance, la résilience et l'automatisation des plateformes supportant les solutions de Machine Learning et d'IA générative. Tu auras pour missions de : Concevoir, déployer et maintenir les infrastructures nécessaires aux plateformes IA et Machine Learning. Participer à l'industrialisation des environnements MLOps et IA Ops. Automatiser les déploiements, l'exploitation et la supervision des services. Mettre en œuvre les bonnes pratiques Site Reliability Engineering (SRE) afin d'améliorer la fiabilité et la résilience des plateformes. Participer à l'optimisation des environnements d'entraînement et d'inférence des modèles IA. Déployer et maintenir les solutions de monitoring, d'observabilité et d'alerting. Accompagner les équipes Data Science et IA dans l'industrialisation des pipelines de développement et de déploiement. Participer à la gestion des incidents, à l'amélioration continue et à l'automatisation des processus d'exploitation. Contribuer à la mise en place et à l'exploitation de solutions d'IA générative telles que Claude. Rédiger et maintenir la documentation technique et les procédures d'exploitation. 🧰 Stack technique : DevOps & Automatisation : Git, CI/CD, Ansible, Terraform. Conteneurisation & Orchestration : Docker, Kubernetes. Observabilité : Prometheus, Grafana, ELK, Monitoring & Alerting. IA / Machine Learning : MLOps, IA Ops, plateformes d'entraînement, de déploiement et d'exploitation de modèles IA/ML, IA générative (Claude). Systèmes : Linux. Scripting : Python, Bash.

ContexteAu sein d'une division AI & Innovation d'un grand groupe international, une équipe dédiée à l'industrialisation et à la mise en production des solutions IA recherche un profil expérimenté pour assurer l'ownership technique d'un produit Data Science Platform. L'équipe compte une cinquantaine d'experts répartis sur plusieurs pôles : Solutions Engineering, Automation Engineering, Infrastructure Engineering, Product Office et Client Services. La plateforme de Data Science / MLOps est utilisée par plusieurs centaines de Data Scientists et repose sur des environnements Cloud et On-Premise. Elle s'intègre également à plusieurs infrastructures, plateformes et services d'IA générative en production. L'environnement s'appuie notamment sur : Des infrastructures Cloud et On-Premise Des environnements Kubernetes / OpenShift Des infrastructures GPU pour le training et l'inférence Des pratiques DevSecOps, GitOps, MLOps et LLMOps L'automatisation des infrastructures, plateformes et produits via leurs API Des enjeux forts de sécurité, observabilité, auditabilité, traçabilité et gouvernance MissionsEn tant qu'Expert Technique Data Science Platform, vous serez notamment en charge de : Participer à la conception technique et fonctionnelle du produit en collaboration avec les équipes Solutions Engineering et DevSecOps. Assurer le respect des exigences de sécurité, conformité, confidentialité et production IT. Définir et mettre en œuvre les mécanismes permettant aux équipes métiers et IT d'assurer leur propre gouvernance du produit. Construire, maintenir et faire évoluer la roadmap technique du produit en fonction des besoins des utilisateurs. Accompagner au quotidien les utilisateurs et décideurs métiers et IT et promouvoir les bonnes pratiques d'utilisation de la plateforme. Superviser les opérations critiques : changements, déploiements, mises à jour et évolutions, avec une vision de bout en bout des impacts. Organiser et documenter la gestion des incidents, notamment les analyses de root cause et la coordination entre les différentes équipes. Assurer la relation technique avec les fournisseurs et partenaires intervenant sur le produit : éditeurs, équipes d'industrialisation et équipes infrastructure. Contribuer à l'amélioration continue des processus et à l'alignement avec les autres équipes Data & IA. Être force de proposition sur l'automatisation, l'industrialisation et l'évolution des pratiques MLOps / LLMOps. Environnement de travailEsprit Team Play et forte collaboration transverse Environnement international et technologique Autonomie, rigueur et exigence de qualité Fort sens du service Curiosité et veille technologique Appétence pour le partage de connaissances Forte culture de l'automatisation Anglais courant indispensable : échanges avec des fournisseurs et utilisateurs internationaux, documentation principalement en anglais Environnement de travail MacOS ou Windows au choix

At CGI, you will play a pivotal role in enabling the deployment and operation of advanced AI systems that support critical national security outcomes. Working within our Space, Defence and Intelligence business unit, you will help design and deliver secure, scalable machine learning platforms that power innovation across mission-critical environments. We combine deep sector expertise with emerging technologies and collaborative delivery to create impactful solutions, giving you the opportunity to take ownership of complex challenges, contribute creative ideas, and grow within a supportive, expert-led community. The Space, Defence and Intelligence business unit in CGI is a true IT Systems Integrator. We work, build, and operate bespoke, technically complex, mission-critical systems which help our clients keep us all safe and secure. We bring innovation to our clients using proven and emerging technologies, agile delivery processes and our deep expertise across the breadth of space, defence, intelligence, aerospace and maritime, all underpinned by our end-to-end cyber capability. We work collaboratively with global technology companies, cutting edge SMEs and academia to deliver the optimal solution for each client. CGI was recognised in the Sunday Times Best Places to Work List 2025 and has been named a UK 'Best Employer' by the Financial Times. We offer a competitive salary, excellent pension, private healthcare, plus a share scheme (3.5% + 3.5% matching) which makes you a CGI Partner not just an employee. We are committed to inclusivity, building a genuinely diverse community of tech talent and inspiring everyone to pursue careers in our sector, including our Armed Forces, and are proud to hold a Gold Award in recognition of our support of the Armed Forces Corporate Covenant. Join us and you'll be part of an open, friendly community of experts. We'll train and support you in taking your career wherever you want it to go. Due to the secure nature of the programme, you will need to hold UK Security Clearance or be eligible to go through this clearance. This position will be based on site near Gloucester 5 days a week.

Contexte de la mission : Dans le cadre du développement de solutions logicielles intégrant des composants d'Intelligence Artificielle, nous recherchons un Ingénieur Logiciel IA / MLOps H/F pour le compte d'un client central du secteur militaire. Vous rejoindrez une équipe en charge de l'industrialisation du cycle de vie de modèles IA, notamment dans des cas d'usage liés au traitement d'images. Vous interviendrez principalement sur l'intégration, le déploiement, la supervision et le maintien en conditions opérationnelles de modèles existants dans des environnements logiciels contraints. Responsabilités : - Intégrer des modèles de Machine Learning et Deep Learning dans les environnements logiciels cibles ; - Packager, versionner et déployer les modèles ainsi que leurs dépendances ; - Mettre en place et améliorer les chaînes d'intégration et de déploiement continus ; - Développer les composants nécessaires à l'exposition des modèles : API, services d'inférence, outils d'administration et scripts d'automatisation ; - Superviser les performances techniques et fonctionnelles des modèles déployés ; - Comparer les résultats obtenus aux jeux de référence et aux performances historiques ; - Identifier et analyser les éventuelles dégradations : dérive des données, évolution des entrées, perte de précision, latence ou contraintes de ressources ; - Optimiser le portage et l'exécution des modèles sur les environnements cibles, notamment sur GPU ; - Participer aux activités de qualification, de tests unitaires, d'intégration et de non régression ; - Rédiger la documentation technique et capitaliser les bonnes pratiques d'industrialisation IA ; - Assurer une veille technologique sur les outils de déploiement, de supervision et de monitoring des modèles IA.

Dans le cadre du développement d'une application de génération de QCM assistée par l'IA, rattachée à Pronote, notre client recherche un Data Engineer / InfraOps pour une mission d'environ 3 mois. L'objectif est d'anticiper et de traiter les enjeux de scalabilité, de performance et de disponibilité de l'application, dans un environnement souverain soumis à de fortes exigences de conformité. Missions principales :Mettre en œuvre les mécanismes de scalabilité de l'application et la gestion des files d'attente avec TaskIQ. Paramétrer les tests de charge et gérer le load balancing. Concevoir l'architecture de sauvegarde et de réplication sur deux datacenters. Mettre en place le monitoring et la gestion des logs en coordination avec les équipes métier et applicatives. Contribuer à l'amélioration de la performance et de la disponibilité de l'infrastructure. Participer, en complément, à l'installation des modèles d'IA sur l'infrastructure dédiée. Livrables attendus :Mécanismes de scalabilité et de gestion des files d'attente opérationnels. Tests de charge configurés et résultats analysés. Dispositifs de load balancing et de réplication entre deux datacenters. Monitoring et gestion des logs opérationnels. Recommandations techniques pour garantir la performance et la disponibilité de l'application.

En tant qu'Ingénieur ML au sein de l'équipe ML Platform, vous mettrez à profit votre solide expérience en industrialisation, votre maîtrise de Python et votre expertise pratique de l'entraînement de modèles. Votre rôle sera de faciliter le travail quotidien du ML Lab sur (leur "neocloud" de choix) et d'assurer la liaison avec l'outillage MLOps (principalement sur AWS), en étroite collaboration avec un ingénieur DevOps dédié. Responsabilités ClésFavoriser l'expérimentation rapide : Créer et maintenir les outils permettant aux chercheurs d'itérer rapidement sur de nouvelles approches ML. Gérer des expériences de recherche à grande échelle : Concevoir et superviser des cycles d'entraînement massifs sur l'infrastructure , en implémentant le suivi des expériences (experiment tracking) et la reproductibilité. Faciliter la collaboration externe : Permettre une collaboration sécurisée avec des partenaires académiques et l'accès aux ressources open-source tout en respectant les protocoles de sécurité. Optimisation des performances et des ressources : Profiler et optimiser les pipelines d'entraînement ; gérer efficacement les ressources GPU. Développement d'outils de recherche : Développer des bibliothèques et utilitaires spécifiques aux domaines du Lab (nouvelles architectures, techniques d'entraînement, frameworks d'évaluation). Transfert de connaissances : Partager les enseignements issus de la recherche expérimentale avec l'ensemble de l'équipe ML Platform et les chercheurs

Mission 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 : Je ne recherche 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. Profil recherché • Expérience en ITOps/MLOps ou exploitation en production. • Expériences sur le déploiement (infra/middleware) de solutions IA (attention nous ne cherchons pas de Data Scientists mais un ITOPS) • Solide maitrise des compétences techniques recherchés • Maîtrise opérationnelle appréciée sur ces outils ou équivalent : Domino AI (entrainement des modèles et collaboration pour Data Scientist), RASA (IA Agentique), AI Factory CPU/GPU, LLMaaS … • Communication fluide et maitrise de l'anglais obligatoire pour un usage quotidien