Find your next tech and IT Job or contract MLOps

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

Vous intervenez au sein d'une Squad technique dont l'objectif est de concevoir, déployer et mettre en place des outils innovants en Data Science, MLOps et Intelligence Artificielle (IA) avancée. Cette Squad fournie également les socles applicatifs nécessaires, afin de permettre aux utilisateurs finaux de développer et exploiter des cas d'usage métiers Data avancé et IA. • Modernisation de l'offre Data Science & MLOPS actuelle (plateforme BigData, outils MLOPS Open source, ... ) • Cadrage et construction d'une plateforme Studio IA cible • Evolution du portail (WEB) de service Data et IA : intégration de nouvelles offres / fonctionnalités Taches : • Participe à la construction et au maintien de solutions IT évolutives, modulaires, innovantes, cohérentes avec leur écosystème et répondant au besoin métier. • Décline le cadre d'Architecture d'Entreprise(processus, normes, patterns …) et contribue à son évolution • Facilite la prise de décision de manière collaborative sur la meilleure architecture (conformité, sécurité, risques...), avec un juste équilibre entre le respect de la cible d'entreprise et la réponse pragmatique au besoin • Maitrise les objectifs visés par le cadre d'Architecture d'Entreprise et décrit des solutions qui s'y conforment et sont implémentables sous forme incrémentale dans les sprints • Participe à l'exploration continue (étude d'opportunité, cadrage) et aide à estimer l'effort et la valeur délivrée par les choix de designs éligibles pour favoriser la priorisation par le Product Owner et le Pôle Utilisateur (évolutivité, testabilité, déployabilité...) • Établir les priorités des tâches en fonction des besoins du projet et des objectifs stratégiques. • Évaluer et adopter de nouvelles technologies et méthodologies pour améliorer les processus MLOps, IA / LLMOPS et l'efficacité de l'équipe. • Suit et facilite la visibilité de la conformité des solutions de son périmètre par rapport à la stratégie d'entreprise • Responsable de la documentation produits en veillant à sa pertinence, fiabilité et sa cohérence avec les cadres de référence de l'architecture (processus, guides, patterns...) • Accompagner, superviser et encadrer une équipe technique, en fournissant une orientation technique, en fixant des objectifs et en assurant la montée en compétence des équipes internes

En quelques mots Cherry Pick est à la recherche d'un Dev/Ingénieur IA (H/F) pour l'un de ses clients qui opère dans le secteur de l'assurance. Description 🎯 Contexte de mission Dans le cadre du chantier IA4IT, la mission consiste à concevoir, déployer et sécuriser les fondations techniques nécessaires à l'exploitation à grande échelle de solutions d'IA générative et agentique. Au sein d'une équipe pluridisciplinaire dédiée à l'IA, le consultant contribuera à la construction et à l'industrialisation d'une plateforme robuste, sécurisée, scalable et exploitable dans un contexte d'entreprise exigeant. 🛠️ Missions principales et rôle 🏗️ Architecture & infrastructure IA Concevoir l'architecture technique des solutions IA. Déployer et configurer les environnements cloud et les composants d'infrastructure. Définir les architectures permettant l'exploitation industrielle des cas d'usage IA. Garantir la robustesse, la scalabilité, la maintenabilité et la réversibilité de la plateforme. ☁️ Cloud & plateformes Concevoir et déployer les infrastructures cloud. Intervenir sur des environnements Azure, AWS et/ou GCP. Mettre en œuvre et administrer des environnements Kubernetes et/ou OpenShift. Industrialiser les environnements et automatiser leur déploiement. ⚙️ DevOps / DevSecOps Concevoir et industrialiser les chaînes CI/CD. Mettre en œuvre les pratiques Infrastructure as Code. Développer les automatisations nécessaires à l'exploitation de la plateforme. Mettre en œuvre des approches GitOps. Intégrer les exigences de sécurité directement dans les chaînes d'industrialisation. 🔐 Sécurité & conformité Concevoir les dispositifs de sécurité associés aux plateformes IA. Mettre en place et administrer les mécanismes IAM. Gérer les secrets et les accès aux ressources. Garantir la traçabilité des opérations. Intégrer les exigences de conformité, de sécurité et de réversibilité. Identifier et maîtriser les risques liés à l'exploitation des solutions IA. 🧠 Intégration des briques IA Intégrer les différents composants nécessaires aux solutions d'IA générative et agentique : Modèles IA / LLM Gateways LLM Orchestrateurs agentiques APIs Connecteurs Bases documentaires Outils de test Participer à la conception des architectures LLMOps. Garantir l'intégration cohérente des briques IA avec le socle cloud et les systèmes existants. 📊 Observabilité & exploitation Mettre en place les dispositifs de monitoring, logging et supervision. Déployer les outils d'observabilité adaptés aux plateformes IA. Suivre les performances et la disponibilité des composants. Mettre en place les dispositifs de suivi des coûts. Préparer les conditions d'exploitation et de maintien en conditions opérationnelles. Rédiger les procédures et documentations d'exploitation. 🚀 Industrialisation & amélioration continue Contribuer aux choix d'architecture et aux recommandations techniques. Identifier les leviers d'optimisation et d'industrialisation. Anticiper les problématiques de montée en charge. Garantir une exploitation durable, sécurisée et maîtrisée des plateformes IA. 🎯 Objectifs Construire un socle technique industriel pour l'IA générative et agentique. Déployer des infrastructures cloud sécurisées et scalables. Industrialiser les pratiques DevOps, DevSecOps et IaC. Intégrer efficacement les composants LLM et agentiques. Garantir l'observabilité et l'exploitabilité de la plateforme. Maîtriser les risques, les coûts et la réversibilité. Fournir une plateforme fiable permettant le déploiement de cas d'usage IA à grande échelle.

1. Contexte et Objectifs de la Prestation Dans le cadre du départ d'un de nos Data Scientists internes, le client recherche un Data Scientist expérimenté en renfort externe pour assurer la continuité de nos projets stratégiques en intelligence artificielle. Cette mission de transition est cruciale pour maintenir l'avancement de nos initiatives innovantes en attendant le recrutement d'un collaborateur interne. Vous rejoindrez une équipe dynamique travaillant sur un projet d'IA Générative ambitieux et à fort impact au sein de la DSI/Valorisation Data & IA (VDI), en lien avec le Chief Data Officer du Data Office et en lien avec le Centre de Compétence IA/Ops qui se met en place et auquel vous participerez.

📌 Informations GénéralesLocalisation : Tours (France) Mode de travail : Hybride (1 jour par semaine sur site ou 2 jours consécutifs toutes les 2 semaines) Taux Journalier Moyen (TJM) : 550 € / jour Date de démarrage : Dès que possible (ASAP) Durée / Visibilité : Jusqu'au 31/12/2029 🎯 Contexte et RôleAu sein d'une équipe Data innovante, le/la Data Scientist Senior aura pour mission principale de concevoir, développer et industrialiser des solutions de Data Science à forte valeur ajoutée. Vous accompagnerez les projets Data stratégiques et répondrez aux enjeux métiers clés en transformant les données complexes en modèles prédictifs performants. 🛠️ Missions PrincipalesAnalyse & Cadrage : Analyser les jeux de données complexes et identifier les cas d'usage métier à forte valeur ajoutée. Modélisation & Entraînement : Concevoir, développer et entraîner des modèles statistiques et d'apprentissage automatique (Machine Learning). Industrialisation : Participer activement à la mise en production et à l'industrialisation des modèles en collaboration directe avec les équipes Data Engineering. Suivi & Optimisation : Monitorer la performance des modèles en production et assurer leur amélioration continue ainsi que leur support N3. Collaboration : Travailler en synergie avec les équipes métiers et techniques pour garantir le succès et l'adoption des solutions déployées.

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. 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 Indispensables Python, Git, CI/CD (GitLabCI) Cloud (priorité Azure) Concepts ML & IA générative (RAG, LLM, embeddings) MLOps (versioning, pipelines, monitoring) Intégration SI / APIs Agent IA Appréciées (non bloquantes) Snowflake Airflow Sécurité IA (prompts, cloisonnement, traçabilité)

Au sein du domaine Data & IA, vous rejoindrez une équipe dédiée aux plateformes GenAI et participerez au déploiement, à l'industrialisation et à l'exploitation d'une plateforme GPUaaS et LLMaaS On-Premise. L'objectif est de mettre à disposition des entités du groupe des solutions IA agentiques, souveraines, sécurisées et hautement disponibles. Vous interviendrez sur l'ensemble du cycle de vie de la plateforme, de sa conception jusqu'à son maintien en conditions opérationnelles en production. Vos missionsIndustrialiser et automatiser le déploiement de plateformes IA dans des environnements On-Premise sécurisés. Contribuer à l'évolution de l'architecture de la plateforme. Participer à la mise en place de services managés en intégrant les contraintes de sécurité, de conformité et de gouvernance. Documenter les offres et services et accompagner leur mise en production. Réaliser des présentations et démonstrations des solutions développées. Assurer le MCO/MCS des plateformes IA en production. Participer à la résolution des incidents et au maintien de la disponibilité et de la sécurité des plateformes. Collaborer au sein d'une équipe Agile / Dev Team. Participer aux daily meetings, ateliers de co-construction et rituels de la squad. Prendre en charge les éléments de backlog définis avec la Product Owner. Contribuer à la roadmap de la plateforme. Participer aux astreintes techniques du pôle. Compétences techniques recherchées GPU / IA / MLOpsExpérience avec des plateformes ou infrastructures GPU. Connaissance de solutions d'orchestration GPU : , Slurm, Volcano, ClearML, KAI Scheduler, etc. Bonne compréhension des architectures IA / Machine Learning. Connaissance de frameworks tels que PyTorch, TensorFlow, Transformers. Expérience MLOps / AI Platform / ML Platform appréciée. Une expérience GenAI / LLM constitue un plus. Kubernetes / ConteneurisationKubernetes / OpenShift. Docker. Expérience significative en environnement de production. Une certification CKA / CKAD ou OpenShift constitue un plus. InfrastructureExpérience en environnement On-Premise. Infrastructure distribuée, sécurisée et hautement disponible. Connaissances Cloud : AWS, GCP, Azure, Scaleway, etc. DevOps / AutomatisationGitLab CI/CD. Jenkins. Infrastructure as Code / automatisation. Python et Bash. Go constitue un plus. Kestra constitue un plus. Supervision / ObservabilitéPrometheus. Grafana. ELK Stack. Dynatrace. Outils / MéthodologiesJira / Wiki / outils Atlassian. Méthodes Agiles. Expérience du fonctionnement en équipe produit / plateforme.

Pour notre client, nous rechechons en ce moment un Ingénieur MLOps / LLMOps, Azure AI & Copilot Studio. Objectifs de la mission Instrumenter et établir une base de référence de l'agent existant : qualité de la récupération, troncature du contexte, limitations de débit (throttling), latence et ancrage des réponses dans les sources, mesurés sur des cas métier réels Distinguer les limites intrinsèques de la plateforme des problèmes de paramétrage et de prompt, et restituer cette distinction de façon claire à un public non technique Recommander et faire valider une architecture cible : optimisation au sein de Copilot Studio, ou bascule vers Azure AI Foundry / Azure OpenAI avec une couche de récupération dédiée Construire la chaîne de traitement et de récupération en production : ingestion, découpage des documents, embeddings, indexation, recherche hybride et reranking Mettre en place un dispositif d'évaluation avec jeux de données de référence et tests de non-régression, afin que chaque évolution soit mesurée et non supposée Implémenter la CI/CD, la séparation des environnements, le versioning des prompts et des configurations, ainsi que les procédures de retour arrière Déployer le monitoring et l'observabilité : coût et consommation de tokens par requête, modes de défaillance, dérive, boucle de retour utilisateurs Garantir la conformité en matière de localisation des données, de gestion des accès, de traitement des données personnelles et de piste d'audit, en cohérence avec les politiques groupe et la gouvernance des modèles Documenter la solution et assurer le transfert de compétences vers les équipes internes

Une institution publique nationale, à forte exigence de sécurité, construit sa propre plateforme d'intelligence artificielle sur des clusters GPU hébergés en interne, sans dépendre d'un cloud public. L'objectif : donner à ses équipes des outils d'IA puissants, sûrs et maîtrisés. Vous mettez en production des modèles, dont des LLM, sur une infrastructure GPU maîtrisée de bout en bout, et vous aidez les équipes à s'en servir. Vous rejoignez une petite équipe d'experts choisie avec soin : vos décisions techniques comptent, votre expertise est reconnue, et les usages que vous rendez possibles servent l'intérêt général. Missions : Déployer et exploiter des modèles (dont des LLM) sur les clusters GPU - Mettre en place et maintenir les chaînes MLOps : suivi d'expériences, pipelines, registre de modèles - Optimiser l'usage des GPU : profilage, quantification, partage de GPU - Accompagner les data scientists et les équipes utilisatrices - Assurer la veille technologique et recommander des évolutions - Documenter et suivre des indicateurs d'usage Mission longue : démarrage envisagé début 2027, 12 mois renouvelables, environ 200 jours par an. Une enquête administrative est requise avant intervention. Easy Partner est un cabinet de conseil technique spécialisé en informatique et industrie 4.0 : assistance technique, recrutement (plus de 3 000 recrutements pour plus de 500 clients) et formation certifiée Qualiopi.

Dans le cadre du développement d'une plateforme IA hautement sécurisée destinée aux environnements critiques, nous recherchons un Ingénieur DevSecOps / MLOps expérimenté pour industrialiser, sécuriser et maintenir les chaînes CI/CD et les environnements de déploiement IA. Vos missions : - Concevoir et industrialiser des patterns CI/CD réutilisables pour des environnements sécurisés. - Accompagner les équipes Data / IA dans le déploiement et l'exploitation de leurs modèles. - Déployer et maintenir les composants DevSecOps : sécurité du code, images, dépendances, secrets et supply chain. - Intégrer les solutions dans des infrastructures On-Prem sécurisées. - Mettre en place l'observabilité, la supervision et la traçabilité de bout en bout. - Participer aux problématiques MLOps, sécurité, conformité et gouvernance. Environnement technique : Docker, Kubernetes, Helm, Kustomize, GitLab CI, GitOps, ArgoCD, Harbor, Nexus, Vault, SAST/DAST/SCA, SBOM, PKI, mTLS, RBAC, Network Policies, Zero Trust, Prometheus, Grafana, ELK, OpenTelemetry. Connaissances appréciées : MLflow, MLOps, GPU NVIDIA, modèles IA/LLM, sécurité Kubernetes et environnements air-gapped / souverains.

Data Scientist confirmé(e) pour reprendre et poursuivre un projet d'IA Générative à fort impact : le développement d'une solution capable de générer des pré-réponses aux e-mails des adhérents (demandes, réclamations, actes de gestion). Vos missions : Reprise et continuité d'un projet IA Générative existant Conception, entraînement et optimisation de LLM (Gemini/Vertex AI, Mistral) Optimisation d'un pipeline RAG en production (PGVector) Mise en œuvre de bonnes pratiques MLOps/LLMOps (CI/CD IA, monitoring, industrialisation) Déploiement sur environnement Cloud (Cloud Run) Collaboration étroite avec les équipes techniques, Product Owners et architectes Profil recherché : 5 ans d'expérience minimum en Data Science, dont une expérience significative en IA Générative/NLP Python avancé (Pandas, NumPy, Scikit-learn, TensorFlow/PyTorch, Hugging Face) Langchain/Langgraph, MLOps/LLMOps en production, PGVector Expérience Gemini/Vertex AI et/ou Mistral appréciée Autonomie, capacité à reprendre un existant rapidement, esprit d'analyse Une première expérience secteur assurance/mutuelle est un plus Poste basé en environnement sécurisé, méthodologie Agile, documentation en français.

Dans le cadre de l'industrialisation des solutions d'IA générative d'un grand compte, nous recherchons un profil technique confirmé pour concevoir, déployer et sécuriser les fondations nécessaires à l'exploitation de solutions IA à grande échelle. Au sein d'une équipe pluridisciplinaire dédiée à l'IA, le consultant contribuera à la construction et à l'industrialisation du socle technique. Il interviendra notamment sur : ▪ La conception et la mise en œuvre de l'architecture technique de la plateforme IA ▪ Le déploiement et la configuration des environnements cloud et des composants nécessaires aux cas d'usage IA ▪ La mise en place des dispositifs de sécurité, de gestion des identités (IAM) et de gestion des secrets ▪ La construction et l'industrialisation des chaînes CI/CD et des pratiques Infrastructure as Code ▪ L'intégration des briques IA : modèles, gateways LLM, orchestrateurs agentiques, APIs, bases documentaires ▪ La mise en œuvre des outils d'observabilité, de supervision et de suivi des performances ▪ La garantie de la robustesse, de la scalabilité, de la maîtrise des coûts et de la réversibilité de la plateforme

Nous recherchons un Lead Data Scientist spécialisé en Intelligence Artificielle, avec une expertise sur Google ADK (Agent Development Kit), pour accompagner le développement de solutions d'IA agentique. MissionsConcevoir et développer des agents IA et des architectures multi-agents avec Google ADK. Définir les architectures techniques et les bonnes pratiques autour des solutions LLM / GenAI. Développer, tester et industrialiser des agents capables d'interagir avec différents outils, API et sources de données. Piloter les choix techniques et accompagner les Data Scientists / AI Engineers de l'équipe. Mettre en place les bonnes pratiques de MLOps / LLMOps, monitoring et évaluation des performances des agents. Collaborer avec les équipes Data, IT et Métiers afin de transformer les besoins en solutions IA concrètes. Assurer une veille sur les évolutions de Google Cloud, Google ADK et des technologies GenAI / Agentic AI. Environnement techniqueGoogle ADK, Google Cloud / Vertex AI, Python, LLM, GenAI, Agentic AI, API, MLOps / LLMOps.

Niveau d'expérience : Junior (1 à 3 ans) Type de poste : Ingénieur IA / MLOps Junior (H/F) Localisation : Région parisienne (hybride possible) Démarrage : Dès que possible. Contexte Dans le cadre du développement de ses activités Data & Intelligence Artificielle, un grand groupe du secteur des services financiers recherche un(e) Ingénieur IA / MLOps Junior pour rejoindre son équipe dédiée à la conception, l'industrialisation et le déploiement de solutions d'Intelligence Artificielle. Vous interviendrez sur des projets innovants à fort impact, couvrant aussi bien l'IA générative que les modèles de Machine Learning traditionnels, dans un environnement cloud et DevOps moderne. Vos missions En tant qu'Ingénieur IA / MLOps, vous aurez pour responsabilités de : Agir comme référent technique IA auprès des différentes parties prenantes : équipes projets, développeurs, architectes et métiers. Concevoir, développer, industrialiser et déployer des solutions d'Intelligence Artificielle de bout en bout. Participer à l'intégration de solutions IA développées en interne ou proposées par des éditeurs externes. Contribuer à la mise en place et à l'évolution de la plateforme IA (MLOps, monitoring, gouvernance, catalogue de modèles). Industrialiser les modèles développés par les équipes Data Science afin de garantir leur passage en production. Assurer le respect des bonnes pratiques de développement, d'exploitation et de gouvernance IA. Participer à la mise en conformité des projets avec les exigences réglementaires et les standards de sécurité des données. Profil recherchéCompétences comportementales Nous recherchons une personne : Orientée résultats et capable de respecter les délais fixés. Dotée d'un fort esprit d'équipe et d'une bonne capacité de collaboration. Rigoureuse, organisée et autonome. Capable de communiquer efficacement à l'écrit comme à l'oral. Force de proposition avec une approche pragmatique des problématiques. Curieuse et en veille permanente sur les évolutions technologiques. Disposant d'un niveau d'anglais professionnel permettant d'évoluer dans un environnement technique international. Compétences techniquesExpérience Première expérience réussie (1 an minimum) en Intelligence Artificielle et/ou IA Générative. Participation à un projet de mise en production ou d'industrialisation de solutions IA. Une expérience dans un environnement réglementé constitue un atout. Langages et développement Excellente maîtrise de Python. Connaissances en SQL. La maîtrise des technologies JavaScript constitue un plus. Cloud & Infrastructure Expérience sur un environnement cloud de type AWS : S3 SageMaker Bedrock Lambda API Gateway ECS / EKS EC2 OpenSearch Aurora DevOps & MLOps Bonne connaissance des outils et pratiques : GitLab Docker Kubernetes Airflow MLflow Artifactory APIs REST Hugging Face Frameworks d'orchestration d'agents IA Outils de monitoring et de gouvernance des modèles Écosystème IA & Machine Learning Maîtrise des bibliothèques et frameworks : Scikit-learn Pandas TensorFlow PyTorch Transformers LangChain LangGraph Connaissances des concepts suivants : Machine Learning supervisé et non supervisé Deep Learning RAG (Retrieval Augmented Generation) Fine-tuning de modèles Agentic AI et systèmes multi-agents Human-In-The-Loop (HITL) Monitoring et observabilité des systèmes IA Data & Bases de données SQL et NoSQL Bases vectorielles (OpenSearch, Redis, PGVector ou équivalent) Notions de bases orientées graphe appréciées Méthodologies Bonne pratique des méthodes Agile (Scrum, Kanban ou équivalent).

Contexte du poste Nous sommes à la recherche d'un Head of Data pour piloter la stratégie data de notre entreprise leader de l'événementiel en Europe. Basé en région parisienne, vous rejoindrez une structure en pleine transformation technologique, travaillant directement sous la supervision du CIO/CDO. Ce rôle stratégique intervient dans la supervision de la plateforme data de l'entreprise, sa gouvernance, et l'exploitation des données afin de soutenir la décision stratégique et opérationnelle. Missions - Principales missions : - Définir et implémenter la stratégie data transverse de l'entreprise. - Piloter la migration vers Microsoft Fabric et optimiser la plateforme data existante. - Assurer la qualité, la conformité et la gouvernance des données. - Développer des cas d'usages data en lien avec les besoins métiers. - Missions annexes : - Collaborer avec les équipes IT pour intégrer les solutions data aux systèmes existants. - Animer des sessions de formation pour acculturer les équipes internes aux enjeux de la data.

Nous recherchons un(e) Développeur(se) Python / Data Engineer passionné(e) pour rejoindre notre équipe et contribuer à la conception et au développement de plateformes et de pipelines permettant l'industrialisation de modèles de Machine Learning. Ces solutions couvrent l'ensemble du cycle de vie des modèles : préparation des données et des features, entraînement, tuning, inférence, exposition via APIs et orchestration des traitements dans un environnement cloud. Elles permettent aux Quants et Data Scientists d'industrialiser l'utilisation de modèles avancés dans les processus de prévision de la consommation et de la production d'énergie.