Find your next tech and IT Job or contract MLOps

Dans le cadre de l'accélération d'une plateforme digitale innovante à fort impact international, nous recherchons un(e) Développeur(se) Full Stack / IA MLOps Senior pour accompagner la montée en charge d'une application stratégique dédiée à l'analyse et à l'optimisation de la performance de contenus digitaux. Après une phase MVP réussie et une forte adhésion des utilisateurs, l'enjeu consiste désormais à faire évoluer la solution vers une plateforme scalable, performante, sécurisée et capable de supporter un déploiement à grande échelle. Vous intégrerez une équipe pluridisciplinaire composée de Product Owners, UX Designers, Data Scientists, Data Engineers et Développeurs Full Stack, dans un environnement technologique moderne orienté Cloud, Data et IA Générative. Vos missions Concevoir et développer des fonctionnalités Full Stack en environnement Python et React. Participer à l'évolution de l'architecture applicative et des choix techniques structurants. Industrialiser les pipelines de données et de Machine Learning. Mettre en œuvre les bonnes pratiques MLOps pour le déploiement, le monitoring et la scalabilité des modèles. Concevoir et développer des solutions basées sur l'IA Générative et des architectures d'agents. Optimiser les performances, la résilience et la sécurité de la plateforme. Collaborer étroitement avec les équipes Produit, Data et Design. Accompagner les membres de l'équipe sur les sujets techniques et contribuer à la diffusion des bonnes pratiques. Assurer un suivi de bout en bout des développements, de la conception jusqu'à la mise en production.

Date de démarrage : ASAP Date de fin : 25/06/2027 (Mission de longue durée) Localisation : Massy (Rythme : 2 jours par semaine sur site) Tarif Journalier Moyen (TJM) Max : 510 € HT Contexte et Mission : Au sein de l’ Analytics Factory , entité transverse qui conçoit et développe les services analytiques à forte valeur ajoutée pour soutenir la prise de décision stratégique, vous serez le moteur technique de la transformation digitale des points de vente physiques. Votre objectif principal consistera à concevoir, développer et déployer en production des modèles de Computer Vision innovants. Vous rejoindrez un projet d'envergure phare : le Monitoring Temps Réel de l'Étagère , visant à transformer les rayons physiques en flux de données exploitables pour optimiser l'excellence opérationnelle et l'expérience client. Livrables et Enjeux clés : Développer des solutions capables de comprendre parfaitement la disponibilité, la conformité des rayons et les mouvements des stocks via l'analyse d'images. Relever des défis de détection d'objets et de reconnaissance de produits à très grande échelle. Assurer l'industrialisation et le déploiement de ces modèles dans un environnement de production en temps réel. Compétences Techniques et Expertises Requises : Incontournables (Must have) : Langage : Maîtrise experte de Python . Cloud & MLOps : Expérience significative sur l'écosystème GCP (Google Cloud Platform) et l'utilisation de Vertex AI pour le cycle de vie des modèles. Algorithmes : Solides compétences en Deep Learning appliquées à la vision par ordinateur. Souhaitées (Nice to have) : Modèles de pointe : Connaissance et manipulation de modèles récents tels que YOLO , SAM (Segment Anything), DINOv2 pour le feature extraction ou équivalents. Recherche d'images : Expérience avec les bases de données vectorielles ( Vector Databases ) pour le matching et l'indexation de produits à grande échelle. Frameworks & Outils : Pratique courante de PyTorch , TensorFlow , OpenCV et des environnements conteneurisés ( Kubernetes ).

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).

· Vous contribuerez à la mise en œuvre du processus MLOps pour maintenir les modèles de ML en production. · Vous collaborerez avec l'équipe pour déployer ou améliorer des pipelines ML évolutifs et efficaces en utilisant les meilleures pratiques MLOps. · Vous collaborerez avec l'équipe au développement de services de qualité production avec des tests unitaires et d'intégration, CI/CD et devOps pour ces services. · Vous identifierez de nouvelles opportunités pour améliorer les processus de go-to-production et MLOps. · Vous appliquerez des pratiques et des normes de développement logiciel pour améliorer et garantir la qualité du code de nos applications. · Vous maintiendrez un rôle actif à chaque étape du cycle de vie du développement logiciel.

Date de démarrage : ASAP Date de fin : 31/10/2026 Localisation : Paris Tarif Journalier Moyen (TJM) Max : 660 € Descriptif de la Mission Au sein des équipes Data, vous interviendrez sur la conception, le développement, la gouvernance et l'optimisation de nos plateformes de données. Vos activités principales s'articuleront autour de quatre grands piliers : 1. Développement & Architecture Data Concevoir et développer des pipelines de données robustes et scalables sur Databricks ( PySpark , Spark SQL , Delta Live Tables ). Mettre en place des architectures Lakehouse basées sur Delta Lake . Industrialiser et orchestrer les workflows ETL/ELT à l'aide de Databricks Workflows . 2. Gestion et Administration de la Plateforme Databricks Administrer l’espace de travail (gestion des workspaces, configuration des clusters, gestion des permissions). Assurer l'optimisation des coûts (finops) via la configuration fine, l’autoscaling et le monitoring des clusters. Implémenter et faire respecter les bonnes pratiques de sécurité ( Unity Catalog , gestion des accès, lineage de la donnée). 3. Gouvernance & Qualité des Données Mettre en place des mécanismes stricts de qualité et de validation des données ( expectations , tests automatisés). Documenter rigoureusement les modèles et les flux sur la plateforme. Garantir la fiabilité, la cohérence et la fraîcheur des données mises à disposition. 4. Collaboration & Support Collaborer étroitement avec les Data Analysts, Data Scientists et les équipes métiers. Accompagner et former les utilisateurs clés dans l’adoption et la prise en main de l'écosystème Databricks. Participer activement aux revues de code, à la standardisation et au partage des bonnes pratiques d'ingénierie. Compétences RequisesTechniques (Incontournables) : Développement : Excellente maîtrise de PySpark ou Spark SQL . Écosystème : Forte expérience pratique avec Databricks (pipelines, clusters, notebooks, Unity Catalog). Architecture : Solides connaissances des architectures Lakehouse , du data modeling, des concepts ETL/ELT et des stratégies d'ingestion (batch & streaming). Cloud : Connaissance approfondie d’au moins un des principaux fournisseurs cloud ( Azure , AWS ou GCP ). DevOps : Maîtrise de Git et des pratiques de CI/CD (Azure DevOps, GitHub Actions, etc.). Souhaitées (Un plus) : Connaissances en MLflow , orchestration de modèles et pratiques MLOps . Notions avancées en DataOps , cost optimization (FinOps) et outils de monitoring. Expérience dans l’exploitation d’APIs et l'ingestion de données en temps réel (ex: Kafka ).

📋 RÉSUMÉ Nous recherchons un Ingénieur Sécurité / Cyber spécialisé dans les environnements d’intelligence artificielle afin de renforcer la sécurité des infrastructures, plateformes et pipelines liés aux projets IA. Vous interviendrez sur la conception, la mise en œuvre et l’amélioration continue des mécanismes de cybersécurité dans un environnement technique exigeant et innovant. 🎯 MISSIONS Concevoir et mettre en œuvre des architectures de sécurité pour les environnements IA et data Analyser les risques liés aux infrastructures, aux modèles IA et aux flux de données Mettre en place des contrôles de sécurité sur les plateformes de calcul, clusters et pipelines ML Participer à la définition et à l’application des politiques de sécurité et des standards cyber Réaliser des audits de sécurité et identifier les vulnérabilités Mettre en œuvre des mécanismes de protection des données sensibles et des modèles IA Collaborer avec les équipes infrastructure, data et développement pour sécuriser les environnements Participer à la gestion des incidents de sécurité et à l'amélioration continue des dispositifs cyber 📦 LIVRABLES Architecture de sécurité des environnements IA Rapports d’audit et analyses de vulnérabilités Plans de remédiation et recommandations de sécurité Documentation des procédures et standards de sécurité Tableaux de bord et indicateurs de sécurité

Contexte Développement de solutions agentique pour soutenir le programme IA et nos ambitions sur des sujets structurants : automatisation des process, parcours de vente, augmentation des fonctions commerciales, ... Parmis les principaux chantiers identifiés : Worflow AI et Agentic AI pour les process Assistants et agents sur les parcours de nos espaces clients et vente pour nos assurés Bases de connaissances, RAG Factory, ... Socle et process LLMOps et evaluation de performance, ... Description Leadership technique, conception des solutions, encadrement des équipes de développement IA, arbitrage technique, revue de code et qualité

Vous interviendrez sur la mise en place de la nouvelle génération de services numériques DevOps. Vous contribuerez à l’industrialisation des chaînes CI/CD, au déploiement d’environnements Kubernetes et à l’automatisation des services IA et MLOps. Votre rôle Industrialisation CI/CD et automatisation · Concevoir et développer des pipelines CI/CD avancés et automatisés · Mettre en œuvre l’Infrastructure as Code (IaC) · Déployer des manifests Kubernetes et des configurations via Argo CD, Flux CD ou Jenkins X · Réaliser des Proofs of Concept (PoC) afin d’automatiser davantage la chaîne de valeur IA · Déployer une infrastructure déclarative et versionnée via IaC/GitOps Observabilité, fiabilité et exploitation · Définir et mettre en œuvre l’observabilité et le monitoring des pipelines · Fournir des services IA prêts pour la production avec monitoring intégré, détection de dérive (drift detection) et mécanismes de sécurité robustes · Gérer les incidents et assurer le support de niveau 3 (L3) de la plateforme DevOps · Analyser les problématiques de performance, de capacité et d’architecture puis proposer des plans d’amélioration · Assurer le suivi de la production et recueillir les retours des utilisateurs de la plateforme Documentation et accompagnement · Produire des runbooks, des schémas d’architecture et des guides d’exploitation · Documenter les architectures et conceptions, puis diffuser les comptes-rendus et actions de réunion · Animer des ateliers et des sessions de formation sur les bonnes pratiques DevOps et MLOps

Vous intervenez au sein d’un programme stratégique majeur visant à optimiser les moteurs de recommandation client d’un grand groupe aérien international. Le projet « Offer Display Recommender » a pour objectif d’améliorer la personnalisation et la pertinence des offres grâce à l’adoption de technologies avancées, notamment : Apprentissage par renforcement (RL) Modèles de recommandation nouvelle génération Approches expérimentales et data‑driven Le Data Scientist senior jouera un rôle clé dans la conception, l’expérimentation, la modélisation et la mise en production des solutions. Objectifs & responsabilités Modélisation & Data Science Concevoir, entraîner et optimiser des modèles de recommandation avancés. Proposer, challenger et prioriser les solutions data à tester. Appliquer des techniques de modélisation Data Science de niveau expert. Expérimenter des approches RL, bandits, ranking models, embeddings, etc. Communication & pilotage scientifique Présenter en anglais les travaux de modélisation aux stakeholders (produit, business, tech). Challenger les orientations stratégiques du projet. Vulgariser les choix algorithmiques et leurs impacts business. Mise en production & industrialisation Contribuer à la mise en production des modèles dans un environnement Cloud (GCP). Participer à l’optimisation des pipelines ML et à la fiabilité des modèles. Collaborer avec les équipes MLOps, Data Engineering et Produit.

Contexte Nous recherchons pour un client final du secteur bancaire un DevOps Cloud orienté Data afin d’accompagner l’industrialisation, l’automatisation et la sécurisation d’environnements Cloud à forts enjeux. L’intervention s’inscrit dans un contexte de transformation des plateformes Data et Cloud, avec une volonté de renforcer les pratiques DevOps, d’améliorer la qualité des déploiements et de fiabiliser les environnements utilisés par les équipes techniques. Le consultant interviendra sur des périmètres combinant Cloud, Data, automatisation et outillage CI/CD, dans un environnement bancaire exigeant où la robustesse, la traçabilité et la sécurité sont des dimensions essentielles. Objectifs de l’intervention L’accompagnement vise à renforcer la capacité des équipes à industrialiser et exploiter des environnements Cloud Data de manière fiable, sécurisée et reproductible. Les principaux objectifs seront de : Contribuer à l’automatisation des déploiements Cloud et Data. Sécuriser les chaînes CI/CD et les pratiques d’industrialisation. Accompagner les équipes dans l’usage de GitHub et GitHub Actions. Participer à la structuration des environnements Azure et AWS. Améliorer la fiabilité, la supervision et l’exploitabilité des plateformes. Contribuer à la standardisation des pratiques DevOps sur des périmètres Data. Participer à la documentation et à la diffusion des bonnes pratiques auprès des équipes. Responsabilités principales Le consultant pourra intervenir sur les activités suivantes : Mise en place, amélioration et maintien de pipelines CI/CD. Industrialisation des déploiements sur environnements Azure et AWS. Automatisation de tâches récurrentes liées aux environnements Cloud et Data. Contribution à la gestion des environnements techniques : développement, intégration, préproduction, production. Sécurisation des workflows GitHub / GitHub Actions. Contribution à l’intégration des plateformes Data dans les chaînes DevOps existantes. Accompagnement des équipes Data dans l’adoption de pratiques d’industrialisation. Mise en place de standards de déploiement, de versioning et de contrôle qualité. Analyse et résolution d’incidents techniques liés aux chaînes de déploiement. Participation à l’amélioration continue des pratiques Cloud, DevOps et DataOps. Contribution à la supervision, au monitoring et à la fiabilisation des environnements.

Objectifs de la mission Industrialiser les projets de Machine Learning développés sous Dataiku DSS Mettre en place une chaîne MLOps robuste, sécurisée et maintenable Garantir la fiabilité, la performance et la gouvernance des flux de données alimentant Dataiku Assurer le bon passage du POC à la production, puis l’exploitation dans le temps Contribuer à la diffusion des bonnes pratiques MLOps & DataOps au sein des équipes Data Périmètre d’intervention Projets Data Science & IA développés sous Dataiku DSS Chaînes MLOps (entraînement, déploiement, supervision des modèles) Connexion de Dataiku aux sources de données de l’entreprise Environnements DEV / TEST / PROD Livrables attendus Pipelines MLOps Dataiku industrialisés et documentés Modèles ML déployés et supervisés en production Connecteurs Dataiku vers les sources de données opérationnels Documentation d’exploitation MLOps & DataOps Recommandations de standardisation et d’amélioration continue Interactions Rattachement : Responsable de domaine SI Dataplatform et BI avec un détachement opérationnel dans l’équipe Data Science le temps du projet Partenaires clés : équipes IT (projets, devs, MCO), directions métiers (commerce, marketing, supply chain, finance), conformité et sécurité. Data Scientists, Data Engineers, Architectes Data / Cloud, équipes de la direction technique : Infrastructures, Production, Sécurité & Exploitation Compétences Dataiku DSS – niveau avancé (MLOps & DataOps) Expérience confirmée en industrialisation de modèles ML Python, SQL CI/CD, Git Très bonne compréhension des architectures Data Environnements Cloud (AWS / GCP / Azure) Sensibilité forte aux enjeux sécurité, RUN et exploitation

Contexte Développement de solutions agentique pour soutenir le programme IA et nos ambitions sur des sujets structurants : automatisation des process, parcours de vente, augmentation des fonctions commerciales, ... Parmis les principaux chantiers identifiés : Worflow AI et Agentic AI pour les process Assistants et agents sur les parcours de nos espaces clients et vente pour nos assurés Bases de connaissances, RAG Factory, ... Socle et process LLMOps et evaluation de performance, ... Description Intégration des modèles IA dans des solutions applicatives, Développement de prototype, démonstrateurs, pilotes. Industrialisation et optimisation pour la production, développement d'APIs et services ML

Bonjour à tous, Notre client poursuit la modernisation de ses plateformes Data et IA et recherche un Tech Lead Data & Cloud Architecte pour piloter la conception, l'industrialisation et la gouvernance de sa future plateforme Data. Le consultant interviendra à l'interface entre les équipes Infrastructure, Cybersécurité, Réseau et Data afin de construire une plateforme robuste, sécurisée et industrialisée. Missions principales : Définition de l'architecture cible Data & Cloud Industrialisation des plateformes Data et IA Mise en place des bonnes pratiques DevOps / CI-CD Déploiement et intégration de Collibra Mise en œuvre du Data Catalog et du Data Lineage Conception d'architectures Data Lake Accompagnement des équipes Data Science sur les sujets MLOps Migration vers une nouvelle plateforme Data basée sur GCP, Kubernetes, Spark et Kafka Gouvernance et sécurisation des données sensibles Compétences indispensables (Must Have) Architecture Data & Cloud GCP (BigQuery, GKE, Composer/Airflow) AWS (S3, Lambda, RDS, EKS) Architecture Data Lake / Data Warehouse Data Engineering Spark / PySpark Python SQL DevOps & Industrialisation Terraform Ansible GitLab CI/CD Data Governance Collibra Data Catalog Data Lineage Data Quality Sécurité des données Chiffrement Masquage Anonymisation Compétences appréciées (Nice To Have) Cloud & Infrastructure Kubernetes avancé Service Mesh Kafka Data & Analytics DBT Dataform Looker Power BI Apache Superset Développement Scala Java Data Science & IA MLOps IA Générative Secteur d'activité Média / Audiovisuel Service Public

📋 RÉSUMÉ L'Ingénieur IA conçoit, développe, déploie et maintient des solutions d'intelligence artificielle robustes et performantes. Il/Elle travaille sur l'ensemble du cycle de vie des projets IA, de l'expérimentation à la mise en production. 🎯 MISSIONS Analyser les besoins fonctionnels et techniques pour définir les architectures IA appropriées. Développer et entraîner des modèles de Machine Learning et Deep Learning. Optimiser les performances des modèles et des algorithmes. Intégrer les solutions IA dans les systèmes existants. Mettre en place des pipelines de données et de MLOps. Réaliser des tests unitaires et d'intégration. Assurer une veille technologique constante sur les avancées en IA. 📦 LIVRABLES Modèles d'IA entraînés et validés. Pipelines de données et de déploiement automatisés. Documentation technique des architectures et des modèles. Rapports de performance et d'évaluation des solutions IA. Intégrations fonctionnelles des modules IA dans les applications cibles.

📋 RÉSUMÉ Le Chef de Projet Data/IA (H/F) est responsable de la planification, de l'exécution et de la livraison de projets stratégiques liés à la Data Science, au Machine Learning et à l'Intelligence Artificielle. Il/elle assure l'alignement des projets avec les objectifs métiers et la coordination des équipes techniques et fonctionnelles. 🎯 MISSIONS Définir les objectifs, le périmètre et les livrables des projets Data/IA. Établir et suivre les plannings, budgets et ressources. Coordonner les équipes techniques (Data Scientists, MLOps, Data Engineers) et les parties prenantes métiers. Identifier et gérer les risques projet. Assurer la communication et le reporting régulier sur l'avancement des projets. Garantir la qualité et la conformité des solutions livrées. 📦 LIVRABLES Plans de projet détaillés (planning, budget, ressources). Spécifications fonctionnelles et techniques. Rapports d'avancement et tableaux de bord de suivi. Solutions Data/IA déployées et opérationnelles. Documentation technique et utilisateur. Évaluations post-projet et retours d'expérience.

Nous recherchons un Architecte Data & Cloud expérimenté pour accompagner la mise en place et l’industrialisation d’une plateforme Data & IA au sein d’un environnement complexe. Missions principales : Concevoir et aligner l’architecture avec les standards SI (sécurité, réseau, gestion des secrets). Mettre en œuvre les mécanismes de protection des données (chiffrement, anonymisation). Designer et opérer le service mesh et les API Data/IA. Industrialiser les déploiements via CI/CD (GitLab) et Infrastructure as Code (Terraform, Ansible). Déployer et intégrer Collibra pour la gouvernance des données (catalogue, lineage). Concevoir les architectures DataLake et accompagner les pratiques MLOps. Piloter des migrations vers une stack cible (GCP, Spark/Kubernetes/Kafka).