Trouvez votre prochaine mission ou futur job IT.

Objectif de la mission Mettre en place et maintenir une chaîne d’intégration et de déploiement des modèles de Machine Learning en production, garantissant robustesse, scalabilité et monitoring. Contexte Vous interviendrez au sein d’une équipe Data & IA pour industrialiser des modèles ML liés à la qualité, la classification et l’enrichissement des données produits. Collaboration étroite avec Data Scientists et Data Engineers pour transformer des prototypes en solutions fiables. Responsabilités Conception & Déploiement Développer et maintenir des pipelines MLOps automatisés (CI/CD). Mettre en place l’infrastructure cloud via IaC. Assurer le versioning des modèles, données et pipelines (ZenML, MLflow). Monitoring & Maintenance Implémenter l’observabilité (drift, latence, qualité prédictions). Configurer alertes pour anomalies et dégradations. Optimiser les ressources de calcul. Collaboration & Qualité Accompagner les Data Scientists sur les bonnes pratiques MLOps. Intégrer des Data Quality Gates dans les pipelines. Contribuer à l’architecture Data Mesh (modèles = Data Products).

Présentation du poste Nous recherchons un Ingénieur Senior MLOps pour soutenir une infrastructure cloud privée gérée avec des capacités GPU-as-a-Service . Ce rôle est essentiel pour fournir des services MLOps sécurisés et évolutifs jusqu’à la couche de production pour des clients du secteur gouvernemental/défense, en respectant les normes de sécurité les plus strictes. Responsabilités Concevoir et maintenir des pipelines MLOps Gérer les ressources GPU pour les charges de travail IA/ML Collaborer avec les architectes et garantir la conformité ANSSI Participer à la rotation de support 24/7 Stack Technique Kubernetes , OpenShift , GitLab CI/CD, IaC Outils MLOps : MLflow, Kubeflow, ZenML, TensorFlow, PyTorch Stockage : Dell Powerscale Authentification : KeyCloak, LDAP/AD Planification et allocation des ressources GPU Préféré Connaissance du cadre de sécurité ANSSI Gestion multi-cluster Kubernetes, Istio/Linkerd Monitoring : Prometheus, Grafana Langues Français : Natif ou niveau C2 (obligatoire) Anglais : Minimum B2

1. Conception et Déploiement Industrialisation ML : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles de qualité des données. IaC & Reproductibilité : Gérer l'infrastructure cloud (IaC) et assurer le versioning des modèles, données (Feature Store) et pipelines (ZenML, MLflow). 2. Monitoring et Maintenance Observabilité/Alerting : Implémenter le monitoring (Drift, latence) et configurer des alertes pour les modèles 3P en production. Optimisation : Optimiser les ressources de calcul pour les modèles. 3. Collaboration et Qualité Conseil MLOps : Accompagner les Data Scientists sur les bonnes pratiques MLOps (tests, code quality). Data Quality Gates : Intégrer des validations de schémas et des "Data Quality Gates" dans les pipelines. Data Mesh : Contribuer à l'architecture Data Mesh en traitant les modèles comme des "Data Products".

Vous assurez le pont entre la recherche en Data Science et la mise en production des modèles prédictifs. Votre mission principale consiste à industrialiser les pipelines de Machine Learning pour garantir leur robustesse, leur répétabilité et leur scalabilité. Vous mettez en place des chaînes de CI/CD spécifiques au ML (MLOps) incluant le versioning des données, des modèles et du code. Vous développez des outils de monitoring pour détecter la dérive des données (data drift) et la baisse de performance des modèles en production. Vous travaillez sur l'optimisation des infrastructures de calcul (GPU/CPU), la conteneurisation des modèles (Docker/Kubernetes) et l'exposition via des micro-services performants. Expert technique, vous collaborez avec les Data Scientists pour optimiser les algorithmes et avec les équipes Infra pour garantir une intégration fluide dans l'écosystème Cloud ou On-premise de la banque.