Offre d'emploi Architecte IA ML OPS

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.

1. 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.

2. 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

3. 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

4. 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

1. 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)

2. 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)

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.

1. 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.

2. 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

3. 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

4. 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

1. 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)

2. 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)