Trouvez votre prochaine offre d’emploi ou de mission freelance MLOps

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

Organisation et contexte Dans une grande entreprise de télécommunications, la Direction des Systèmes d'Information est en charge des projets liés à la donnée, à l'innovation et à l'intelligence artificielle, avec une culture de transformation des usages et des processus. En 2025, plusieurs étapes ont été réalisées dans le domaine de l'intelligence artificielle, notamment la mise en place d'un processus pour identifier des cas d’usage IA, ainsi que des expérimentations consolidées sur une plateforme commune basée sur une infrastructure cloud grand public. À la clé, quelques produits IA ont été déployés en production et accessibles à tous. Pour 2026, l'objectif est d'élargir le portefeuille de produits IA et de faciliter leur intégration dans les processus métier, tout en augmentant la capacité de production grâce à une veille technologique continue et à l'innovation dans le domaine de l'IA. Objectif de la prestation Nous recherchons une prestation avec un profil de spécialiste en développement MLOps expérimenté, capable de travailler sur une infrastructure hybride combinant des solutions on-premises et cloud (GCP). Les objectifs spécifiques de cette mission sont : 1. Accélérer le développement de projets IA : Développer et déployer des solutions basées sur l’IA générative et agentique Mettre en œuvre des modélisations en Deep Learning et Machine Learning 2. Contribuer à l'industrialisation des solutions IA : Mettre en pratique les principes DevOps et MLOps pour assurer la qualité, la scalabilité et la facilité de maintenance des modèles et applications IA Optimiser l’utilisation des capacités des plateformes cloud et de la gestion des charges de travail IA, en garantissant performances et rentabilité 3. Développer des fonctionnalités pour un portail d’IA interne : Créer des outils ou fonctionnalités pour améliorer notre portail interne dédié à l’IA

Contexte du projet Le projet s’inscrit au sein d’une fonction IT transverse , dans un environnement international, avec une montée en puissance des usages Data, Machine Learning et Intelligence Artificielle Générative . L’objectif est de structurer, sécuriser et industrialiser les développements IA, tout en garantissant la continuité opérationnelle, la création de valeur business et l’adoption des solutions par les métiers. Mission En tant que Senior Consultant AI / ML Development & Operations , vous interviendrez au cœur des activités IA, MLOps et plateforme Data , avec un rôle clé à l’interface entre les équipes techniques et les métiers. Vous contribuerez à la structuration des processus MLOps, au pilotage des projets IA et à l’industrialisation des déploiements dans une logique Agile et orientée produit . Responsabilités Pilotage projets & valeur business Assurer l’exécution des projets IA et GenAI dans le respect des délais, des coûts et de la qualité. Structurer et prioriser un portefeuille de demandes IA en lien avec les équipes métiers. Suivre et communiquer la valeur business des solutions IA via des KPIs et dashboards. Contribuer à l’acculturation IA des parties prenantes (IT et métiers). Process, MLOps & Run Définir et formaliser les processus de gouvernance et de Machine Learning Operations (MLOps) . Intégrer les développements IA dans les pipelines CI/CD existants. Piloter les activités RUN et le monitoring de la plateforme IA interne. Optimiser la performance, la fiabilité et les coûts des solutions déployées.

Kajenthi@RED Global – Recherche Consultant IA/ MLOPS – Freelance – 3 mois - Paris intramuros – Hybride RED Global recherche un Consultant IA/ MLOPS, avec une casquette de Product Owner et Project Manager , en Freelance, sur Paris et avec un client final. Votre mission sera d’intervenir dans la delivery, la gestion de projets et la structuration des processus IA et MLOPS Détails du poste: Lieux: Paris – Hybride Type de contrat : Freelance – 3 mois Démarrage : ASAP 1 entretien uniquement Stack technique: AWS, Python et CI/CD Profil recherché : Plus de 5 ans d’experience en tant que Consultant IA/ MLOPS Expérience en Data Science et Machine Learning Expérience poussée sur AWS Cloud data et Python Il faudra: Piloter le projet Collaborer avec les Business Partners IT pour structurer, qualifier et prioriser les nouvelles demandes liées à l’IA Assurer l’intégration des activités et pipelines IA dans les processus et outils CI/CD Langues : Maîtrise du français et anglais (obligatoire) Si vous souhaitez recevoir plus d’information sur le poste ou si vous pouvez recommander un collègue ou un ami, n’hésitez pas à me contacter par mail au

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.

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).

Dans le cadre de l’accélération de nos initiatives IA en 2026, nous développons une capacité avancée autour de l’IA générative, de la gestion des modèles, de la contextualisation métier et de l’optimisation des opérations. Nous recherchons un expert IA Générative capable d’accompagner les équipes techniques, OPS, Data et Métier dans la conception, l’industrialisation et la sécurisation de nos solutions IA. Missions principales: 1. Conception et déploiement de solutions IA Générative Concevoir, entraîner, ajuster et déployer des modèles IA générative (LLM, agents, RAG…). Définir et mettre en œuvre l’architecture IA sur les plateformes internes : Mistral , Ferme GPU , environnements containers. Concevoir des composants IA réutilisables : pipelines modèles, agents, microservices IA. 2. MLOps & industrialisation Mettre en place et optimiser les pipelines MLOps : entraînement, évaluation, CI/CD, monitoring, governance. Participer à l’automatisation et l’augmentation des rôles existants (UC concepteur, testeur, OPS augmentés). Garantir la qualité, la robustesse et la reproductibilité des modèles. 3. Analyse, transformation et contextualisation de données Exploiter et transformer la donnée existante pour optimiser la contextualisation LBP (RAG, embeddings, features). Superviser les phases de data cleansing, normalisation et structuration. Proposer des stratégies pour enrichir et exploiter les données métiers. 4. Optimisation, tuning et amélioration continue Analyser et corriger les résultats obtenus par les modèles. Réaliser du tuning , prompting avancé, réglage hyperparamétrique, distillation, pruning. Suivre en continu les performances et proposer des améliorations. 5. Sécurité, conformité, RSE & FinOps Appliquer les exigences de sécurité IA, privacy by design, gestion des risques. Optimiser les coûts GPU / calcul / stockage dans une logique FinOps . Contribuer à la démarche RSE IA responsable : transparence, biais, sobriété. Compétences recherchées:Techniques Très bonne maîtrise des modèles IA générative (LLM, diffusion, agents). Compétences solides en MLOps : CI/CD, monitoring, orchestration de pipelines. Maîtrise Python, frameworks IA (PyTorch, Transformers, LangChain, vLLM…). Connaissance des architectures GPU (Nvidia, CUDA, quantization…). Expérience avec des plateformes IA : Mistral, HuggingFace, Azure ML, Kubeflow… Bonne compréhension des enjeux sécurité, éthique, RSE, FinOps. Expertise en data engineering et data transformation. Méthodologiques & humaines Vision architecturale, approche solution et capacité à structurer. Travail en transversal : Dev, OPS, Data, Sécurité, Métiers. Pédagogie, vulgarisation, leadership technique. Sens de l’innovation, veille permanente, autonomie forte.

Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour produire les détecteurs, l'équipe s'appuie sur une stack d'outils internes permettant l'industrialisation du travail des Deep Learning Scientist. La stack se divise en : Une stack d'outils génériques (AI Platform) servant toutes nos lignes de produit, développée par l'équipe AI engineering. Une stack d'outils spécifiques à la ligne de produit IMINT, développée par l'équipe elle-même. La mission sera d'une durée minimale de 3 mois. La personne travaillera en binôme avec un MLEng de l'équipe. Disposer d'une habilitation défense est un plus pour la mission. La capacité à venir sur le site parisien 2 jours par semaine est aussi un plus. Mission Assurer la maintenance de la stack d'outils de l'équipe et notamment : Participer à rendre les algorithmes IA compatibles d'architecture GPU Blackwell Mettre à jour les dépendances de la codebase (Python, CUDA) Participer au développement de nos outils de MLOps en général Et aussi : Mettre en place les processus permettant une maintenance pro-active et continue de la codebase Participer à la montée en compétence des data scientists de l'équipe sur leur compétence SW Participer à la mise en place de notre stack environnement classifié Stack technique Python (3.10+), PyTorch et TensorFlow pour nos frameworks de deep learning PostgreSQL (PostGIS) pour la gestion de nos bases de données, Airflow, des dockers orchestrés par Nomad de Hashicorp Environnements DevOps utilisant principalement Ansible, Terraform pour l'automatisation et la suite Prometheus / Grafana pour le monitoring Cloud multi-fournisseurs (AWS & OVH) et environnement de développement classifié on-premise Compétences requises Une formation en Software Engineering, en apprentissage automatique, en vision par ordinateur ou dans un domaine similaire Au moins 5 ans d'expérience en développement back-end en Python et / ou en ML engineering Techniquement : D'une très bonne connaissance de Python D'une expérience en MLOps et d'une connaissance de TensorFlow, PyTorch, CUDA Une connaissance de la manipulation de données géospatiales est un plus En terme de soft skills : Vous êtes pédagogue et aimez coacher vos collègues pour aider les Deep Learning Scientists

Dans le cadre de la transformation de son Système d’Information, la DSI d’un grand groupe du secteur Télécom, au sein de sa Direction Modernisation du SI, DATA et IA, renforce ses équipes. Cette direction est en charge des projets et plateformes DATA & IA, avec un fort ADN de transformation des usages et des processus métiers. 🚀 Contexte - Élargir le portefeuille de produits IA - Faciliter l’intégration de l’IA dans les processus métiers - Accroître la capacité de production via une démarche d’innovation continue - Pour accompagner cette dynamique, le groupe recherche une prestation MLOps expérimentée, intervenant sur un socle hybride on-premise et cloud GCP.

Bonjour, Je recherche un profil MLOps pour un de nos clients situés à Toulouse. Profil : DevOps Azure spécialisé en MLOps, capable de mettre en place des pipelines CI/CD sécurisés pour déployer des modèles ML en production. Un profil à forte expertise DevOps Azure appliquée à des projets Machine Learning en production. Le besoin porte principalement sur la mise en place et l’industrialisation de pipelines CI/CD sous Azure DevOps, incluant la gestion des changements d’environnements (dev → test → prod) dans des environnements fortement sécurisés et contraints. Le profil attendu doit avoir déjà déployé des solutions de Machine Learning en production, avec des flux CI/CD éprouvés et opérationnels. Démarrage : Février 2026 Durée : 6 mois renouvelable (pour une visibilité de 3 ans max) Lieu : Toulouse Télétravail : 2 à 3 jours max par semaine Pour tout intérêt, n’hésitez pas à me recontacter rapidement afin d’échanger à ce sujet. Cordialement, NV

Responsabilités principales Concevoir et déployer des features IA Construire des pipelines de traitement de données Industrialiser et monitorer les applications / services (latence, coût, taux de réponse, satisfaction utilisateur). Industrialiser l’IA via MLOps/LLMOps : suivi d’expériences, déploiement, monitoring, observabilité. Garantir la qualité des données, la conformité (GDPR) et la sécurité des solutions. Compétences techniques attendues IA générative, LLM, RAG, Prompt optimisation, Agents & orchestration Machine learning / Deep learning Traitement de données non structurées: PDF/Images Ingénierie & industrialisation Langages : Python avancé, SQL. APIs : conception et intégration Data pipelines : orchestration, streaming, feature stores. MLOps/LLMOps : CI/CD, Docker/Kubernetes, suivi des modèles, monitoring/observabilité, tests offline/online. Sécurité & conformité : gouvernance des données, IAM/secrets, mitigation des risques LLM (hallucinations, prompt injection, data leakage). Bonnes pratiques de dev Structuration des projets, templates, documentation vivante. Stratégie de tests Standards de code, revue d’architecture et diffusion des bonnes pratiques. Profil recherché 4+ ans d’expérience en Data Science/MLOps

Bonjour, je suis à la recherche d'un MLOPS Azure dont vous trouverez la fiche de poste ci-desous: iche de Poste : Expert DevOps Azure / MLOps Intitulé du poste : Expert DevOps Azure spécialisé en MLOps (Machine Learning Operations) Contexte & Objectif Airbus recherche un profil à forte expertise DevOps Azure appliquée à des projets Machine Learning en production. L’objectif est de mettre en place et industrialiser des pipelines CI/CD robustes et sécurisés pour le déploiement de modèles ML dans des environnements fortement contraints. Missions principales Concevoir, mettre en place et maintenir des pipelines CI/CD sous Azure DevOps pour des projets Machine Learning. Gérer les changements d’environnements (dev → test → prod) dans des contextes hautement sécurisés . Déployer des solutions de Machine Learning en production avec des flux CI/CD éprouvés et opérationnels. Automatiser les processus de packaging, versioning et déploiement des modèles ML. Intégrer les bonnes pratiques MLOps (monitoring, retraining, gouvernance des modèles). Collaborer avec les équipes Data Science, Sécurité et Infrastructure pour garantir la conformité et la performance. Assurer la traçabilité et la gestion des artefacts (datasets, modèles, configurations).

Ton rôle : concevoir, industrialiser et fiabiliser des solutions IA en production, tout en instaurant des standards d’ingénierie logicielle (tests, CI/CD, MLOps/LLMOps, sécurité). Responsabilités principales Concevoir et déployer des features IA Construire des pipelines de traitement de données Industrialiser et monitorer les applications / services (latence, coût, taux de réponse, satisfaction utilisateur). Industrialiser l’IA via MLOps/LLMOps : suivi d’expériences, déploiement, monitoring, observabilité. Garantir la qualité des données, la conformité (GDPR) et la sécurité des solutions. Compétences techniques attendues IA générative, LLM, RAG, Prompt optimisation, Agents & orchestration Machine learning / Deep learning Traitement de données non structurées: PDF/Images Ingénierie & industrialisation Langages : Python avancé, SQL. APIs : conception et intégration Data pipelines : orchestration, streaming, feature stores. MLOps/LLMOps : CI/CD, Docker/Kubernetes, suivi des modèles, monitoring/observabilité, tests offline/online. Sécurité & conformité : gouvernance des données, IAM/secrets, mitigation des risques LLM (hallucinations, prompt injection, data leakage). Bonnes pratiques de dev Structuration des projets, templates, documentation vivante. Stratégie de tests Standards de code, revue d’architecture et diffusion des bonnes pratiques. Profil recherché 4+ ans d’expérience en Data Science/MLOps

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".

Contexte de la mission Dans le cadre du programme Move2Cloud du projet Prognos, une migration majeure vers le cloud est en cours. Afin d’assurer la poursuite et la consolidation de cette migration en 2026 , nous recherchons un profil MLOps / DevOps Senior . Au-delà de la migration, le projet fait face à de nouveaux enjeux techniques majeurs, notamment : l’ automatisation du réentraînement des modèles de Machine Learning sur le cloud , la gestion et l’orchestration de plusieurs milliers de pipelines (jusqu’à 4 000) en simultané , la scalabilité, la robustesse et l’industrialisation de la plateforme ML. Missions principales Finaliser et sécuriser la migration Move2Cloud de la plateforme Prognos Concevoir et maintenir des pipelines MLOps industrialisés (entraînement, validation, déploiement) Mettre en place le réentraînement automatique des modèles ML sur le cloud Garantir la scalabilité et la performance d’un grand nombre de pipelines exécutés en parallèle Déployer et maintenir les infrastructures cloud (Infrastructure as Code) Mettre en place les bonnes pratiques CI/CD, monitoring, logging et observabilité Collaborer étroitement avec les équipes Data Science, Software et Architecture Contribuer aux choix d’architecture et aux standards MLOps du projet Profil recherché Séniorité : Senior (autonomie et capacité de prise de décision attendues) Expérience significative sur des environnements MLOps et DevOps en production Solide compréhension des problématiques de Machine Learning à l’échelle industrielle Capacité à intervenir dans des environnements critiques et complexes (haute disponibilité)

Au sein d’une direction data & innovation à dimension internationale, nous recherchons pour l'un de nos clients un·e Data Scientist pour rejoindre une équipe experte et pluridisciplinaire sur la métropole Lilloise. Vous interviendrez sur des projets IA critiques à forte valeur ajoutée métier, avec un fort enjeu d’industrialisation, de scalabilité et de sécurité. Votre rôle sera à la fois technique, structurant et transverse, au cœur des échanges entre équipes data, IT et Métiers dans un environnement exigeant.