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

Contexte: - Equipe de 20 experts repartis sur 5 poles d'activite (Solutions Engineering, Automation Engineering, Infrastructure Engineering, Product Office, Client Services). - 15+ plateformes de Data Science / MLOps en production (Cloud et on premise) / 600+ utilisateurs Data Scientists - Plusieurs infrastructures, plateformes et services d'IA Generative en production a l'attention de tous les métiers du Groupe. - Un GRID de GPU on premise utilise pourle training et l'inference. - Pratiques DevSecOps / GitOps / MLOps / LLMOps - Automatisation autour des APIs des infrastructures, des plateformes (kubernetes/openshift) et des produits. Prestations demandées Les missions principales : - Participation à l’élaboration technique et fonctionnelle du produit IA qui sera attribué en lien étroit avec les équipes Solutions Engineering (veille technologique IA) et DevSecOps (industrialisation). - Garantie du respect des contraintes de sécurité, de conformité et de confidentialité applicables aux standards de production IT du groupe BNP Paribas (eg. observabilité, auditabilité, traçabilité, contrôle des accès). - Définition et implémentation des mécanismes techniques permettant aux métiers ou à leur IT d’opérer leur propre gouvernance de votre produit. - Établissement, maintient et agrémentation de la feuille de route technique du produit afin d’apporter de la valeur de manière continue à celui-ci en lien avec les besoins de vos clients métiers. - Accompagnement au quotidien des utilisateurs et décideurs métiers et IT du groupe BNP Paribas qui utilisent votre produit et s’assurer avec eux de la mise en application des bonnes pratiques d’usage de celui-ci au sein de leurs équipes. - Supervision des opérations critiques (changement, déploiement, mise à jour) avec une vision de bout en bout des impacts sur les différents services gérés par l’équipe. - Organisation et documentation de la gestion des incidents: analyse de root-causes, coordination inter-équipes. - Capacité à être moteur dans l’amélioration des processus internes et l’alignement avec les autres équipes du domaine IA & Données. - Capacité à être le représentant de la relation technique avec les fournisseurs qui contribuent à l’élaboration de votre produit (éditeurs logiciels, équipes d’industrialisation, équipes d’infrastructures). Environnement Technique : - Docker / Kubernetes / OpenShift - Frameworks de calculs distribues (Spark, Ray, Dask, OpenMPI) - GPU Computing (CUDA, Rapids, NIMs, Nemo) - Environnements de Data Science Python, Conda, R (opt.) - Programmation en python - Shell scipting - MLFlow / KubeFlow - Outils de CI/CD DevSecOps/GitOps : hashicorp Vault, gitlab, gitlab-CI, Artifactory, ArgoCD, Argo Workflow Environnement de travail : - Team Play avant tout! - Curiosité sans limites!! … - Autonomie, rigueur, qualité. - Sens du service client. - Patience & bienveillance. - Appétence naturelle pour le partage de connaissances. - Automatisation dans le sang. - Anglais courant (fournisseurs et clients en dehors de France, base documentaire entièrement en Anglais) - Laptops au choix (MacOS, Windows)

Mission Garantir l’excellence technologique du pôle IA en définissant les standards d’architecture et de développement, en sécurisant la mise en production de solutions d’intelligence artificielle complexes et en accompagnant la montée en compétence des équipes techniques. Le Tech Lead ML joue un rôle clé dans la conception, la robustesse et la scalabilité des produits IA tout en contribuant aux décisions stratégiques liées à la roadmap technologique. Responsabilités principalesArchitecture & Engineering IA Définir et maintenir les standards d’architecture ML/IA dans des environnements multi-cloud . Concevoir et valider les pipelines ML / IA end-to-end (data → training → évaluation → déploiement → monitoring). Mettre en place les bonnes pratiques de MLOps et industrialisation des modèles . Choix technologiques Superviser les choix d’outils et frameworks : frameworks ML solutions cloud (Google Cloud, Microsoft Azure) outils MLOps Garantir la cohérence technologique de l’écosystème IA. Qualité technique & gouvernance Auditer et challenger la qualité technique des produits IA : performance robustesse sécurité coûts (FinOps) maintenabilité Mettre en place des standards de gouvernance des modèles et des données . Leadership technique Jouer un rôle d’ expert et de mentor auprès des équipes Data Science et Data Engineering. Accompagner la montée en compétence technique des équipes. Définir et diffuser les bonnes pratiques de développement . Contribution stratégique Participer aux phases de cadrage et de conception des produits IA . Contribuer à la définition de la roadmap produit IA . Collaborer étroitement avec : le Product Owner IA les Data Scientists les Data Engineers les équipes software. Innovation & veille Assurer une veille technologique active sur les innovations IA : IA générative MLOps architectures data outils et frameworks émergents.

Au sein d'une équipe de 7 ML Engineers , vous serez l'expert Infrastructure dédié au pôle ML. Votre mission est de bâtir, maintenir et faire évoluer la stack technique permettant de propulser des systèmes de Machine Learning scalables et fiables. Vous ferez le pont entre le monde du DevOps et celui de la Data Science pour garantir l'efficacité opérationnelle des pipelines de production. Missions : Gestion de l’Infrastructure : Maintenir et optimiser la stack infrastructure dédiée au ML en respectant l'état de l'art et les bonnes pratiques AWS. Automatisation (IaC) : Provisionner et gérer les ressources via Terraform pour assurer la reproductibilité des environnements. Orchestration de Workflows : Piloter et configurer les pipelines de données complexes et les workflows ML via Apache Airflow (MWAA). Support Projets Spécifiques : Collaborer avec l'équipe sur l'intégration d'outils avancés comme les bases de données vectorielles (Vectiroeilles), Open Search et l'indexation. Cycle de vie ML : Mettre en place des serveurs dédiés MLFlow pour le suivi de l'entraînement des modèles et optimiser les phases de prédiction. Exploitation SageMaker : Utilisation intensive d'Amazon SageMaker pour l'entraînement et le déploiement de modèles.

VOS MISSIONS : Concevoir, développer et industrialiser des modèles de Machine Learning et d'IA, de la phase de prototypage jusqu'à la mise en production. Construire et maintenir les pipelines de données et de MLOps pour automatiser l'entraînement, l'évaluation et le déploiement des modèles. Participer activement à l'architecture et au développement des produits du domaine, notamment la plateforme MLOps et les solutions basées sur les LLM (RAGGA, ADEO GPT). Assurer la scalabilité, la robustesse et la performance des solutions IA déployées, en collaboration avec les équipes Ops et Data. Garantir la qualité du code et des modèles via des revues, des tests automatisés (unitaires, intégration) et des stratégies de monitoring. Participer à l'élaboration de la CI/CD selon les pratiques DevOps et MLOps sur la Google Cloud Platform et Github. Assurer une documentation complète des modèles, des pipelines et des configurations au sein du référentiel documentaire (Github / Gitbook). Être responsable du cycle de vie complet des modèles (build et run), incluant le monitoring et la maintenance en production.

Missions Principales du Responsable de Plateforme MLOps (mission Pilote de Socle) Conception et Architecture : • Définir et faire évoluer l'architecture technique de la plateforme MLOps en adéquation avec les besoins des équipes Data & IA et les standards . • Sélectionner et intégrer les outils et technologies MLOps les plus pertinents en se basant sur le cadrage réalisé en 2025 (orchestration, versioning de modèles, monitoring, CI/CD pour l'IA, etc.). • Assurer la cohérence et l'intégration de la plateforme MLOps avec les socles CI/CD, LLMOps existant et Python à venir. Mise en Œuvre et Déploiement : • Superviser et participer activement à la mise en œuvre technique de la plateforme MLOps. • Compléter le socle CI/CD avec les compostants spécifiques aux modèles d'IA. • Définir et implémenter les processus de déploiement et de mise à jour des modèles en production en s’appuyant sur l’existant et les équipes production DSI. Opérations et Monitoring (RUN) : • Garantir la disponibilité, la performance et la sécurité de la plateforme MLOps en production. • Mettre en place des outils et des processus de monitoring proactif des modèles et de l'infrastructure. • Définir et suivre les indicateurs clés de performance (KPIs) et les Service Level Agreements (SLAs) de la plateforme. • Gérer les incidents et les problèmes liés à la plateforme MLOps en cohérence avec les pratiques Standardisation et Bonnes Pratiques : • Établir et promouvoir les bonnes pratiques MLOps au sein des équipes Data & IA. • Définir les standards de développement, de test et de déploiement des modèles. • Assurer la documentation technique et fonctionnelle de la plateforme. Accompagnement et Support : • Accompagner les équipes Data Scientists et Machine Learning Engineers dans l'utilisation de la plateforme. • Fournir un support technique de niveau expert aux utilisateurs. • Contribuer au processus de formation et de partage de connaissances sur les outils et processus MLOps en lien avec les équipe change du Data Office. Veille Technologique : • Assurer une veille technologique constante sur les évolutions du marché MLOps et proposer des améliorations continues.

Contexte L'équipe détecteur travaille sur des algorithmes de détection d'objets sur des images satellites. 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 AI IMINT elle-même. La personne travaillera en binôme avec un MLEng de l'équipe.

Nous recherchons pour l'un de nos clients un Data Engineer. Missions : En tant que Data Engineer, vous serez en charge de : Concevoir, développer et maintenir des data pipelines robustes et scalables en Python Collecter, transformer et valoriser de grands volumes de données Mettre en œuvre des traitements géospatiaux et 3D (GDAL, PDAL ou équivalents) Participer à l’industrialisation des modèles de données dans des environnements MLOps (MLflow, Kubeflow) Orchestrer les workflows data via des outils tels que Argo ou Prefect Déployer et exploiter les solutions dans des environnements Docker / Kubernetes Intervenir sur des plateformes Cloud (AWS, GCP ou Azure) Collaborer étroitement avec les équipes Data Science, DevOps et Métiers Participer aux bonnes pratiques data : qualité, performance, sécurité et observabilité

Vous pilotez la plateforme MLOps, accélérant le déploiement de l'IA. Missions : assurer le déploiement du socle MLOps industriel, la réintégration des cas d'usage existants et la coordination avec les équipes DSI. encadrer et coordonner les équipes techniques définir la roadmap fonctionnelle et technique garantir la performance et l'adoption des modèles. définir les critères de validation définir et prioriser le backlog fonctionnel et technique L'objectif est d'assurer un déploiement fluide et pérenne

Missions : • contribution aux projets décisionnels - Big data • participation et animation de groupes de travail avec les utilisateurs et les informatiques • collecte des besoins auprès des métiers • modélisation et développement des reporting : spécification des indicateurs décisionnels (statistique, qualité, facturation) • exploration de données • rédaction des livrables : spécifications fonctionnelles et techniques, cahiers de recette • participation aux recettes • formation et accompagnement des utilisateurs

Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers. L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance. La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform). Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI. Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI. Data Quality & Feature Store : Great Expectations, Feast. Ta Mission & Ton Impact : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production. Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions. Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation). Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.

Nous recherchons un TechLead MLOps H/F pour une mission à Tours. Missions : concevoir, mettre en œuvre et maintenir une plateforme MLOps robuste et scalable. superviser et optimiser les pipelines de développement et de déploiement standardisation des bonnes pratiques, accompagnement des équipes et veille technologique. assurer la collaboration et la communication entre les équipes de développement et d'opérations améliorer la qualité du code garantir la performance, la sécurité et la pérennité de la plateforme

Notre client, acteur majeur de son secteur, renforce ses équipes engineering dans le cadre du développement et de la maintenance de systèmes distribués à haute performance et haute résilience . Les solutions développées opèrent dans des environnements critiques où performance et faibles temps de réponse sont des exigences non négociables. L'intégration de technologies IA/ML, LLM et agents IA constitue un axe stratégique fort de ce programme. Activités principales Développer et maintenir des logiciels pour des systèmes distribués à fortes contraintes de performance Collaborer au sein d'une équipe pluridisciplinaire dans une logique de livraison fréquente (approche Agile) Garantir les plus hauts standards de qualité et de fiabilité du code : tests unitaires, tests d'intégration, non-régression Contribuer à l'intégration de solutions IA/ML, agents IA et LLM pour la co-construction de produits innovants (serveur MCP, agents de code type Cursor, etc.) Stack technique Front-end : Angular Back-end : Java et/ou Golang, C++ Domaine : Systèmes distribués, IA/ML, LLM, agents IA

🎯 Nous recherchons un(e) Consultant(e) Senior en Intelligence Artificielle / Machine Learning pour accompagner des Business Units dans la conception, le développement et l’industrialisation de solutions IA appliquées aux enjeux énergétiques et de décarbonation. 🔍 Contexte de la mission Vous interviendrez sur des projets IA à destination de différents segments énergie (bâtiments, sites industriels, réseaux, production), avec pour objectif de : optimiser la performance énergétique, réduire l’empreinte carbone, transformer des problématiques opérationnelles en produits IA robustes et industrialisés . Vous travaillerez en étroite collaboration avec les équipes métier, Data Science et IT , et contribuerez à l’intégration des solutions au sein d’une plateforme data groupe. 🛠️ Missions Vos principales responsabilités seront : Concevoir, développer et déployer des solutions IA / Machine Learning scalables et exploitables en production Transformer des problématiques métier liées à l’énergie en solutions IA concrètes et mesurables Industrialiser les modèles (du POC à la production) en garantissant la qualité des données, la robustesse et la maintenabilité Construire et maintenir une bibliothèque de composants IA explicables et réutilisables , intégrée à la plateforme data groupe Piloter des projets de bout en bout : cadrage, développement, déploiement, mesure d’impact Produire la documentation nécessaire (blueprints, guides, playbooks) afin de faciliter la réutilisation des solutions Faciliter la collaboration entre les différentes parties prenantes (Business Units, équipes Data, IT, fonctions centrales)

Contexte du poste Dans un environnement technologique en forte croissance, vous intervenez sur le développement et l’industrialisation de solutions d’Intelligence Artificielle. Les produits évoluent rapidement et nécessitent une forte capacité d’adaptation, de structuration et d’industrialisation des modèles. Objectif Concevoir, développer et déployer des solutions AI/ML robustes et scalables, tout en assurant leur intégration dans une chaîne CI/CD moderne et une plateforme MLOps structurée. Missions principalesDéveloppement & Industrialisation IA Concevoir et développer des modèles de Machine Learning et solutions basées sur les LLM Implémenter des composants AI/ML (fonctions, classes, tests automatisés) Participer à la conception d’architectures orientées Data & IA Assurer le passage du prototype à la production MLOps & Data Engineering Construire et maintenir les pipelines d’entraînement, d’évaluation et de déploiement Automatiser les workflows via Github Actions Mettre en œuvre les bonnes pratiques CI/CD et DevOps Assurer le monitoring, la performance et la scalabilité des modèles Qualité & Documentation Garantir la qualité du code (tests unitaires, intégration) Réaliser des revues de code Documenter les développements et configurations (Github / Gitbook) Assurer le suivi du cycle de vie complet des modèles (build & run) Environnement technique Python (impératif), Github Actions (impératif), LangChain (souhaitable), GCP, Kubernetes, Kafka, Terraform, bases SQL/NoSQL.

La mission s’inscrit dans la mise en place, l’exploitation et l’amélioration continue d’une plateforme AI basée sur Kubernetes / OpenShift, destinée au déploiement, au monitoring et à la gestion de modèles de Machine Learning en production. L’objectif est de garantir la fiabilité, la scalabilité et la sécurité de l’ensemble du cycle de vie des modèles : expérimentation, industrialisation, déploiement, supervision et retraining. Responsabilités principales Maintenance & exploitation plateforme AI Support et exploitation quotidienne d’une plateforme AI basée sur Kubernetes / OpenShift Application des changements, patchs et upgrades Maintien en conditions opérationnelles Déploiement & supervision des modèles Déploiement et supervision de modèles ML dans un environnement kube / OCP Automatisation des processus de déploiement, scaling et gestion des modèles CI/CD & MLOps Conception et maintenance de pipelines CI/CD Mise en œuvre de workflows automatisés avec Tekton et/ou Kubeflow Gestion des pipelines de retraining et d’inference Mise en place de solutions de monitoring et d’observabilité Support technique & troubleshooting Diagnostic et résolution d’incidents (pod crashes, problèmes de ressources, échecs de pipelines) Analyse des performances et optimisation Customisation & sécurité Rebuild et customisation d’images (workbench, runtime) Intégration de nouvelles librairies et outils Garantir la conformité sécurité des environnements de production Compétences techniques requises Indispensables Très bonne maîtrise Docker Solide expertise Kubernetes Expérience confirmée OpenShift (OCP obligatoire) DevOps : CI/CD, Infrastructure as Code, GitOps Tekton (fortement attendu) Artifactory Scripting : Python et Go Appréciées / MLOps Kubeflow Elyra Environnements MLOps Connaissance des frameworks ML Exposition aux LLM Contraintes spécifiques CPR au démarrage Profil habilitable Europe Pas d’habilitation à traiter Présence sur site à Marignane

Habilitation obligatoire Les missions attendues par l' Ingénieur DEVOPS - Openshift - MLOps H/F : La mission consiste à établir, exploiter et améliorer une plateforme AI/MLOps basée sur Kubernetes / OpenShift pour supporter le cycle de vie complet des modèles ML, depuis l'expérimentation jusqu’au déploiement opérationnel. Objectifs principaux (non exhaustif) : Garantir la fiabilité , la scalabilité et la sécurité de la plateforme AI. Fluidifier le passage ML → production , en automatisant au maximum les étapes. Compétences techniques essentielles : Expertise containers Docker , orchestration Kubernetes , avec forte pratique OpenShift . Compétence DevOps : CI/CD , IaC, GitOps. Maîtrise de solutions MLOps : Kubeflow , Elyra , environnements LLM. Connaissances avancées sur les pipelines : Tekton , modèles de déploiement, Artifactory. Compétences en scripting : Python , Go . Connaissance des frameworks de Machine Learning Soft skills & exigences : Autonomie sur un environnement complexe. Capacité à intervenir sur une plateforme AI en production. Aptitude au troubleshooting multi-couches (pods, ressources, pipelines). Rigueur, sécurité et conformité dans les environnements sensibles Maintenance & Opérations Exploitation quotidienne d’une plateforme AI basée sur kube/OCP . Application des mises à jour , correctifs et évolutions des composants plateforme. Déploiement & Supervision Déploiement des modèles ML dans l’environnement OCP. Automatisation des tâches de scaling, monitoring et gestion du cycle de vie. CI/CD & Pipelines Conception, construction et maintenance de pipelines CI/CD avec Tekton ou Kubeflow . Gestion des workflows d’entraînement, réentraînement et inference. Support & Troubleshooting Diagnostic des crashes pods, problèmes de ressources, échecs pipelines. Résolution des incidents liés à la production de modèles. Customisation & Sécurité Rebuild et customisation de composants plateforme (workbenches, runtimes). Garantie de la conformité & sécurité sur l’ensemble des environnements. Teletravail : 2j/5