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

Contexte de la mission : Nous recherchons un Architecte IA / MLOps pour rejoindre une DSI en pleine transformation autour de l'intelligence artificielle. Vous intégrerez le Pôle Architecture Logicielle & IA et participerez à la conception, au cadrage et à l'industrialisation de solutions d'IA à forte valeur ajoutée. Votre rôle sera d'accompagner la mise en œuvre d'architectures IA robustes et évolutives, couvrant aussi bien le Machine Learning traditionnel que l'IA générative (LLM, RAG, Agents IA), tout en garantissant leur intégration au système d'information, leur gouvernance et leur exploitation en production. Vous interviendrez en étroite collaboration avec les équipes Data Engineering, Architecture, Développement et les différents métiers afin d'accélérer l'adoption de l'IA à l'échelle de l'entreprise. Les avantages de la mission : Mission longue avec une forte visibilité. Participation à la stratégie IA d'un grand acteur du secteur financier. Interventions sur des sujets innovants autour de l'IA générative et des architectures de nouvelle génération. Environnement technique moderne et orienté industrialisation. Collaboration avec des équipes expertes en Data, Cloud et Architecture. Forte autonomie et rôle clé dans les choix techniques. Télétravail partiel avec 2 à 3 jours de présence par semaine sur site à Toulouse. Opportunité d'avoir un impact concret sur les futurs usages IA de l'entreprise.

Consultant AI Engineer intervenant sur le développement de solutions d'IA générative, avec une expertise en Python, RAG et intégration applicative dans un environnement Dataiku. Missions principales : Développer des assistants conversationnels et solutions d'IA générative. Concevoir et faire évoluer des applications basées sur le RAG. Développer des connecteurs d'intégration. Assurer l'interface entre le frontend et le backend par Dataiku via APIs Participer aux POC et à l'industrialisation des cas d'usage IA. ( ML, ..) Développer et maintenir les IHM dédiées aux assistants conversationnels et solutions RAG Documenter les développements et assurer la qualité du code.

L'équipe travaille sur des algorithmes de détection d'objets d'intérêt stratégique sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler de l'imagerie satellite SAR. La personne intègrera une squad de 5 à 7 personnes. Les missions principales sont: - Développer, entraîner et tester des algorithmes de deep learning partant en production. - Contribuer à la stack d'outils MLOps de l'équipe pour garantir sa viabilité sur le long terme et améliorer la productivité de l'équipe.

Le consultant interviendra sur l'ensemble du cycle de vie des solutions AI/ML, de l'identification des cas d'usage jusqu'à la mise en production, avec un fort enjeu de sécurité, scalabilité et industrialisation. Missions principales : - Identifier, analyser et prioriser les cas d'usage AI/ML appliqués à la cybersécurité et à l'IAM. - Développer des modèles de Machine Learning permettant de détecter les comportements utilisateurs anormaux, les schémas d'accès suspects et les potentielles menaces de sécurité. - Concevoir, tester et déployer des modèles AI/ML scalables intégrables aux plateformes de cybersécurité. - Développer des solutions AI, LLM et Advanced Analytics. - Concevoir et optimiser les prompts, les sorties structurées et les mécanismes d'évaluation des modèles. - Mettre en place le monitoring et l'évaluation des solutions AI/ML. - Industrialiser les modèles et solutions analytiques jusqu'à leur mise en production. - Garantir la qualité, la maintenabilité, les tests et l'intégration continue. - Prendre en charge les projets de bout en bout, de la phase de découverte jusqu'à la livraison. - Collaborer avec les équipes Engineering, Cybersécurité et métiers.

Renfort en tant que Data Scientist expérimenté. Domaines d'expertise requis : IA générative, NLP, Cloud, Machine Learning, LLM (Gemini, Mistral). Compétences techniques : Python, IA Ops (MLOps / LLMOps). Renfort en tant que Data Scientist expérimenté. Domaines d'expertise requis : IA générative, NLP, Cloud, Machine Learning, LLM (Gemini, Mistral). Compétences techniques : Python, IA Ops (MLOps / LLMOps). Renfort en tant que Data Scientist expérimenté. Domaines d'expertise requis : IA générative, NLP, Cloud, Machine Learning, LLM (Gemini, Mistral). Compétences techniques : Python, IA Ops (MLOps / LLMOps).

Cette mission consiste à accompagner une équipe IT dans le suivi et l'industrialisation de projets de Machine Learning en intervenant sur l'intégration, le déploiement et l'optimisation de modèles algorithmiques. Le consultant contribuera à la structuration de projets ML/DL, à la mise en place de bonnes pratiques de développement Python, à l'intégration de conteneurs Docker, à l'administration des environnements de développement, ainsi qu'à la définition des chaînes CI/CD et des architectures Cloud. Il participera également aux échanges avec des interlocuteurs francophones et anglophones, apportera son expertise technique sur les technologies Big Data et MLOps et contribuera à la réussite des projets de transformation data et intelligence artificielle.

Entité : mon client (grand groupe, secteur retail ) Site : Île-de-France, hybride (2j/site – 3j TT) TJM max : 500 euros Date de démarrage : asap Date de fin : 01/08/2028 Contexte : La Direction Analytics Factory de mon client France a pour mission de développer des solutions analytiques innovantes pour optimiser la performance de l'entreprise. Nous recherchons un(e) Consultant Product Manager Data passionné(e) par les problématiques de pricing pour rejoindre notre équipe et piloter le développement de nos assets Data & IA pour la direction Pricing. Mission : Concevoir, développer et déployer les modules analytiques et les moteurs d'optimisation tarifaire pour maximiser la performance commerciale (marge/CA) sous contraintes métiers. Périmètre des chantiers analytiques à mener : Mesure d'Impact & A/B Testing : Conception et déploiement de protocoles expérimentaux (groupes de contrôle, tests A/B) permettant de mesurer scientifiquement l'incrément de marge généré par les révisions tarifaires. Algorithmique & Cohérence Catalogue : Modélisation des règles de chaînage et des interdépendances entre références afin de garantir une hiérarchie de prix cohérente et d'éliminer les aberrations tarifaires. Modélisation Prédictive des Élasticités : Développement de modèles économétriques et Machine Learning pour prédire l'élasticité de la demande et simuler les volumes selon les scénarios de prix. Optimisation sous Contraintes (RO) : Conception de solveurs algorithmiques sur-mesure pour maximiser la marge ou le CA, en intégrant le respect des contraintes métiers (niveaux de stock, positionnement concurrentiel, plancher de marge). Construire la roadmap produit data. Concevoir des solutions data et cadrer les besoins. Rédiger les spécifications technico-fonctionnelles. Préparer la recette et suivre la mise en oeuvre avec l'équipe Scrum. Spécifier les flux d'alimentation et contrats d'interface. Concevoir les expositions data (API, modèles BDD) avec la gouvernance data. Assurer la cohérence fonctionnelle du domaine de données. Garantir la cohérence transverse avec les autres produits data. Piloter la qualité des données via dashboards et suivi des dettes techniques. Qualifier et documenter les données pour leur donner du sens. Animer la communauté data et faire le lien métiers / IT. Gérer les évolutions et anomalies remontées par les utilisateurs. Piloter le backlog produit et définir les user stories. Animer les rituels Agile (sprint planning, suivi équipe). Gérer un portefeuille projets data et leur cycle de vie. Reporter l'avancement aux responsables programme ou data product. Interroger des bases SQL et consommer des web services. Maintenir une forte compréhension technique de l'écosystème data. Livrables : Modules Algorithmiques & Code : Scripts, modèles ML et solveurs documentés et intégrés au pipeline. Documentation & Protocoles : Fiches méthodologiques (protocoles A/B testing, spécifications des contraintes RO, cartographie des chaînages). Outils de Simulation : Dashboards/rapports d'analyse des élasticités et d'impact marginal sur la performance.

Dans le cadre du déploiement d'une solution d'intelligence artificielle, un Administrateur Système confirmé / Ingénieur OpenShift-Kubernetes est recherché pour accompagner l'intégration et l'industrialisation de la solution au sein d'un environnement d'entreprise complexe. Le consultant interviendra à l'interface entre l'éditeur de la solution IA et les équipes internes Infrastructure, Sécurité, Architecture et Exploitation. La mission comporte une forte dimension de cadrage technique, conseil, coordination et transfert de compétences. Responsabilités : Accompagner l'intégration technique de la solution avec l'éditeur ; Analyser les prérequis infrastructure et contribuer au cadrage de la solution ; Déployer et configurer les composants containerisés sur OpenShift / Kubernetes ; Participer à la conception et à la mise en œuvre de l'architecture technique ; Coordonner les travaux avec les équipes Infrastructure, Sécurité et Exploitation ; Mettre en œuvre les exigences de sécurité et de conformité ; Identifier les risques techniques et contribuer à leur traitement ; Participer à l'industrialisation de la solution ; Mettre en place ou contribuer aux pipelines CI/CD ; Packager et automatiser le déploiement de la solution ; Garantir les mécanismes de disponibilité, redondance et exploitabilité ; Participer à la supervision et au maintien en conditions opérationnelles ; Accompagner les phases de tests et de mise en production ; Assurer le transfert de compétences auprès des équipes internes. Livrables attendus : Dossier d'Architecture Technique (DAT) ; Dossier d'Exploitation (DEX) ; Documentation d'installation et de déploiement ; Documentation des procédures d'exploitation ; Documentation CI/CD et industrialisation ; Guides techniques et procédures de troubleshooting ; Supports de transfert de compétences.

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,

MISSIONS PRINCIPALES Sécurisation des Architectures Hybrides OT/IT/Cloud Analyser et sécuriser les architectures on-prem (SI legacy industriels/OT) en interface avec GCP Définir les mesures de sécurité sur les interconnexions OT/IT/Cloud : DMZ industrielle, segmentation, diodes, firewalls industriels, VPN Gérer les contraintes spécifiques OT : disponibilité > confidentialité, cycles de vie longs, protocoles propriétaires (Modbus, DNP3, OPC-UA), impossibilité de patcher Appliquer les référentiels OT : IEC 62443, NERC CIP si applicable Analyses de Risques DATA & IA Conduire les analyses de risques sur les pipelines de données industrielles (ingestion, traitement, exposition) : données opérationnelles critiques (production, maintenance, qualité) Analyser les risques spécifiques à l'IA : biais de données, empoisonnement de modèles, fuite de données d'entraînement, hallucinations sur données sensibles, adversarial attacks Définir les mesures de sécurité adaptées aux cas d'usage IA (OWASP LLM Top 10 2025) et aux contraintes de l'AI Act européen Accompagner les projets data et IA dans leurs choix de sécurité dès la conception Sécurité Data GCP Sécuriser les architectures data GCP : BigQuery (data access controls, VPC Service Controls), Dataflow, Pub/Sub, Cloud Storage (CMEK, IAM), DLP Gouverner les données : classification, traçabilité des accès, contrôle des accès aux données sensibles Assurer la sécurité des pipelines data : authentification des sources, chiffrement des flux, audit DevSecOps sur Environnements Hybrides Intégrer la sécurité dans les pipelines CI/CD data et ML : SAST/DAST/SCA sur des composants Python, notebooks, APIs Sécuriser les registres de modèles (MLflow, Vertex AI) et les chaînes de livraison ML Gérer les secrets dans des environnements hybrides (Vault, GCP Secret Manager)

Chez ATLANSE, nous accompagnons nos clients dans la conception d'infrastructures résilientes, l'amélioration de la performance de leur production applicative, l'optimisation et le développement de leurs environnements de travail ainsi que l'exploitation et la valorisation des données. Pour cela, nous nous appuyons sur nos consultants confirmés et experts ou à fort potentiel, reconnus pour leurs compétences techniques, leur compréhension métier et leurs pratiques éprouvées. Vous interviendrez en tant que développeur.euse IA dans le cadre du déploiement de projets IA stratégiques. Vous travaillerez en étroite collaboration avec le Tech Lead et le chef de projet IA pour apporter expertise technique et vision projet. Votre rôle Développement et implémentation IA · Développer des solutions IA et data en environnements de pré-production et de production · Implémenter des cas d'usage IA variés (NLP, assistants intelligents, RAG, classification, résumé, extraction) · Mettre en œuvre des pipelines IA de bout en bout (ingestion des données, traitement, modèles, évaluation) en intégrant des mécanismes de contrôle et d'amélioration continue · Faire évoluer et optimiser les solutions existantes Architecture IA, arbitrages et sécurisation technique · Contribuer aux choix d'architecture IA et data · Sélectionner, évaluer et intégrer des modèles (open source ou via API) en tenant compte des enjeux de coûts, sécurité, souveraineté et pérennité · Concevoir et industrialiser des architectures RAG (indexation, retrieval, génération, évaluation) · Participer aux arbitrages techniques et à la priorisation des sujets · Structurer, expliquer et documenter les choix techniques Coordination technique et collaboration · Travailler en étroite collaboration avec le tech lead, les développeurs et data scientists · Assurer une coordination technique fluide avec le chef de projets IA · Expliquer les sujets techniques à des profils non techniques · Contribuer à la capitalisation des connaissances via la documentation technique et les outils collaboratifs (Confluence)

Basée à Lille, Lyon, Nantes, Grenoble, Marseille, Paris et Bruxelles, Insitoo Freelances est une société du groupe Insitoo, spécialisée dans le placement et le sourcing des Freelances IT et Métier. Depuis 2007, Insitoo Freelances a su s'imposer comme une référence en matière de freelancing par son expertise dans l'IT et ses valeurs de transparence et de proximité. Actuellement, afin de répondre aux besoins de nos clients, nous recherchons un Expert Openshift AI (H/F) à Gémenos, France. Contexte : Dans le cadre de l'exploitation, de l'évolution et de l'industrialisation d'une plateforme IA basée sur OpenShift AI, nous recherchons un expert technique capable d'intervenir sur les activités de RUN, d'automatisation et de transformation de la plateforme. Le consultant rejoindra une équipe en place et jouera également un rôle clé dans l'accompagnement des équipes d'exploitation et du Service. Les missions attendues par le Expert Openshift AI (H/F) : Exploitation & Administration OpenShift AI • Administration et maintien en conditions opérationnelles des plateformes OpenShift AI. • Supervision de l'environnement Kubernetes/OpenShift. • Gestion des workloads, namespaces, quotas et déploiements. • Gestion des certificats, accès et configurations de la plateforme. Infrastructure & Plateforme • Administration des clusters OpenShift sur infrastructures VMware et BareMetal. • Gestion des ressources GPU. • Administration du stockage et de la persistance des données. • Gestion des composants réseau OpenShift (Ingress, Network Policies, exposition des services). OpenShift AI & MLOps • Administration des Data Science Projects et Workbenches. • Gestion des services de Model Serving (ModelMesh). • Gestion et optimisation des ressources GPU pour les usages IA. • Accompagnement des équipes Data Science et IA. Automatisation & Industrialisation • Mise en œuvre des pratiques GitOps et CI/CD. • Déploiement d'applications via Helm. • Administration d'ArgoCD et des pipelines Tekton. • Automatisation • Participation aux projets de transformation et d'industrialisation de la plateforme. Formation & Accompagnement • Formation des équipes en charge du RUN. • Accompagnement et montée en compétence du Service. • Documentation Profil recherché • Expert OpenShift / Kubernetes confirmé. • Expérience significative sur OpenShift AI et les environnements MLOps. • Bonne compréhension des architectures IA et des environnements GPU. • Expérience en automatisation, industrialisation et CI/CD. • Capacité à accompagner et former des équipes. • Aisance dans les environnements de transformation et d'amélioration continue. Conditions • Démarrage : ASAP • Mission longue durée • Localisation : Gémenos (13) • Présence sur site : 3 jours/semaine minimum

Dans le cadre de l'exploitation, de l'évolution et de l'industrialisation d'une plateforme IA basée sur OpenShift AI, un expert technique est recherché pour intervenir sur les activités de RUN, d'automatisation et de transformation. Intégré à une équipe existante, il jouera un rôle clé dans la mise en œuvre d'une feuille de route de transformation (issue d'un audit/cadrage préalable), l'accompagnement et la formation des équipes d'exploitation, ainsi que la montée en compétence du Service Owner. Objectifs et livrables : • Assurer l'administration, le maintien en conditions opérationnelles (MCO) et la supervision des plateformes OpenShift AI / Kubernetes (workloads, namespaces, quotas, certificats, accès, patching, montées de version). • Traiter et suivre les incidents et les demandes de support. • Gérer l'infrastructure et la plateforme : clusters sur VMware et BareMetal, stockage (ODF), ressources GPU (NVIDIA, MIG Profiles), et réseaux (Ingress, Network Policies, exposition des services). • Administrer la brique OpenShift AI & MLOps : Data Science Projects, Workbenches, Model Serving (ModelMesh), pipelines ML et accompagnement des équipes Data Science. • Mettre en œuvre les actions d'automatisation, d'industrialisation, de GitOps et de CI/CD (Helm, ArgoCD, Tekton). • Accompagner la mise en œuvre de la roadmap de transformation et d'industrialisation de la plateforme. • Rédiger la documentation des procédures et des bonnes pratiques. • Former les équipes du RUN, accompagner le Service Owner et assurer le transfert complet de compétences. Compétences requises : • Expertise confirmée sur OpenShift et Kubernetes. • Expérience significative et indispensable sur OpenShift AI. • Solides compétences MLOps, architectures IA et gestion/optimisation des GPU (NVIDIA GPU Operator, MIG Profiles). • Maîtrise des composants MLOps : ModelMesh, Kubeflow / RHODS Pipelines, vLLM (apprécié). • Maîtrise des pratiques et outils d'automatisation, d'industrialisation et CI/CD : GitOps, ArgoCD, Helm, Tekton. • Compétences en observabilité : Prometheus, Grafana, Alertmanager, Loki / Elastic. • Compétences en sécurité, gouvernance et gestion d'infrastructure : RBAC, OpenShift ACS, ACM (Advanced Cluster Management), Quay Enterprise, VMware, BareMetal, OpenShift Data Foundation (ODF).

Au sein du Pôle Architecture Logicielle & IA (DSI), le 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. Il intervient de la faisabilité technique au passage à l'échelle, en lien étroit avec la DSMC (valeur métier) et dans le respect des cadres Groupe (Design Authority IA, sécurité, conformité). Périmètre et rattachement : Rattachement : Direction des Systèmes d'Information / Architecture Logicielle & IA Interactions clés : DSMC (cadrage valeur, priorisation des cas d'usage), Architectes SI et Logiciel / équipe infra / Cloud, équipe Data, équipes projets DSI, prestataires IA, RSSI, Conformité / Juridique (interfaces), Groupe (Design Authority IA, ITD DataLab Missions principales : 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. 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 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 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 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) 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 Responsabilités clés : Validation des choix techniques IA (outils, modèles, architectures). Définition des standards MLOps & observabilité IA. Contribution aux livrables structurants : Reporting sur l'avancement et la maturité IA du SI

Contexte d'utilisation chez Limagrain Compétences attendues Niveau RAG end-to-end Retrievers & embeddings Assistants scientifiques, juridiques et métiers sur corpus internes. Optimiser la récupération de sources fiables. Ingestion, parsing, OCR, structure, chunking, embeddings, indexation, retrieval, reranking, génération et citations. Indispensa ble Dense/sparse/hybride, metadata filters, multi query, parent-child, contextual retrieval, vector stores et évaluation du retrieval. Indispensa ble Analyse documentaire Exploiter PDF, Word, PowerPoint, Layout-aware parsing, OCR, extraction Indispensa Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Technologies / savoir-faire Contexte d'utilisation chez Limagrain Compétences attendues Niveau tableaux, scans et dossiers complexes. tables/images, métadonnées, déduplication, classification et validation. ble VLM & VQA Analyser images, figures, schémas, parcelles, maladies, rapports et documents multimodaux. Vision-language models, visual question answering, grounding, OCR multimodal, évaluation et limites. Avancé Gestion du contexte Maîtriser qualité, coût et mémoire des agents. Context engineering, fenêtres, compression, résumé, mémoire court/long terme, cache, provenance et isolation. Indispensa ble Single-agent Automatiser une tâche métier avec outils et garde-fous. ReAct/tool calling, structured outputs, validation, retries, human-in-the-loop et permissions. Indispensa ble Multi-agent Décomposer les workflows complexes entre agents spécialisés. Supervisor, router, planner-executor, handoffs, shared state, parallélisme, consensus et contrôle des boucles. Avancé LangChain / LlamaIndex Assembler modèles, retrievers, tools et chaînes RAG. Intégrations, loaders, chains, agents, structured output et composants remplaçables. Avancé LangGraph Orchestration stateful et durable de workflows agentiques. Graphes, état, checkpoints, streaming, interruptions, human-in-the-loop et reprise. Avancé LangSmith Tracing, debugging, datasets, évaluations et monitoring.

Vos missions **Exploitation & Administration OpenShift AI** - Administration et maintien en conditions opérationnelles des plateformes OpenShift AI - Traitement des incidents et demandes de support - Supervision de l'environnement Kubernetes/OpenShift - Patching et montées de version - Gestion des workloads, namespaces, quotas et déploiements - Gestion des certificats, accès et configurations de la plateforme **Infrastructure & Plateforme** - Administration des clusters OpenShift sur infrastructures VMware et BareMetal - Gestion des ressources GPU - Administration du stockage et de la persistance des données - Gestion des composants réseau OpenShift (Ingress, Network Policies, exposition des services) **OpenShift AI & MLOps** - Administration des Data Science Projects et Workbenches - Gestion des services de Model Serving (ModelMesh) - Déploiement et exploitation de pipelines ML - Optimisation des ressources GPU pour les usages IA - Accompagnement des équipes Data Science et IA **Automatisation & Industrialisation** - Mise en œuvre des pratiques GitOps et CI/CD - Déploiement d'applications via Helm - Administration d'ArgoCD et des pipelines Tekton - Automatisation des opérations récurrentes - Participation aux projets de transformation de la plateforme **Formation & Accompagnement** - Formation des équipes en charge du RUN - Montée en compétence du Service Owner - Documentation des procédures et bonnes pratiques - Transfert de connaissances vers les équipes d'exploitation