RIDCHA DATA
Description du poste Pour un grand groupe, nous recherchons un(e) Ingénieur MLOps qui viendra renforcer l'équipe MLOps interne. Le projet consiste à construire la plateforme IA Factory V3, hébergée on-premise. Vous contribuerez à garantir un haut niveau de disponibilité, de performance et de sécurité de la plateforme. Vous industrialiserez et fiabiliserez ses différentes briques, et ferez le lien avec les équipes socle, data et produit. Vous travaillerez en mode Agile à l'échelle (SAFe, au sein d'un train agile cloud). Vos missions Sécuriser les déploiements de modèles ML et IA générative sur Kubernetes / OpenShift. Améliorer en continu les performances et la qualité de service de la plateforme (gestion des GPU, MIG, load balancing, cold start). Mettre en place et maintenir les pipelines CI/CD des applications, de la data et de l'IA, en approche GitOps avec ArgoCD. Assurer la gouvernance des modèles (versioning, model registry MLflow, tests automatisés). Contribuer au monitoring de la plateforme : logs, métriques, tracing, dashboards, alerting, suivi des coûts et de la dérive des modèles (drift). Accompagner les cas d'usage d'IA générative : RAG, embeddings, bases vectorielles, workflows agentiques, MCP, tool calling. Garantir la sécurité et une IA responsable : gestion des secrets, guardrails, sécurité des prompts, PII/RGPD, auditabilité. Favoriser l'adoption de la plateforme on-premise / hybride. Livrables Participation active aux sprints et traitement des tickets du backlog Jira. Documentation technique du produit dans Confluence. Présentations PowerPoint pour les réunions projet. Compétences techniques requises Code : Python, Bash/Shell, Linux, tests, revue de code. MLOps / LLMOps : vLLM, llm-d, GitOps, ArgoCD, MLflow, Hugging Face, pipelines data et IA. Infra : Kubernetes / OpenShift, déploiement de modèles, APISIX Gateway, orchestration, GPU scheduling, MIG. IA générative : RAG, bases vectorielles, recherche hybride et reranking, agents, MCP, évaluation des agents. Observabilité : OpenTelemetry, VictoriaMetrics/Logs, Prometheus, Grafana. Sécurité : secrets, guardrails, isolation des données, RGPD. Compétences appréciées Scikit-learn, PyTorch. CUDA : compréhension des enjeux logiciels et matériels des GPU. Multimodalité.