Trouvez votre prochaine mission ou futur job IT.

Bonjour et merci d'avoir cliqué sur cette offre 😊 Nous recherchons un.e ML Engineer confirmé.e pour une grande entreprise sur Lille ! 🚀 Ce poste est fait pour toi si : tu as 3 ans à minima en tant ML Engineer. tu es expert.e en conception et industrialisation de modèles. tu sais automatiser les entraînements et les déploiements de modèles. tu as 5 ans d'expérience professionnelle en Python. tu as des bases solides sur MLflow ou Kubeflow ou Vertex. tu es familier avec l'environnement GCP et ses services. tu as des excellentes connaissances DevOps et de bases de données SQL et NoSQL. Idéalement tu as eu une expérience dans le retail. Les bénéfices du poste : 🤖 Un terrain de jeu technologique de pointe Le poste offre une exposition complète aux technologies les plus recherchées du marché : LLM, RAG, MLOps, GCP, Kubernetes — avec une ownership réelle du cycle de vie complet des modèles, du prototype à la production. 🚀 Un environnement d'innovation structuré L'entreprise combine l'agilité (Scrum/SAFe) d'une culture innovation avec la solidité d'un grand groupe, offrant ainsi stabilité et dynamisme pour progresser vite. Tes 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. 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. Démarrage : mi-mars, début avril. TT: 3 jours par semaine. Durée : 3 ans. 👉 Tu as envie d’un nouveau défi, entouré(e), valorisé(e), écouté(e) ? Postule et parlons-en. Même si ce n’est pas pour cette mission, on trouvera peut-être celle qui te correspond parfaitement. Les étapes à venir après avoir postulé : nous étudierons ta candidature avec attention. si elle nous intéresse, tu recevras un appel pour un premier échange de préqualification. On t’enverra un mail si on n’arrivera pas à te joindre. Si elle ne nous intéressera pas (ça sera certainement pour une autre mission 😉), on t’enverra un mail. Merci de ton attention et à très vite pour une aventure épanouissante chez Winside 🙂

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

Contexte Dans le cadre du renforcement de son équipe plateforme, notre client recherche un DevOps expérimenté pour accompagner le déploiement et l’industrialisation d’applications conteneurisées dans un environnement cloud-native orienté production. Missions principales Déployer, administrer et optimiser des clusters Kubernetes Automatiser l’infrastructure et les workflows via Terraform / Ansible Gérer les environnements Linux en production Mettre en place et maintenir les pipelines de déploiement applicatif Participer à l’amélioration continue de la plateforme DevOps Collaborer étroitement avec les équipes de développement (culture DevOps) Stack & Environnement technique Kubernetes (déploiement, scaling, troubleshooting) Terraform & Ansible (Infrastructure as Code, automatisation) Linux (administration système) CI/CD, conteneurisation, monitoring (type Prometheus/Grafana apprécié)