LeHibou
Dans le cadre de l'industrialisation de ses produits data et d'intelligence artificielle, notre client recherche un Senior AI Engineer capable de concevoir, déployer et faire évoluer des solutions d'IA en environnement Azure. La mission se situe à la croisée de l'Azure AI, de l'IA générative, des agents et de Microsoft Copilot. L'objectif est d'accélérer le passage des prototypes à des solutions sécurisées, observables, maintenables et créatrices de valeur pour les métiers. Vous rejoindrez une équipe Data & AI travaillant en étroite collaboration avec l'Architecte IA, les Data Scientists, le Product Owner IA ainsi que les équipes Cloud, Data, Sécurité, Architecture, DSI et Métiers. Vos responsabilités Concevoir et industrialiser des solutions Azure AIConcevoir des architectures basées sur Azure AI Foundry ou Microsoft Foundry, Azure OpenAI et Azure AI Search. Développer et déployer des applications GenAI, des assistants, des agents et des solutions RAG. Mettre en place des API et des composants d'intégration avec les systèmes métiers et les plateformes data. Déployer les solutions via Azure Functions, Container Apps, AKS ou des services équivalents. Gérer les environnements de développement, recette et production. Développer des agents et des usages CopilotConcevoir des agents capables d'utiliser des outils, des APIs et des bases de connaissances. Mettre en œuvre des orchestrations multi-agents et des workflows agentiques. Versionner et maintenir les prompts, modèles, embeddings, index et configurations. Contribuer à des cas d'usage Microsoft Copilot, Copilot Studio ou Microsoft 365 Copilot. Mettre en place les guardrails nécessaires : contrôle des outils, gestion des permissions, filtrage, protection contre les prompt injections et validation humaine. Automatiser les déploiements et fiabiliser la productionConstruire et maintenir les pipelines CI/CD avec Azure DevOps, Azure Pipelines ou GitHub Actions. Décrire et versionner l'infrastructure avec Bicep et/ou Terraform. Mettre en œuvre les tests automatisés, les contrôles de sécurité et les mécanismes de rollback. Utiliser les pratiques de software engineering : Git, revue de code, packaging, Docker et gestion des dépendances. Contribuer aux pratiques MLOps et LLMOps : MLflow ou équivalent, évaluation, versioning et promotion entre environnements. Superviser, sécuriser et optimiserMettre en place l'observabilité des applications, agents, modèles et outils. Suivre les traces, erreurs, latences, appels de modèles, consommation de tokens et coûts. Configurer les mécanismes d'identité et de sécurité : Entra ID, RBAC, Key Vault, APIM, chiffrement et réseau privé. Participer au suivi des coûts Azure et LLM et proposer des optimisations sur les modèles, quotas, cache et capacités. Contribuer au diagnostic des incidents, au maintien en conditions opérationnelles et à la documentation des solutions. Accompagner les équipesComprendre un besoin métier et le traduire en solution technique pragmatique. Participer aux ateliers de cadrage et à la priorisation des sujets. Documenter les architectures, choix techniques, procédures d'exploitation et limites connues. Transférer les compétences aux équipes DSI et contribuer à la mise en place de standards réutilisables.