R&S TELECOM
Contexte de la mission Contexte et objectif Dans le cadre du projet de construction de la plateforme IA, on prem, nous recherchons à renforcer l'équipe MLOPS interne. Ce renfort vise à garantir un haut niveau de disponibilité, de performance et de sécurité de la plateforme cible : industrialisation et fiabilisation des briques de la plateforme IA interne, interface avec les équipes socle/data/produit. Objectifs de la mission Sécuriser les déploiements, amélioration continue des performances et de la qualité de service de la plateforme, contribuer au monitoring de la plateforme, assurer la gouvernance des modèles, et l'adoption de la plateforme on premise/hybride de notre IA Factory. ➢ Support technique et acculturation IA: assistance, montée en compétences, vulgarisation dev/data/produit/direction. ➢ Fiabiliser et industrialiser IAFactory: montées de version composants/modèles, rétro-compatibilité, config centralisée IAFactory/harness, standardisation dev/intégration/déploiement. ➢ Élargir périmètre technique: batch, runtime agentique, semantic routing, observabilité, évaluation, workflows agentiques, mise en prod IA générative. ➢ Industrialiser pipelines data/IA: CI/CD, tests, versioning, validation, optimisation production. ➢ RAG/agents/IA générative: Assistance et expertise sur la conception/mise en prod RAG, design workflows agentiques, observabilité, évaluation, boucles d'amélioration, MCP/tools. ➢ Gouvernance modèles: cycle de vie, fine-tuning si nécessaire, documentation, hypothèses, métriques, limites d'usage, traçabilité. ➢ Performance/infra: optimisation inférence (GPU, MIG, cold start, bandwidth, load balancing, latence, débit, coût), ressources matérielles/réseau. ➢ Amélioration de notre stack observabilité: VictoriaLogs/metrics, OTEL, etc.. ➢ Documentation: doc tech/fonctionnelle, runbooks, guides, notes de version, ADR (Architecture Decision Record). Contribution active aux sprints et mise à jour de l'outil JIRA. 2/2 Contribution active à la documentation du produit sur l'outils confluence. Rédaction de présentations PPT pour alimenter les réunions projet. Il s'agit d'un support technique et les livrables attendus sont une présence et participations aux différentes réunions, des documentations techniques, la réalisation de tickets issus du backlog Jira Objectifs et livrables Attendus nécessaires : Prod modèles ML/IA, pipelines CI/CD app/data/IA, K8s/déploiement modèles. IA générative appréciée, multimodalité appréciée. Bac+5/Master/Doctorat en data science, IA, maths appliquées, informatique ou équivalent. Curiosité, esprit critique, vulgarisation, communication tous profils, autonomie, ownership, rigueur, adaptabilité, collaboratif, priorisation/arbitrage, veille techno, amélioration continue. Expérience intermédiaire 3-5 ans Nécessité de pouvoir venir ponctuellement mais régulièrement sur site à Montreuil Compétences demandéesCompétencesNiveau de compétence IA gén/RAG/agents: RAG, embeddings, vector DB, hybrid search/reranking, workflows agentiques, MCP, tool calling, memory, observabilité/évaluation agents, boucles d'amélioration. MLOps/AIOps/LLMOps: vLLM, llm-d, GitOps, Argocd, versioning, tests auto, model registry, MLflow, Hugging Face, pipelines data/IA. Librairies python: o Scikit-learn, Pytorch Observabilité/ Alerting: Otel, VictoriaMetrics/Logs, Prometheus, Grafana (logging, métriques, tracing, dashboards, alerting, perf, coûts, drift). Sécurité/IA responsable: secrets, sécurité prompts, isolation données, PII/RGPD, guardrails, limites d'usage, auditabilité, biais/éthique. Infra/déploiement: Kubernetes (openshift), déploiement modèles IA, APISIX Gateway, orchestration, GPU scheduling, MIG, load balancing, cold start, réseau/bandwidth. Cuda (compréhension des enjeux soft et hardware des gpus) Code: Python, Bash/Shell, Linux, bonnes pratiques, tests, revue de code.