Administrateur Cluster IA

Description du poste et Missions

Rattachement : Responsable produit IA (DNUM)

Positionnement : Infrastructure et MCO - socle technique. Point d'entrée des demandes utilisateurs et tour de contrôle du suivi.

Mission

Garantir la disponibilité, la performance et la stabilité du cluster IA (GPU / CPU / réseau / stockage), automatiser son exploitation et assurer le support utilisateur.

Activités principales

Maintien en conditions opérationnelles

• MCO du cluster IA : nœuds GPU/CPU, stockage, réseau
• Administration Linux (Ubuntu) : installation, configuration
• Exploitation Kubernetes : déploiement, scaling, haute disponibilité
• Gestion des mises à jour : OS, drivers NVIDIA, versions Kubernetes
• Gestion des jobs : scheduling GPU, quotas, priorités
• Équilibrage des ressources, gestion des pics d'activité, des priorités et des conflits

Supervision et gestion des incidents

• Supervision et monitoring (Prometheus, Grafana)
• Gestion des incidents, analyse fine, traitement des problèmes, post-mortem, amélioration continue
• Production de la « météo quotidienne » du cluster
• Suivi des pannes matérielles : ouverture de tickets auprès des mainteneurs et éditeurs, relances, application des procédures constructeur
• Demandes de geste de proximité auprès de l'infogérant général (N1)

Support utilisateur (niveaux 1 et 2 IA)

• Prise en compte des demandes formulées dans GIPSI et aiguillées par l'infogérant général
• Première analyse, résolution ou escalade vers l'expertise ; suivi et relance des tickets
• Gestion des accès, rôles, droits et habilitations sur les plateformes, projets et ressources IA
• Modification des permissions sur les espaces de stockage, jeux de données, modèles et référentiels partagés
• Création et mise à disposition d'environnements de développement et d'exécution (notebooks, espaces de travail, conteneurs)
• Modification des quotas de stockage ou de consommation des services IA

Automatisation et documentation

• Automatisation : Ansible, scripts Bash et Python
• Dossiers d'exploitation, procédures et guides utilisateurs, entretien du WIKI IA
• Fichier de suivi des matériels IA (production, localisation, date de fin de maintenance)
• Élaboration d'états et de tableaux de bord