DevOps IA - Freelance

Description du poste

Rôle

Au sein d’une équipe en charge des plateformes data et IA, vous intervenez sur la mise à disposition, l’exploitation et l’évolution de services liés à l’IA générative et au machine learning. Vous contribuez à l’industrialisation et à l’adoption des solutions IA auprès des utilisateurs internes, dans une logique DevOps / MLOps .

Missions

Exploitation & Run

• Assurer le suivi et l’exploitation des plateformes IA
• Garantir la disponibilité, la performance et la stabilité des services
• Assurer le support technique auprès des utilisateurs internes

Accompagnement & Adoption

• Accompagner les équipes dans l’usage des offres IA (LLM, GPU, RAG…)
• Faciliter l’exposition et l’utilisation de modèles IA
• Apporter un support méthodologique et technique adapté aux besoins métiers
• Vulgariser les concepts IA auprès des utilisateurs

Industrialisation & Automatisation

• Développer des services automatisés (Python, CI/CD)
• Mettre en place des pipelines et outils facilitant l’usage des plateformes IA
• Participer à l’amélioration continue des pratiques DevOps / MLOps

Environnement IA & Data

• Contribuer à la mise en œuvre de solutions autour :
  • LLM (Large Language Models)
  • RAG (Retrieval-Augmented Generation)
  • Gestion des ressources GPU
• Participer à l’intégration et au déploiement de modèles IA

Environnement technique

• Langages & outils : Python, GitLab CI/CD, API REST
• Conteneurisation & orchestration : Kubernetes
• IA / ML : LLM, RAG, fine-tuning, transfer learning
• Serving modèles : vLLM, TGI (ou équivalent)
• GPU : allocation, optimisation, gestion des ressources
• Data : plateformes de data science (ex : Dataiku)
• Systèmes : Linux
• Recherche vectorielle : bases vectorielles (type FAISS, Pinecone, etc.)

Profil recherché

Compétences techniques

• Bonne compréhension du cycle de vie des modèles ML : entraînement, évaluation, déploiement, monitoring
• Maîtrise de Python (scripting, automatisation, intégration API)
• Connaissances solides en Kubernetes et architecture cloud-native
• Compréhension des architectures LLM et des patterns RAG
• Connaissance des enjeux liés aux GPU et au serving de modèles
• Bon niveau en environnement Linux
• Culture DevOps / MLOps

Serait un plus

• Expérience avec des outils d’orchestration GPU (ex : Run:AI)
• Maîtrise d’une plateforme de data science collaborative (ex : Dataiku)
• Connaissance d’un SI complexe / grand groupe

Profil recherché

• Formation supérieure en informatique / data
• Expérience en DevOps, Data ou MLOps
• Intérêt marqué pour les sujets IA générative
• Capacité à évoluer dans un environnement technique et innovant