Ingénieur-MLOps & DevOps (H/F)

Nous recherchons un(e) Ingénieur(e) MLOps & DevOps expérimenté(e) et passionné(e) pour rejoindre notre équipe. Vous jouerez un rôle central dans l'industrialisation, le déploiement et la maintenance de nos modèles de Machine Learning et Artifical Intelligence en production. Votre mission sera de bâtir des infrastructures robustes, scalables et automatisées, permettant aux Data Scientists de déployer leurs solutions de manière rapide et fiable. Vous serez le pont entre le développement de solutions ML et AI et leur exploitation en production, en appliquant les meilleures pratiques de notre guilde DevOps, aux spécificités du MLOps et AIOps ... Vos missions principales :En tant qu'Ingénieur MLOps & DevOps, vos responsabilités incluront : 1. Conception et mise en œuvre d'architectures MLOps et AI :a. Élaborer des architectures techniques pour le déploiement des modèles de ML en production.b. Construire en équipe et implémenter des stratégies de versioning pour les modèles, les données et le code.c. Mettre en place des environnements et outils pour industrialiser les solutions.2. Industrialisation des pipelines de Machine Learning et AI :a. Développer et maintenir des pipelines CI/CD spécifiques au ML (entraînement, validation, déploiement, réentrainement automatique).b. Automatiser le déploiement et la mise à l'échelle des modèles sur des infrastructures cloud conteneurisées.c. Assurer la reproductibilité des expérimentations.d. Utiliser les API, micro services, containers et identités.3. Gestion de l'infrastructure et déploiement (DevOps) :a. Concevoir, déployer et maintenir des infrastructures Cloud via Infrastructure as Code (Terraform, Ansible).b. Mettre en place et gérer des clusters GKE pour l'orchestration des services et des modèles.c. Développer des outils et scripts d'automatisation (Python, Bash) pour optimiser les opérations.d. Gérer la sécurité : droits d'accès, conformité, auditabilité des modèles et des données.4. Surveillance et Maintenance :a. Implémenter le monitoring pour la performance des modèles (dérive, performance métier).b. Mettre en place des alertes sur la robustesse de l'infrastructure (icinga, Victoria Metrics, Grafana).c. Gérer les mécanismes de rollback en cas de dégradation.d. Suivre et optimiser les coûts d'infrastructure.e. Implémenter les indicateurs pour le suivi de qualité (SLA/SLO).5. Veille :a. Contribuer à la veille technologique et à l'amélioration continue de nos processus et outils.b. Construire une plateforme de Proof Of Concept après avoir anticipé les difficultés techniques.c. Connaissance LLM pour choisir les modèles adaptés à chaque situation.6. Collaboration :a. Travailler en étroite collaboration avec les Data Scientists, les Data Engineers et les équipes Produit.b. Évangéliser et accompagner les équipes Data Science sur les bonnes pratiques MLOps et DevOps Compétences attendues :· Expérience : Minimum 3 ans d'expérience en DevOps, SRE, ou MLOps.· Cloud : Maîtrise avancée des Cloud publics GCP et Azure.· Conteneurisation & Orchestration : Expertise en Docker et Kubernetes (gestion de clusters, déploiement d'applications).· Infrastructure as Code (IaC) : Maîtrise de Terraform et Ansible.· CI/CD : Expérience avec GitLab CI.· Scripting : Excellente maîtrise de Python et Bash pour l'automatisation.· Monitoring : Expérience avec des outils de monitoring (icinga, Victoria Metrics, Prometheus, Grafana).· Concepts MLOps : Bonne compréhension des enjeux et des outils MLOps.· Bases de données : Connaissance des bases de données SQL et NoSQL.· Automatisation des Workflow : Airflow· Système et Réseaux : Excellente maîtrise de Linux et de l'administration Réseau (ipv4, masques, firewalling, VLAN, DNS, routage).· &nbs