LEAD MACHINE LEARNING MLOPS (IT) / Freelance

Mission

Garantir l’excellence technologique du pôle IA en définissant les standards d’architecture et de développement, en sécurisant la mise en production de solutions d’intelligence artificielle complexes et en accompagnant la montée en compétence des équipes techniques.

Le Tech Lead ML joue un rôle clé dans la conception, la robustesse et la scalabilité des produits IA tout en contribuant aux décisions stratégiques liées à la roadmap technologique.

Responsabilités principales

Architecture & Engineering IA

• Définir et maintenir les standards d’architecture ML/IA dans des environnements multi-cloud .

• Concevoir et valider les pipelines ML / IA end-to-end (data → training → évaluation → déploiement → monitoring).

• Mettre en place les bonnes pratiques de MLOps et industrialisation des modèles .

Choix technologiques

• Superviser les choix d’outils et frameworks :

  • frameworks ML

  • solutions cloud (Google Cloud, Microsoft Azure)

  • outils MLOps

• Garantir la cohérence technologique de l’écosystème IA.

Qualité technique & gouvernance

• Auditer et challenger la qualité technique des produits IA :

  • performance

  • robustesse

  • sécurité

  • coûts (FinOps)

  • maintenabilité

• Mettre en place des standards de gouvernance des modèles et des données .

Leadership technique

• Jouer un rôle d’expert et de mentor auprès des équipes Data Science et Data Engineering.

• Accompagner la montée en compétence technique des équipes.

• Définir et diffuser les bonnes pratiques de développement .

Contribution stratégique

• Participer aux phases de cadrage et de conception des produits IA .

• Contribuer à la définition de la roadmap produit IA .

• Collaborer étroitement avec :

  • le Product Owner IA

  • les Data Scientists

  • les Data Engineers

  • les équipes software.

Innovation & veille

• Assurer une veille technologique active sur les innovations IA :

  • IA générative

  • MLOps

  • architectures data

  • outils et frameworks émergents.

Profil candidat

Compétences requises Hard Skills Intelligence Artificielle

Hard Skills

• Expérience sur l’IA générative :

  • LLM

  • Prompt engineering

  • RAG (Retrieval Augmented Generation)

  • évaluation de modèles

  • systèmes agentiques

Développement

• Excellente maîtrise de Python et de la programmation orientée objet .

• Bonne maîtrise des concepts Data Science / Machine Learning .

MLOps & DevOps

• Outils et pratiques DevOps :

  • Git

  • CI/CD

  • Docker

  • Kubernetes

  • MLflow

Cloud & Infrastructure

• Expérience avancée sur Azure et/ou Google Cloud .

• Bonne maîtrise de l’Infrastructure as Code (Terraform) .

• Conception d’architectures scalables et résilientes .

Architecture logicielle

• Déploiement d’API REST .

• Architecture microservices .

• Industrialisation et déploiement de modèles en production.

Exploitation des modèles

• Monitoring des modèles IA

• Optimisation des performances

• Gestion de la scalabilité

• Sécurité et gouvernance des modèles et des données.

Soft Skills

• Excellentes capacités de communication et de pédagogie .

• Leadership technique naturel .

• Capacité à structurer et poser un cadre normatif de développement .

• Esprit orienté solution et impact .

• Forte curiosité technologique et intérêt pour l’innovation.

Profil recherché

• 8 ans d’expérience dans le développement et le déploiement de solutions d’intelligence artificielle en production.

• Expérience significative dans l’industrialisation de modèles ML .

• Expérience dans des environnements cloud et architectures distribuées .

• Une première expérience en software engineering est un plus.