Une/Un lead technique intelligence artificielle

1. Faire passer les projets IA en production

• Auditer les cas d'usage IA existants et prioriser leur industrialisation.
• Amener les projets IA au stade de services opérationnels : déployés, supervisés, documentés et utilisés.
• Garantir la qualité, la fiabilité et la conformité des solutions mises en service (RGPD, règlement européen sur l'IA).

2. Bâtir le socle technique IA

• Concevoir l'architecture de la plateforme IA / MLOps cible : environnements, registre de modèles, chaînes de déploiement automatisées, supervision.
• Définir les standards techniques applicables à tout projet IA (qualité, sécurité, réversibilité).
• Assurer la cohérence de ce socle avec le système d'information existant et les infrastructures internes, y compris l'IA souveraine hébergée en interne ou en externe.

3. Animer la montée en puissance de la capacité IA

• Accompagner les directions métiers dans la structuration de leurs travaux IA et construire une collaboration durable.
• Développer les compétences IA internes : pratiques d'ingénierie, culture de la mise en production IA, accompagnement de l’équipe de chefs de projets.
• Contribuer aux instances de gouvernance IA : comité de pilotage, reporting.
• Piloter les prestataires externes dans le cadre d’un marché public : cadrage des besoins en lien avec l’IA, suivi des livrables, transfert de compétences.

Un poste de création et un rôle structurant : vous définissez les standards et l'architecture IA qui feront référence. Un impact concret et visible sur le service public et le quotidien des agents de l’Arcom

Exigences

• 8 ans d'expérience minimum en ingénierie logicielle, dont au moins 3 ans sur l'industrialisation de solutions IA / machine Learning en production.
• Expérience démontrée de mise en production de modèles IA : vous avez déjà fait passer des projets du POC à des services opérationnels utilisables.
• Expérience du pilotage de prestataires ou d'équipes techniques.
• Une expérience en environnement public serait un plus apprécié.
• Maîtrise de Python et des bonnes pratiques d'ingénierie logicielle (tests, CI/CD, revue de code).Pratique des outils MLOps
• Connaissance des architectures et des infrastructures on-premise
• Connaissance des LLM en production : RAG, évaluation, garde-fous, dimensionnement.
• Sensibilité aux enjeux de conformité : RGPD, règlement européen sur l'IA, sécurité des SI.