Architecte - Cloud Azure - Tech Lead ai H/F

Le besoin

Descriptif détaillé du besoin

Dans le cadre du développement et de l'industrialisation d'une plateforme Data & AI stratégique, nous recherchons un Architecte / Tech Lead Azure expérimenté, capable d'intervenir aussi bien sur les choix d'architecture que sur leur mise en oeuvre technique.

La plateforme repose notamment sur Azure Machine Learning et Azure DevOps et doit répondre à des enjeux importants de disponibilité, scalabilité, sécurité, connectivité et excellence opérationnelle.

Nous recherchons avant tout un profil très hands-on, disposant d'une expertise Azure profonde et démontrable. L'objectif n'est pas de trouver un généraliste connaissant superficiellement un grand nombre de technologies, mais un expert capable de concevoir une architecture, challenger les choix techniques, intervenir concrètement sur la plateforme et justifier précisément ses décisions.

Missions principales

Vous interviendrez notamment sur :

• La conception et l'évolution d'architectures Azure robustes, sécurisées et scalables.

• Le design, le déploiement et le maintien des infrastructures supportant une plateforme de développement Machine Learning.

• L'architecture et l'exploitation de services autour d'Azure Machine Learning.

• La mise en place et l'industrialisation de pipelines CI/CD avec Azure DevOps.

• L'application des principes Infrastructure as Code, notamment avec Terraform, Ansible, PowerShell ou Python.

• La conception et l'exploitation d'environnements conteneurisés et orchestrés, notamment Kubernetes / AKS.

• La gestion des problématiques de réseau et de connectivité privée : DNS, Private Endpoints, segmentation réseau, communication entre services, sécurisation des flux.

• La conception d'architectures applicatives Azure intégrant notamment API, front-end, back-end et bases de données SQL.

• La sécurisation des applications et infrastructures Cloud, ainsi que l'intégration de pratiques de security scanning dans les chaînes de développement.

• La mise en place de solutions d'observabilité : métriques, logs, traces, alerting et dashboards.

• L'amélioration de la disponibilité, des performances et de la résilience des plateformes.

• L'identification des risques techniques et de sécurité et la définition des stratégies de mitigation.

• L'accompagnement des équipes Data, IA et développement dans l'adoption des bonnes pratiques DevOps et MLOps.

• L'évaluation et le choix de nouvelles technologies autour du cycle de vie ML : MLflow, model registries, feature stores, Kubeflow, DVC, etc.

• La documentation des architectures et la capacité à expliquer et défendre les choix techniques auprès d'interlocuteurs variés.