AI Engineer / MLOps – Secteur bancaire

Contexte de la mission 

Nous recherchons pour l’un de nos clients, acteur majeur du secteur bancaire, un AI Engineer expérimenté pour intervenir sur des projets d’intelligence artificielle à forts enjeux techniques et métiers. 

La mission s’inscrit dans un environnement IT exigeant, structuré autour de projets IA nécessitant la conception, l’industrialisation, le déploiement et l’exploitation de solutions robustes, scalables et sécurisées. 

Le consultant interviendra sur l’ensemble du cycle de vie des produits IA, depuis les phases de cadrage et de preuve de concept jusqu’à la mise en production et au maintien en conditions opérationnelles. 

Missions principales 

En tant qu’AI Engineer / MLOps, vous serez en charge de concevoir, industrialiser et opérer des solutions d’IA fiables, performantes et responsables. 

Vos principales responsabilités seront les suivantes : 

Architecture et industrialisation IA / MLOps 

• Concevoir les architectures techniques des produits IA en collaboration avec les Data Scientists et les équipes IT.  

• Identifier les technologies, design patterns et architectures adaptés aux besoins : services temps réel, traitements batch, architectures cloud, solutions distribuées.  

• Participer à la validation des choix d’architecture technique.  

• Mettre en œuvre, maintenir et améliorer les pipelines CI/CD pour automatiser la livraison des modèles, du code et de l’infrastructure.  

• Industrialiser les modèles IA afin de garantir leur passage à l’échelle, leur supervision et leur maintien en production.  

Déploiement et exploitation 

• Contribuer au déploiement des applications IA en production.  

• Gérer les infrastructures de déploiement, notamment autour de Kubernetes et de services cloud managés.  

• Optimiser l’usage des ressources techniques, notamment dans des environnements nécessitant des capacités de calcul importantes.  

• Participer au maintien en conditions opérationnelles des solutions déployées.  

• Produire et maintenir la documentation technique associée.  

Sécurité et robustesse des solutions IA 

• Intégrer les principes de sécurité “by design” dans les applications IA.  

• Contribuer à la protection des modèles et des données contre les risques spécifiques aux environnements IA.  

• Prendre en compte les enjeux de sécurité liés aux modèles, aux pipelines et aux données manipulées.  

IA générative et LLM 

• Participer au déploiement d’applications basées sur des LLM.  

• Intervenir sur des architectures de type RAG.  

• Industrialiser le cycle de vie des composants GenAI : prompts, bases vectorielles, fine-tuning, monitoring.  

• Contribuer à l’identification et à la gestion des risques associés aux usages IA générative.