Taux journalier (TJM): 575

Localisation : Saint-Ouen (93) — 2 jours de télétravail par semaine

Durée : 3 mois renouvelables

Démarrage : Dès que possible

Contexte : Mission de prestation au sein d'une équipe Data & AI en transformation

Le contexte

Dans le cadre de l'industrialisation de ses produits Data & IA, notre client renforce son équipe avec un AI Engineer Senior immédiatement opérationnel.

L'enjeu : raccourcir le passage du prototype à la production sur des solutions de Machine Learning et d'IA générative, tout en garantissant sécurité, qualité, observabilité et maîtrise des coûts.

Vous intégrerez une équipe orientée delivery et valeur métier, avec une forte culture de terrain (Forward Deployed Engineering). Vous travaillerez aux côtés d'un Architecte IA, de Data Scientists, d'un Product Owner IA, et des équipes Cloud, Data Platform, Sécurité et Développement.

Vos missions

Plateforme IA & Cloud Azure

• Concevoir, déployer et administrer les ressources IA sur Microsoft Azure / Azure AI Foundry

• Industrialiser les services Azure OpenAI, l'AI Gateway, les runtimes d'agents, les mécanismes de RAG et les API

• Mettre en œuvre les exigences de sécurité : identité, accès, Key Vault, réseau privé, chiffrement, journalisation

• Intégrer les plateformes de données Snowflake et les systèmes transactionnels existants

Infrastructure as Code, CI/CD & Automatisation

• Décrire et versionner les infrastructures avec Bicep (en priorité) et/ou Terraform

• Construire et maintenir des pipelines CI/CD (Azure DevOps / GitHub Actions) pour le code, les modèles, les prompts et l'infra

• Appliquer les standards d'ingénierie : Git, revue de code, tests automatisés, conteneurisation, gestion des versions

MLOps & cycle de vie Machine Learning

• Mettre en place des pipelines reproductibles d'entraînement, évaluation, déploiement et supervision des modèles

• Utiliser MLflow pour le suivi des expérimentations, le registre et la traçabilité des artefacts

• Surveiller la dérive des modèles, la qualité des données, la latence et les incidents

LLMOps, Agents & IA Générative

• Industrialiser le cycle de vie des applications GenAI : prompts, embeddings, RAG, agents, tools, skills

• Déployer des agents et orchestrations multi-agents ; implémenter les protocoles A2A et MCP

• Mettre en place l'observabilité de bout en bout : traces, consommation de tokens, coûts, erreurs

• Construire des dispositifs d'évaluation continue et implémenter les guardrails : filtrage, protection contre les prompt injections, validation humaine

FinOps Azure

• Mettre en place le tagging, l'allocation et le suivi des coûts par environnement, produit et modèle

• Construire des tableaux de bord de consommation, alertes et plans d'optimisation

• Optimiser les choix de modèles, le routage, les quotas, le cache et le scaling

Run, Fiabilité & Amélioration continue

• Définir les standards de monitoring, alerting, gestion d'incidents, rollback et continuité de service

• Diagnostiquer et résoudre les incidents affectant les produits IA

• Documenter l'architecture, les décisions et les procédures (Confluence)