Architecte – Tech Lead Azure / MLOps - Freelance

Dans le cadre du développement d’une plateforme Data & AI stratégique basée sur Microsoft Azure, nous recherchons un(e) Architecte – Tech Lead Azure / MLOps expérimenté(e) pour rejoindre une équipe d’experts travaillant sur des problématiques de Platform Engineering, SRE et Machine Learning.

L’objectif est de concevoir, faire évoluer et garantir l’excellence opérationnelle d’une plateforme de développement Machine Learning construite principalement autour d’Azure Machine Learning et Azure DevOps.

Vous interviendrez sur des environnements techniques variés, allant d’applications web conteneurisées à des infrastructures orchestrées avec Azure Kubernetes Service (AKS), en collaboration avec des équipes Data Science, Data Engineering, développement et opérations.

Votre rôle sera central pour garantir la disponibilité, la scalabilité, la sécurité, l’observabilité et la fiabilité de la plateforme, tout en diffusant les bonnes pratiques DevOps auprès des différentes équipes.

Vos principales missions

• Concevoir, déployer et maintenir des infrastructures Azure robustes, sécurisées, scalables et hautement disponibles.

• Faire évoluer la plateforme de développement Machine Learning basée sur Azure Machine Learning.

• Concevoir et industrialiser les pipelines CI/CD avec Azure DevOps, notamment pour le déploiement de modèles ML.

• Mettre en œuvre les principes d’Infrastructure as Code à l’aide de technologies telles que Terraform, Ansible, PowerShell ou Python.

• Configurer et exploiter des environnements de conteneurisation et d’orchestration, notamment AKS / Kubernetes.

• Déployer des solutions complètes d’observabilité : métriques, logs, traces, alerting et supervision.

• Concevoir et maintenir des dashboards permettant de suivre en temps réel la santé, les performances, la sécurité et l’utilisation de la plateforme.

• Optimiser les configurations réseau afin de garantir une connectivité fiable et sécurisée.

• Intégrer les pratiques de sécurité et de code scanning au sein des chaînes de développement et de déploiement.

• Identifier les risques liés à la stabilité, aux performances et à la sécurité et mettre en œuvre les plans de mitigation adaptés.

• Évaluer de nouvelles technologies liées au cycle de vie ML : MLflow, Model Registry, Feature Store, DVC, Kubeflow, etc.

• Contribuer aux choix d’architecture en tenant compte de la fiabilité, de la maintenabilité, de la sécurité, de la scalabilité et de l’optimisation des coûts.

• Participer activement aux rituels Agile : sprint planning, rétrospectives et démarches d’amélioration continue.

• Assurer un rôle de référent technique auprès des différentes équipes et promouvoir une culture DevOps orientée collaboration, automatisation, continuous delivery et partage des bonnes pratiques.