MLOps Engineer H/F

🎯 Mission principale

En tant que MLOps / LLMOps Engineer, vous êtes le pont indispensable entre le monde de la Data / IA et celui des Opérations / Cloud. Votre rôle est d'industrialiser, automatiser et sécuriser l'ensemble du cycle de vie des modèles d'IA (Machine Learning traditionnel, Deep Learning et IA Générative / LLM) pour transformer les PoCs de nos clients grands comptes en solutions de production hautement disponibles et performantes.

🛠️ Activités clés & Livrables

1. Industrialisation & Automatisation du Cycle de Vie IA (CI/CD/CT)

   • Concevoir et automatiser les pipelines d'intégration, de déploiement et d'entraînement continu (CI/CD/CT) pour les modèles de ML et d'IA Générative.

   • Standardiser le packaging, le versionnement (données, code, modèles) et le déploiement des briques d'IA (APIs, microservices, architectures RAG).

   • Mettre en place des stratégies de déploiement avancées (Canary, Blue/Green, A/B Testing) pour les microservices et modèles d'IA.

2. Infrastructure, Inférence & Scalabilité Cloud

   • Provisionner et faire évoluer les environnements de calcul et de déploiement (clusters Kubernetes, clusters GPU, frameworks de serving comme Triton, vLLM, Ray).

   • Automatiser la gestion de l'infrastructure via l'Infrastructure as Code (IaC) et l'intégration des pratiques DevOps aux sujets Data/IA.

   • Optimiser la latence d'inférence, le throughput et l'allocation des ressources matérielles critiques (GPU/NPU).

3. Observabilité, Gouvernance & FinOps IA

   • Mettre en place un monitoring complet en production : détection de dérive de données/modèles (Data/Model Drift), traçabilité des LLM (LangSmith, LangFuse, Phoenix).

   • Assurer la gouvernance, la sécurité des données, la gestion des accès et l'implémentation de garde-fous (Guardrails) pour l'IA générative.

   • Analyser et optimiser les coûts d'infrastructure liés à l'IA (consommation GPU, requêtage LLM, stockage vectoriel).