Tech Lead / Senior Machine Learning Engineer - Freelance (H/F)

Taux journalier (TJM): 620
1. Pilotage technique & leadership
*
Assurer le rôle de référence technique sur les sujets ML/LLM (RAG, IA générative, agents, orchestration de workflows).
*
Animer le chapter technique de l'équipe :
*
Organisation de rituels (tech talks, BBL, sessions de partage de bonnes pratiques).
*
Diffusion de standards d'architecture, de qualité de code et de sécurité.
*
Participer activement aux revues de PR (Pull Requests) et garantir un niveau élevé de qualité logicielle (lisibilité, tests, performance, sécurité).
2. Conception & industrialisation des solutions IA
*
Concevoir, développer et industrialiser des pipelines ML/LLM robustes et scalables :
*
Solutions RAG (indexation, vector stores, retrieval, re-ranking).
*
Agents et workflows complexes (orchestration, gestion de contexte)
*
Mettre en œuvre une architecture logicielle solide, adaptée aux enjeux d'IA en production (patterns de microservices, event-driven, modularisation, etc.).
*
Structurer et maintenir un socle technologique d'innovation autour de l'IA (bibliothèques, templates de projets, guidelines, exemples réutilisables).
3. MLOps / LLMOps & Cloud
*
Définir et mettre en œuvre les pratiques MLOps / LLMOps :
*
CI/CD pour modèles et services d'IA.
*
Monitoring, observabilité, gestion de dérive, suivi de performance des modèles.
*
Industrialiser les solutions sur des environnements containerisés :
*
Docker, Kubernetes et OpenShift (déploiement, scaling, gestion des ressources).
*
Contribuer à la mise en place d'un environnement Cloud cohérent avec les standards groupe.
4. Performance, sécurité & intégration
*
Optimiser la performance des services IA :
*
Latence, throughput, coût, consommation de ressources.
*
Benchmark des modèles et des différents backends (LLM, embeddings, vector stores).
*
Implémenter et/ou intégrer des mécanismes d'authentification et d'autorisation :
*
OIDC / OAuth 2.0, gestion des tokens, intégration avec l'écosystème IAM.
*
Veiller au respect des bonnes pratiques de sécurité, de confidentialité et d'IA responsable (gestion des données sensibles, traçabilité, explicabilité).
5. Accompagnement des Data Scientists & des métiers
*
Travailler en étroite collaboration avec les Data Scientists pour :
*
Transformer les prototypes en produits industrialisés.
*
Co-construire des API et services utilisables par les applications métiers.
*
Accompagner les équipes métier dans la compréhension et l'adoption des solutions IA :
*
Vulgarisation des solutions.
*
Intégration dans les processus d'aide à la décision.
*
Formation supérieure en informatique ou discipline apparentée (école d'ingénieurs, université).
*
Expériences significatives en industrialisation de modèles d'IA (ML & LLM) dans des environnements de production.
*
Excellente maîtrise de :
*
Python et les bonnes pratiques de Software Engineering.
*
Approches BDD, TDD, revues de code, conception de Clean Code.
*
Architectures logicielles (microservices, hexagonal, event-driven, etc.) et design patterns.
*
Maîtrise indispensable de :
*
LangChain, LangGraph.
*
Problématiques RAG (indexation, retrieval, ranking, gestion du contexte).
*
Pratique avancée de :
*
Docker, Kubernetes et idéalement OpenShift.
*
Environnements CI/CD et pratiques DevOps (pipelines d'intégration & déploiement, monitoring, logging).
*
Connaissances solides des mécanismes d'authentification / autorisation :
*
OIDC, OAuth 2.0.
*
Bonne culture MLOps / LLMOps, avec participation à la définition de bonnes pratiques au sein de l'entreprise.
*
Soft skills & posture
*
Forte orientation client