About this role
Taux journalier (TJM): 6201. 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