Consultant MlOps CDI (HF)

Contexte du poste

Dans le cadre de notre développement dans le domaine de lintelligence artificielle et du Machine Learning nous recherchons un Ingénieur MLOps pour rejoindre nos équipes en Île-de-France. Vous serez en charge de déployer industrialiser et maintenir des pipelines de Machine Learning en production en garantissant leur fiabilité scalabilité et sécurité. Votre expertise sera cruciale pour automatiser les processus de développement de test et de déploiement des modèles dIA tout en collaborant avec les équipes Data Science DevOps et Cloud.

Missions principales

1. Industrialisation des pipelines ML

• Concevoir et déployer des pipelines MLOps pour automatiser le cycle de vie des modèles (entraînement validation déploiement monitoring).

• Intégrer des outils MLOps comme MLflow Kubeflow TensorFlow Extended (TFX) ou Airflow pour orchestrer les workflows.

• Automatiser les tests et la validation des modèles (unit tests integration tests validation des données).

2. Déploiement et gestion des modèles en production

• Déployer des modèles de Machine Learning en environnement de production (on-premise cloud ou hybride).

• Optimiser les performances des modèles en production (latence scalabilité consommation de ressources).

• Gérer les versions des modèles et assurer leur traçabilité (model registry versioning).

3. Collaboration avec les équipes Data Science et DevOps

• Travailler en étroite collaboration avec les Data Scientists pour industrialiser leurs modèles et les rendre opérationnels.

• Participer à la définition des architectures avec les équipes DevOps et Cloud pour garantir lintégration des modèles dans les infrastructures existantes.

• Documenter les processus et les bonnes pratiques pour les équipes internes et les clients.

4. Monitoring et maintenance des modèles

• Mettre en place des solutions de monitoring pour suivre les performances des modèles en production (dérive des données précision latence).

• Détecter et corriger les anomalies (ex : drift des données dégradation des performances).

• Assurer la maintenance évolutive des modèles et des pipelines (mises à jour retraining etc.).

5. Sécurité et conformité

• Garantir la conformité des pipelines et des modèles avec les normes de sécurité (Secret Défense ISO 27001 RGPD).

• Appliquer les bonnes pratiques en matière de protection des données et de sécurité des modèles (ex : chiffrement gestion des accès).

• Participer aux audits de sécurité et appliquer les correctifs nécessaires.

Environnement technique

MLOps et orchestration

• Outils MLOps : MLflow Kubeflow TensorFlow Extended (TFX) Airflow Metaflow.

• Model Registry : MLflow Model Registry Hugging Face Hub ou solutions propriétaires.

• CI/CD pour le ML : Intégration avec Jenkins GitLab CI/CD GitHub Actions.

Cloud et infrastructures

• Plateformes cloud : Google Cloud Platform (GCP) Amazon Web Services (AWS) Microsoft Azure.

• Services cloud pour le ML : Vertex AI (GCP) SageMaker (AWS) Azure Machine Learning.

• Conteneurisation : Docker Kubernetes (K8s) OpenShift.

Langages et frameworks

• Langages : Python (obligatoire) SQL Bash.

• Frameworks ML : TensorFlow PyTorch Scikit-learn XGBoost Hugging Face.

• Librairies et outils : Pandas NumPy Dask Apache Spark.

Monitoring et logging

• Outils : Prometheus Grafana ELK Stack (Elasticsearch Logstash Kibana) Weights & Biases Arize.

Sécurité et conformité

• Normes : ISO 27001 RGPD Secret Défense.

• Outils : Vault IAM (Identity and Access Management) chiffrement des données.

Qualifications :

Profil recherché

Formation

• Diplôme dingénieur (Bac5) en informatique data science mathématiques appliquées ou équivalent.

• Habilitation Secret Défense (obligatoire pour ce poste).

Expérience

• Minimum 5 ans dexpérience en tant quIngénieur MLOps Data Engineer ou DevOps spécialisé en ML.

• Expérience confirmée dans le déploiement et la gestion de modèles de Machine Learning en production.

Compétences clés

• Maîtrise des outils MLOps (MLflow Kubeflow TFX etc.).

• Excellente connaissance des pipelines CI/CD et des bonnes pratiques DevOps.

• Capacité à automatiser les processus de développement et de déploiement des modèles.

• Compréhension des enjeux de sécurité et de conformité (Secret Défense RGPD etc.).

• Anglais technique (pour collaborer avec des équipes internationales ou des clients).

Compétences complémentaires appréciées

• Certifications : Google Cloud Professional Data Engineer AWS Certified Machine Learning Azure AI Engineer ou certifications MLOps.

• Expérience dans des secteurs réglementés (défense santé finance).

• Connaissance des modèles de Gen AI (LLM fine-tuning RAG) et de leur déploiement en production.

• Expérience avec des outils de monitoring avancés (Weights & Biases Arize etc.).

Qualités personnelles

• Autonomie et rigueur dans la gestion des pipelines et des modèles.

• Esprit déquipe et capacité à travailler en mode projet.

• Curiosité et envie dapprendre dans un domaine en constante évolution.

• Excellentes capacités de communication (français et anglais).

Informations supplémentaires :

Environnement de Travail

• Lieu : Île-de-France

• Type de contrat : CDI

Remote Work :

No

Employment Type :

Full-time