Les missions du poste
Description de l'entreprise
accompagne nos clients dans leurs stratégies de modernisation de plateformes en s'appuyant sur les plus grands Cloud providers du marché et sur des technologies modernes innovantes.
Notre communauté
- + de 1000 collaborateurs experts de leur domaine répartis sous forme de tribus et Squads, travaillant sur des projets cloud impactants
- Des expertises techniques liées aux enjeux du secteur IT : DevOps Platform, AI Ops & Automation, Project, Architecture & Efficiency
- De nombreux partenaires Tech : S3ns, RedHat, Gitlab, Kubernetes, Terraform, OVH Cloud, Nutanix, Dynatrace
- Une vraie communauté de Tech enthousiastes qui partagent leurs savoirs : événements, Friday Talks sur des sujets techniques, rédaction d'articles...
Pour en savoir plus sur nos trajectoires de carrière,!
Mission principale
L'AI Platform Engineer construit les fondations techniques qui permettent d'industrialiser l'intelligence artificielle et d'accélérer la mise en production des cas d'usage métier. Son rôle est de concevoir et standardiser la plateforme globale sur les 4 axes clés du cycle de vie de l'IA : entraîner, déployer, monitorer et versionner.
Activités clés & Livrables
1. Conception & Développement de Plateforme IA
- Concevoir et déployer une plateforme ML/AI de bout en bout (end-to-end).
- Construire des outils internes standardisés (SDK, CLI, templates) pour simplifier et accélérer le travail des équipes data.
2. Gestion de l'Infrastructure & Industrialisation
- Mettre en place et automatiser les pipelines d'entraînement et de déploiement des modèles.
- Gérer, provisionner et faire évoluer l'infrastructure sous-jacente (Cloud, clusters Kubernetes).
- Automatiser les processus via des approches CI/CD appliquées au ML et le provisioning d'infrastructure (Infrastructure as Code).
3. Gouvernance, Performance & FinOps
- Assurer la scalabilité, la sécurité et la gouvernance des modèles en production.
- Optimiser les coûts d'infrastructure liés aux technologies IA (consommation GPU, stockage de données massives, coûts d'inférence).
Le profil recherché
Profil recherché & Compétences
Compétences Techniques (Hard Skills)
- Langages de programmation : Maîtrise de Python, et idéalement de Go et/ou Bash pour l'outillage et l'automatisation.
- Cloud Computing : Solide expertise sur l'un des fournisseurs majeurs (AWS, GCP, Azure).
- Écosystème MLOps : Maîtrise des outils de gestion de cycle de vie et d'orchestration de l'IA (MLflow, Kubeflow, Airflow).
- Conteneurisation & Orchestration : Kubernetes & Docker.
- Infrastructure as Code (IaC) : Terraform., Ansible
- CI/CD : GitLab CI, GitHub Actions.
- Outils Data : Bonne connaissance de Spark pour le traitement de données à l'échelle.
Certifications (Fortement valorisées)
- AWS : AWS Certified Solutions Architect ou AWS Certified Machine Learning - Specialty.
- Google Cloud : Google Cloud Professional Cloud Architect (ou certifications MLOps équivalentes).
Compétences requises
- Python