MLOps Engineer (F/H) – IA Générative

À propos du poste

Devoteam accompagne ses clients dans la modernisation de leurs plateformes en s'appuyant sur les principaux fournisseurs cloud et des technologies innovantes. En tant que MLOps / LLMOps Engineer, vous industrialisez, automatisez et sécurisez le cycle de vie des modèles d'IA (Machine Learning, Deep Learning et IA générative) afin de transformer les PoCs de clients grands comptes en solutions de production hautement disponibles. Le poste est basé à Levallois-Perret.

Missions principales

• Concevoir et automatiser les pipelines CI/CD/CT pour les modèles ML et d'IA générative, avec packaging, versionnement et déploiement standardisés (APIs, microservices, architectures RAG)
• Mettre en place des stratégies de déploiement avancées (Canary, Blue/Green, A/B Testing)
• Provisionner et faire évoluer les environnements de calcul (clusters Kubernetes, clusters GPU, Triton, vLLM, Ray) et automatiser l'infrastructure via l'IaC
• Optimiser la latence d'inférence, le throughput et l'allocation des GPU/NPU
• Mettre en place un monitoring en production (dérive de données et de modèles, traçabilité des LLM) et assurer la gouvernance, la sécurité des données et les garde-fous (Guardrails) pour l'IA générative
• Analyser et optimiser les coûts d'infrastructure liés à l'IA (consommation GPU, requêtes LLM, stockage vectoriel)

Profil recherché

• Diplôme d'école d'ingénieurs ou Master 2 en informatique / data / IA (ou équivalent)
• Au moins 3 ans d'expérience sur des projets de mise en production de modèles ML ou d'IA générative dans des environnements cloud / DevOps
• Esprit de synthèse, rigueur d'ingénierie, autonomie et excellente capacité de communication avec les data scientists, développeurs et équipes infrastructure

Compétences requises

• Python 3 et scripting Bash/Shell
• MLflow, Kubeflow, Airflow, DVC, Feast, LangChain/LlamaIndex, bases vectorielles (Pinecone, Qdrant, Chroma)
• Expérience sur au moins un fournisseur cloud majeur (AWS SageMaker / Bedrock, GCP Vertex AI, Azure Machine Learning / Azure OpenAI)
• Docker, Kubernetes (EKS, GKE, AKS) et provisioning GPU
• GitLab CI, GitHub Actions, Terraform, Ansible
• Prometheus, Grafana, Evidently AI, Pytest, Sonarqube

Atouts appréciés : certifications MLOps / Cloud, expérience sur le fine-tuning de LLMs, la quantization ou le déploiement d'agents autonomes. Le recrutement se fait en 2 à 3 entretiens (talent acquisition, technique, leadership), avec au moins un entretien en présentiel ; une proposition est envoyée après sélection.