Data Engineer IA - Lead AI Engineer

Contexte

Notre organisation dispose déjà d’une première plateforme AIOps exploitant Dataiku, Snowflake et AWS pour valoriser les données opérationnelles (incidents, changements, événements, exploitation) et améliorer la prédiction, le clustering, le reporting et l’aide à la décision.

Dans le cadre de l’évolution de cette démarche, nous souhaitons accélérer l’adoption des technologies d’intelligence artificielle agentique afin de développer de nouveaux usages d’automatisation, d’assistance aux équipes d’exploitation et d’orchestration intelligente des processus IT.

Nous sommes engagés dans une trajectoire visant à :

- Maintenir en condition opérationnelle la plateforme AIOps existante (Use cases : triage incidents et changements, scoring) et préparer son évolution (analyse de causes et remédiation).

- Industrialiser notre production via les pratiques Infrastructure as Code (IaC), GitOps et SRE.

- Étendre notre démarche AIOps en y intégrant des technologies agentique pour développer les nouveaux usages d’automatisation intelligente, fournir des assistants aux équipes d’ingénierie, orchestrer les processus IT (exploitation, support, opérations).

Nous recherchons un Lead AI Engineer disposant d'une forte expérience opérationnelle dans la conception et le développement de solutions d'IA agentique, capable d'intervenir directement sur les développements et l'industrialisation des cas d'usage.

Le prestataire devra être en mesure d'identifier les opportunités de création de valeur, de développer et déployé en production les composants nécessaires, de les intégrer à notre système d'information et d'accompagner leur adoption par les équipes internes.

Les principaux objectifs sont :

- Concevoir, développer et industrialiser des assistants et agents IA intégrés à notre écosystème d'exploitation et d'infrastructure.

- Participer à la maintenance et à l'évolution du socle AIOps existant sur AWS.

- Etudier et intégrer les approches basées sur les MCP ou technologies équivalentes permettant aux agents d'interagir avec les services internes (ITSM, CMDB, APIs, plateformes d'automatisation, observabilité, etc.).

- Exploiter les référentiels documentaires et techniques internes au travers de mécanismes RAG afin d'améliorer les capacités des assistants IA.

- Déployer des cas d'usage d'automatisation intelligente au travers d'outils type Claude Code (ou équivalents Codex...) pour les besoins des socles Infrastructure VMware/Kubernetes.

- Mettre en œuvre des assistants capables d'accompagner les équipes dans les opérations Day-0, Day-1 et Day-2 sur les infrastructures virtualisées et conteneurisées.

- Suivre les bonnes pratiques de sécurité, protection des données et maîtrise des coûts des solutions IA.

- Industrialiser les développements IA au travers de pratiques DevOps, CI/CD, observabilité et sécurité adaptées.

- Accompagner les équipes internes par le transfert de compétences et la diffusion des bonnes pratiques de développement IA.

Description

Développement et intégration de solutions IA

- Orchestration multi agents IA et conception d'assistants de code spécialisés répondant aux besoins des équipes d'exploitation, d'ingénierie et de support.

- Déploiement d'une infra MCP, des connecteurs et outils permettant l'interaction avec des API internes.

- Intégration avec les socles VMware Cloud Foundation, Kubernetes, Dataiku, Snowflake, LiteLLM, Bedrock, OpenAI, AWS et les outils d'exploitation existants.

- Intégration avec les outils d'Infrastructure as Code (Terraform, Ansible ou équivalents), les pipelines CI/CD et les orchestrateurs de workflows existants.

- Développement de mécanismes RAG (ingestion, nettoyage, chunking et indexation) exploitant les référentiels documentaires, les runbooks, la CMDB et les bases de connaissances internes.

- Développements de services python et d'outils d'automatisation pour les cas d'usage retenus.

Industrialisation et exploitation

- Pratiques de développement modernes (YAGNI, DRY ...), de tests (TDD) et des standards de déploiement CI/CD (Jenkins).

- Mise en place des mécanismes d’observabilité, de traçabilité et d’évaluation des réponses produites par les modèles.

- Définition des mécanismes de sécurité (Défense contre le prompt injection et les exfiltrations de données.).

- Maintien en condition opérationnelle et évolution de la plateforme AIOps existante reposant sur Dataiku et Snowflake sur AWS.

Accompagnement des équipes

- Transfert de compétences vers l'équipe interne.

- Acculturation aux concepts d’IA, d’architecture agentique et de MCP.

- Contribution à la définition des bonnes pratiques de développement et d'exploitation IA agentique.

Livrables

Mise en œuvre de plusieurs Proof of Concept puis industrialisation des cas d'usage retenus :

- Créer des assistants capables de comprendre le contexte opérationnel, de résumer les situations et de proposer les prochaines actions ;

- Automatiser, sous contrôle humain, les tâches répétitives à faible risque et les étapes de remédiation standard ;

- Exploiter les référentiels documentaires, les runbooks et les connaissances d’exploitation pour produire des réponses contextualisées, traçables et explicables ;

- Intégrer des agents dans les chaînes ITSM, CMDB, observabilité, automatisation et orchestration ;

- Sécuriser les usages, mesurer la valeur produite et industrialiser les cas d’usage dans un cadre SRE / DevOps / GitOps.

- Documenter les solutions déployées : ADR, runbooks/playbooks et guides d’exploitation.

- Développement d'agents IA opérationnels et de leurs composants associés (serveurs MCP, outils, connecteurs, pipelines RAG, orchestrations).

- Plan de transfert de compétences documenté et supports d'acculturation.

Compétences

Profil recherché : Lead AI Engineer disposant d'une expérience démontrée de mise en production de solutions IA agentique.

Une expérience réelle sur des projets de mise en œuvre d'agents autonomes, d'intégration MCP ou d'orchestration de workflows pilotés par IA est fortement attendue.

Le prestataire devra être en capacité d'intervenir en forte autonomie, de challenger les orientations techniques et d'être force de proposition sur les cas d'usages.

Une composante importante de la mission consistera à accompagner la montée en compétence des équipes internes afin de favoriser l'appropriation durable des technologies mises en œuvre.

Compétences techniques :

- Maîtrise de Python.

- Expérience significative dans le développement d'applications IA générative en production.

- Maîtrise des frameworks d'orchestration d'agents (LangGraph, CrewAI, AutoGen, Semantic Kernel ou équivalents).

- Expérience concrète de mise en œuvre du Model Context Protocol (MCP) ou technologies assimilées.

- Intégration de modèles LLM et NLM.

- Connaissance des plateformes cloud AWS, pratique de Docker, Kubernetes, Jenkins.

- Connaissance des problématiques de sécurité des systèmes IA (prompt injection, gestion des secrets, contrôle des accès, gouvernance des données).

- Expérience des problématiques AI (Qualité faible, hallucinations (biais de contournement), coûts explosifs, latence, dérive... ) et de l'exploitation IT constituant un atout fort.

Compétences fonctionnelles :

- Capacité à cadrer un besoin et à proposer une feuille de route pragmatique.

- Forte autonomie dans les choix de conception.

- Expérience de l'accompagnement des équipes et du transfert de compétences.

- Capacité à vulgariser les concepts IA.

- Connaissance des méthodes et pratiques agiles.

Compétences clés

Obligatoire

Langage de développement / Python Architecture MCP IA Agentique

Important

IA Generative Machine Learning, Deep Learning

Intéressant

Méthodologies : Agiles (Scrum), TDD (Junit), Devops DATA / SnowFlake