DevOps IA

Rôle

Au sein d’une équipe en charge des plateformes data et IA, vous intervenez sur la mise à disposition, l’exploitation et l’évolution de services liés à l’IA générative et au machine learning.
Vous contribuez à l’industrialisation et à l’adoption des solutions IA auprès des utilisateurs internes, dans une logique DevOps / MLOps.

Missions

Exploitation & Run

• Assurer le suivi et l’exploitation des plateformes IA

• Garantir la disponibilité, la performance et la stabilité des services

• Assurer le support technique auprès des utilisateurs internes

Accompagnement & Adoption

• Accompagner les équipes dans l’usage des offres IA (LLM, GPU, RAG…)

• Faciliter l’exposition et l’utilisation de modèles IA

• Apporter un support méthodologique et technique adapté aux besoins métiers

• Vulgariser les concepts IA auprès des utilisateurs

Industrialisation & Automatisation

• Développer des services automatisés (Python, CI/CD)

• Mettre en place des pipelines et outils facilitant l’usage des plateformes IA

• Participer à l’amélioration continue des pratiques DevOps / MLOps

Environnement IA & Data

• Contribuer à la mise en œuvre de solutions autour :

  • LLM (Large Language Models)

  • RAG (Retrieval-Augmented Generation)

  • Gestion des ressources GPU

• Participer à l’intégration et au déploiement de modèles IA

Environnement technique

• Langages & outils : Python, GitLab CI/CD, API REST

• Conteneurisation & orchestration : Kubernetes

• IA / ML : LLM, RAG, fine-tuning, transfer learning

• Serving modèles : vLLM, TGI (ou équivalent)

• GPU : allocation, optimisation, gestion des ressources

• Data : plateformes de data science (ex : Dataiku)

• Systèmes : Linux

• Recherche vectorielle : bases vectorielles (type FAISS, Pinecone, etc.)

Compétences techniques

• Bonne compréhension du cycle de vie des modèles ML :

  • entraînement, évaluation, déploiement, monitoring

• Maîtrise de Python (scripting, automatisation, intégration API)

• Connaissances solides en Kubernetes et architecture cloud-native

• Compréhension des architectures LLM et des patterns RAG

• Connaissance des enjeux liés aux GPU et au serving de modèles

• Bon niveau en environnement Linux

• Culture DevOps / MLOps

Serait un plus

• Expérience avec des outils d’orchestration GPU (ex : Run:AI)

• Maîtrise d’une plateforme de data science collaborative (ex : Dataiku)

• Connaissance d’un SI complexe / grand groupe

Profil recherché

• Formation supérieure en informatique / data

• Expérience en DevOps, Data ou MLOps

• Intérêt marqué pour les sujets IA générative

• Capacité à évoluer dans un environnement technique et innovant