DevOps SRE AWS

Vos missions

• Concevoir, mettre en œuvre et maintenir des systèmes garantissant la disponibilité, la performance et la scalabilité de la plateforme

• Définir et améliorer les SLO, SLA, le monitoring, l'alerting et les processus de gestion des incidents

• Collaborer avec les parties prenantes produit et les équipes d'ingénierie pour construire des systèmes résilients et observables

• Identifier et supprimer les goulots d'étranglement d'infrastructure à travers les services et environnements

• Diriger les analyses de cause racine et piloter les post-mortems d'incidents et les améliorations de processus

• Encadrer d'autres ingénieurs et promouvoir les bonnes pratiques SRE à l'échelle de l'entreprise

• Contribuer à l'automatisation de l'infrastructure, à l'optimisation des coûts et à la planification de la capacité

Stack technique

AWS ; Kubernetes (EKS, Karpenter, ArgoCD) ; Terraform ; GitHub Actions (CI/CD) ; observabilité (Prometheus, Grafana, VictoriaMetrics, VictoriaLogs). Enjeu n°1 de la mission : le scaling GPU — comment scaler du GPU et lancer des trainings ML à large échelle. Bonus apprécié : data/MLOps, Airflow. Contexte : forte utilisation de Claude Code en interne, pas encore d'agents déployés mais intérêt marqué — une culture LLM/agentic est un vrai plus.

Profil recherché

Must-have :

• Expérience AWS/EKS récente et prouvée sur une mission concrète (dernière ou avant-dernière mission, pas une simple ligne de compétences) — c'est le critère filtrant principal : Karpenter idéalement, ou a minima autoscaling EKS avancé

• ArgoCD/GitOps et Terraform en profondeur

• Posture d'IC (Individual Contributor) senior autonome, capable de driver des projets seul — pas un profil manager en recherche d'équipe (vigilance sur les profils Head of/VP, sauf retour explicite vers un rôle IC)

• Anglais courant obligatoire — la majorité des meetings engineering se tiennent en anglais

• Bon relationnel : travail en binôme rapproché et communication transverse avec l'ensemble de l'engineering

• 6 ans d'expérience minimum en SRE, DevOps ou ingénierie infrastructure

• Connaissance approfondie des plateformes cloud (AWS de préférence), des systèmes Linux et du réseau

• Expérience des stacks d'observabilité (Prometheus, Grafana, Datadog ou équivalents) et de la gestion d'incidents

• Solides compétences en programmation/scripting (Python, Bash, Go ou similaire)

• Expérience de l'orchestration de conteneurs (Kubernetes) et des outils d'Infrastructure as Code (Terraform, Ansible…)

Différenciants forts :

• Exposition GPU/ML : training à large échelle (Ray, Kueue, GPU-operator), à défaut serving (vLLM, KServe, Ollama)

• VictoriaMetrics/VictoriaLogs (rarissime en prod)

• Airflow, MLOps, culture agents/LLM