CONTEXTE
Mission d'expertise MLOps au sein d'un grand compte Telecom, portant sur le développement et le déploiement de solutions d'intelligence artificielle, incluant des composants GenAI. Le périmètre technique couvre l'ensemble de la chaîne MLOps sur Google Cloud Platform, de la conception des pipelines d'entraînement jusqu'à la mise en production et l'orchestration des modèles. Le contexte intègre des technologies de pointe en IA générative (LangChain, ADK) ainsi que des frameworks ML/DL établis (scikit-learn, PyTorch, TensorFlow).
MISSIONS PRINCIPALES
- Concevoir et mettre en œuvre des pipelines MLOps end-to-end sur Google Cloud Platform
- Développer et déployer des solutions d'IA générative à base de LangChain et ADK
- Entraîner, évaluer et mettre en production des modèles ML/DL (scikit-learn, PyTorch, TensorFlow)
- Orchestrer les workloads de machine learning via Kubernetes
- Développer et exposer des APIs de serving de modèles avec FastAPI et Pydantic
- Gérer le versioning du code et des modèles via Git
- Assurer la supervision et la maintenance des modèles en production sur GCP
- Contribuer à la définition des bonnes pratiques MLOps au sein de l'équipe
COMPETENCES REQUISES
- Google Cloud Platform (déploiement et orchestration de workloads ML)
- Python (développement de pipelines ML et services IA)
- MLOps (conception et opération de pipelines end-to-end)
- GenAI — LangChain et ADK (développement de solutions d'IA générative)
- ML/DL — scikit-learn, PyTorch, TensorFlow (entraînement et mise en production de modèles)
- Kubernetes (orchestration de conteneurs et workloads ML)
- FastAPI et Pydantic (développement d'APIs de serving)
- Git (versioning et gestion du code)
COMPETENCES SOUHAITEES
- CI/CD appliqué au ML (MLflow, Kubeflow, Vertex AI Pipelines)
- Monitoring de modèles en production (drift detection, observabilité)
- Docker (conteneurisation des environnements ML)
- Architecture microservices et event-driven
- Expérience sectorielle Telecom ou grands comptes
- Anglais technique
PROFIL RECHERCHE
Expert MLOps confirmé justifiant d'au minimum 6 ans d'expérience, avec une maîtrise avérée de Google Cloud Platform et des frameworks ML/DL (scikit-learn, PyTorch, TensorFlow) ainsi que des technologies GenAI (LangChain, ADK). Une expérience concrète en déploiement de modèles en production via Kubernetes et FastAPI est indispensable. Autonomie, rigueur dans la gestion des environnements de production et capacité à travailler en équipe pluridisciplinaire sont attendues.