Concevoir et industrialiser des pipelines MLOps pour automatiser le cycle de vie des modèles, du développement à la production.
Optimiser les processus de déploiement, de monitoring et de maintenance des modèles d’IA en collaboration avec les équipes Data Science et DevOps.
Déployer et orchestrer des modèles en production sur des infrastructures cloud ou on-premise, en garantissant leur performance, scalabilité et sécurité.
Automatiser les tests, la validation et le retraining des modèles pour assurer leur fiabilité et leur conformité aux exigences métiers.
Mettre en place des solutions de monitoring avancé pour détecter les dérives de performance et déclencher des actions correctives.
Conseiller les clients sur les meilleures pratiques en MLOps, en gestion des données et en gouvernance des modèles.
Participer à des projets innovants dans des secteurs variés (industrie 4.0, santé, finance, énergie, etc.).
Collaborer avec des équipes pluridisciplinaires pour intégrer des solutions IA dans des environnements existants.
Former et accompagner les équipes clientes sur les outils et processus MLOps.
Vous évoluerez dans un environnement technique riche et varié, incluant notamment :
Outils MLOps : MLflow, Kubeflow, TensorFlow Extended (TFX), Seldon Core, Metaflow, Weights & Biases.
Cloud et infrastructures : AWS (SageMaker, EKS, Lambda), Azure (ML Studio, AKS), GCP (Vertex AI, GKE).
CI/CD et automatisation : GitLab CI, Jenkins, GitHub Actions, ArgoCD.
Conteneurisation et orchestration : Docker, Kubernetes (Helm, Istio).
Langages et frameworks : Python (FastAPI, Flask), Bash, SQL, TensorFlow, PyTorch, scikit-learn.
Bases de données et Big Data : PostgreSQL, MongoDB, Spark, Databricks.
Sécurité et conformité : RGPD, chiffrement des données, gestion des accès (IAM).