DevOps Engineer
Consultant MlOps - CDI - (H/F)
Boulogne-Billancourt
Откликнуться на сайте работодателяОписание вакансии
Fondé en
1986
,
ALTEN
est un leader mondial de l’ingénierie et du conseil en technologies, présent dans plus de
30 pays
avec
50 000 collaborateurs
. En France, ALTEN accompagne les grands comptes et les startups innovantes dans leurs projets technologiques les plus ambitieux, notamment dans les secteurs de l’aéronautique, de la défense, de l’énergie, des télécoms et du numérique.
Notre expertise couvre l’
ingénierie système
, le
développement logiciel
, les
infrastructures cloud
, la
cybersécurité
, l’
IA
et la
data science
. Avec une culture forte d’innovation et d’agilité, ALTEN place l’humain au cœur de sa stratégie, en offrant à ses collaborateurs des
parcours professionnels enrichissants
, des
formations certifiantes
et un environnement stimulant.
Rejoindre ALTEN, c’est intégrer un écosystème où
l’excellence technique
rime avec
engagement humain
et
impact sociétal
.
Description du poste
Contexte du poste
Dans le cadre de notre développement dans le domaine de l’
intelligence artificielle et du Machine Learning
, nous recherchons un
Ingénieur MLOps
pour rejoindre nos équipes en
Île-de-France
. Vous serez en charge de
déployer, industrialiser et maintenir
des pipelines de Machine Learning en production, en garantissant leur
fiabilité, scalabilité et sécurité
. Votre expertise sera cruciale pour
automatiser les processus de développement, de test et de déploiement
des modèles d’IA, tout en collaborant avec les équipes Data Science, DevOps et Cloud.
Missions principales
1. Industrialisation des pipelines ML
- Concevoir et déployer des pipelines MLOps
pour automatiser le cycle de vie des modèles (entraînement, validation, déploiement, monitoring). - Intégrer des outils MLOps
comme
MLflow, Kubeflow, TensorFlow Extended (TFX), ou Airflow
pour orchestrer les workflows. - Automatiser les tests et la validation
des modèles (unit tests, integration tests, validation des données).
2. Déploiement et gestion des modèles en production
- Déployer des modèles de Machine Learning
en environnement de production (on-premise, cloud, ou hybride). - Optimiser les performances
des modèles en production (latence, scalabilité, consommation de ressources). - Gérer les versions des modèles
et assurer leur traçabilité (model registry, versioning).
3. Collaboration avec les équipes Data Science et DevOps
- Travailler en étroite collaboration
avec les
Data Scientists
pour industrialiser leurs modèles et les rendre opérationnels. - Participer à la définition des architectures
avec les équipes
DevOps et Cloud
pour garantir l’intégration des modèles dans les infrastructures existantes. - Documenter les processus et les bonnes pratiques
pour les équipes internes et les clients.
4. Monitoring et maintenance des modèles
- Mettre en place des solutions de monitoring
pour suivre les performances des modèles en production (dérive des données, précision, latence). - Détecter et corriger les anomalies
(ex : drift des données, dégradation des performances). - Assurer la maintenance évolutive
des modèles et des pipelines (mises à jour, retraining, etc.).
5. Sécurité et conformité
- Garantir la conformité
des pipelines et des modèles avec les normes de sécurité (Secret Défense, ISO 27001, RGPD). - Appliquer les bonnes pratiques
en matière de
protection des données
et de
sécurité des modèles
(ex : chiffrement, gestion des accès). - Participer aux audits de sécurité
et appliquer les correctifs nécessaires.
Environnement technique
MLOps et orchestration
- Outils MLOps
: MLflow, Kubeflow, TensorFlow Extended (TFX), Airflow, Metaflow. - Model Registry
: MLflow Model Registry, Hugging Face Hub, ou solutions propriétaires. - CI/CD pour le ML
: Intégration avec Jenkins, GitLab CI/CD, GitHub Actions.
Cloud et infrastructures
- Plateformes cloud
: Google Cloud Platform (GCP), Amazon Web Services (AWS), Microsoft Azure. - Services cloud pour le ML
: Vertex AI (GCP), SageMaker (AWS), Azure Machine Learning. - Conteneurisation
: Docker, Kubernetes (K8s), OpenShift.
Langages et frameworks
- Langages
: Python (obligatoire), SQL, Bash. - Frameworks ML
: TensorFlow, PyTorch, Scikit-learn, XGBoost, Hugging Face. - Librairies et outils
: Pandas, NumPy, Dask, Apache Spark.
Monitoring et logging
- Outils
: Prometheus, Grafana, ELK Stack (Elasticsearch, Logstash, Kibana), Weights & Biases, Arize.
Sécurité et conformité
- Normes
: ISO 27001, RGPD, Secret Défense. - Outils
: Vault, IAM (Identity and Access Management), chiffrement des données.
Qualifications
Profil recherché
Formation
- Diplôme d’ingénieur
(Bac+5) en informatique, data science, mathématiques appliquées, ou équivalent. - Habilitation Secret Défense
(obligatoire pour ce poste).
Expérience
- Minimum 5 ans d’expérience
en tant qu’
Ingénieur MLOps, Data Engineer, ou DevOps spécialisé en ML
. - Expérience confirmée
dans le déploiement et la gestion de modèles de Machine Learning en production.
Compétences clés
- Maîtrise des outils MLOps
(MLflow, Kubeflow, TFX, etc.). - Excellente connaissance des pipelines CI/CD
et des bonnes pratiques DevOps. - Capacité à automatiser les processus
de développement et de déploiement des modèles. - Compréhension des enjeux de sécurité et de conformité
(Secret Défense, RGPD, etc.). - Anglais technique
(pour collaborer avec des équipes internationales ou des clients).
Compétences complémentaires appréciées
- Certifications
: Google Cloud Professional Data Engineer, AWS Certified Machine Learning, Azure AI Engineer, ou certifications MLOps. - Expérience dans des
secteurs réglementés
(défense, santé, finance). - Connaissance des
modèles de Gen AI
(LLM, fine-tuning, RAG) et de leur déploiement en production. - Expérience avec des
outils de monitoring avancés
(Weights & Biases, Arize, etc.).
Qualités personnelles
- Autonomie
et
rigueur
dans la gestion des pipelines et des modèles. - Esprit d’équipe
et capacité à travailler en mode projet. - Curiosité
et
envie d’apprendre
dans un domaine en constante évolution. - Excellentes capacités de communication
(français et anglais).
Informations supplémentaires
Environnement de Travail
- Lieu
: Île-de-France - Type de contrat
: CDI
Это сохранённая копия объявления, опубликованного в другом месте. Вакансии снимают без предупреждения — перед откликом проверьте сайт работодателя. mentors.coach не является нанимающей стороной.