CDI - Manager Platform Engineer - Paris

Artefactlinkedin; Paris; On-site; EUR 85,000 - 120,000; Full time

Job summary

Artefactlinkedin recherche des Product/AI Engineers pour concevoir et exploiter des plateformes cloud et des pipelines data à grande échelle. Vous travaillerez sur l’infrastructure, la sécurité et la résilience des systèmes, avec un focus sur les coûts et les performances.

Vous déployerez des plateformes de données, gérerez des pipelines CI/CD et accompagnerez les équipes produit et sécurité dans des environnements Kubernetes et cloud multi-fournisseurs.

Qualifications

• Expérience démontrable en infrastructure cloud via IaC sur au moins un des grands clouds.

Responsibilities

• Déployer l'infrastructure cloud en IaC et conduire les migrations cloud.
• Construire et exploiter des plateformes de données (entrepôts et lakehouses), orchestration, traitement batch et streaming.
• Mettre en place des pipelines CI/CD et les outils MLOps/LLMOps.
• Constituer le harness des agents: runtime, cadres d’évaluation, observabilité.
• Servir les modèles et optimiser coût et latence.
• Poser les fondations de sécurité: IAM, réseau, secrets, droits d’accès, protection contre le prompt injection.
• Construire des connecteurs et des serveurs MCP réutilisables par plusieurs agents.
• Garantir la fiabilité: monitoring, gestion des incidents et suivi des coûts.

Skills

Cloud infrastructure

CI/CD pipelines

Kubernetes deployments

Security (IAM, réseaux, secrets)

Observability & incident management

Documentation & maintainable code

LLM/agent framework

Tools

Databricks

BigQuery

Snowflake

Google Cloud

Azure

AWS

Job description

Mission

Des groupes de premier plan font tourner leur IA sur ce que vous construisez. Infrastructure cloud, plateformes de données, chaînes de delivery, serving de modèles, runtime des agents : ces fondations portent à grande échelle les applications et les agents de nos clients, et vous les concevez et les exploitez. Grâce à ce travail, les équipes produit livrent sans risque, tandis que les coûts, la latence et la sécurité restent sous contrôle.

Activités et responsabilités

Les Product Engineers et les AI Engineers déploient sur les plateformes que vous construisez ; leurs besoins se définissent avec eux, et leur accompagnement se poursuit jusqu'en production.

Sur une plateforme de données, les fondations vous reviennent : infrastructure, sécurité, réseau, calcul. Ce qui y circule relève des Context & Analytics Engineers. Le travail se mène aussi avec les équipes IT, sécurité et cloud du client, sous le regard desquelles chaque choix d'architecture doit pouvoir se défendre ; le code se relit entre pairs et les nouvelles recrues sont accompagnées.

Vos responsabilités :

• Déployer l'infrastructure cloud en infrastructure as code et conduire les migrations cloud.
• Construire et exploiter des plateformes de données : entrepôts et lakehouses, orchestration, traitement batch et streaming.
• Construire des pipelines CI/CD et l'outillage MLOps et LLMOps.
• Construire le harness des agents : runtime, frameworks d'évaluation, observabilité.
• Servir les modèles et maîtriser leur coût et leur latence.
• Poser les fondations de sécurité : IAM, réseau, secrets, droits d'accès des agents, protection contre le prompt injection.
• Construire des connecteurs et des serveurs MCP que plusieurs agents réutilisent.
• Garantir la fiabilité : monitoring, gestion des incidents, suivi des coûts.

Profil recherché

Les indispensables :

• Vous avez construit et exploité de l'infrastructure cloud sur Google Cloud, Azure ou AWS, en infrastructure as code.
• Des pipelines CI/CD et des déploiements conteneurisés, par exemple sur Kubernetes, font partie de votre pratique.
• Les bases de la sécurité (IAM, règles réseau, gestion des secrets) s'appliquent chez vous au quotidien.
• Ce que vous exploitez, vous le surveillez, et vous prenez part à la gestion des incidents.
• Le code et la documentation que vous écrivez restent maintenables pour les équipes qui utilisent votre plateforme.
• Les coding agents font déjà partie de votre quotidien, et vous vérifiez ce qu'ils produisent.

Un plus, pas un prérequis :

• Une expérience de plateformes de données, par exemple sur Databricks, BigQuery ou Snowflake.
• Une expérience MLOps ou LLMOps : serving de modèles, model registry, pipelines d'évaluation.
• Une expérience d'observabilité d'agents ou de LLM gateway : tracing, suivi des coûts, routage.
• FinOps : suivi et optimisation des coûts.
• Sécurité de l'IA : droits d'accès des agents, red teaming, guardrails.
• Une certification cloud.

Pas besoin de cocher toutes les cases pour postuler : si vous avez l'essentiel des indispensables et l'envie d'apprendre le reste, parlons-en.