Chef de projet Intégration , DEVOPS & ML Engineer Cloud - Freelance (H/F)

Collective.work; Aubervilliers; On-site; EUR 83,000 - 109,000; Full time

Job summary

Brief IA recherche un Chef de projet Intégration, DevOps & ML Engineer Cloud expérimenté pour le Pôle Infrastructure Technique. Vous collaborez avec les équipes Métier/Data Science et les équipes Infra, afin d’assurer la continuité de service et de faire évoluer les cas ML en production sur des environnements multi‑cloud (AWS, Azure, GCP).

Vous intervenez comme interface technique entre les équipes et vos binômes, garantissant les livrables et la sécurisation des solutions IA/ML.

Qualifications

• Chef de projet expérimenté en Intégration, DevOps et ML dans un contexte Cloud multi‑cloud.
• Bonne connaissance des environnements AWS, Azure et GCP.

Responsibilities

• Intervenir à l’interface entre les équipes Métier/Data Science et Infra/Exploitation.
• Assurer la continuité de service et faire évoluer deux volets ML en production.
• Piloter les scénarios d’industrialisation et de déploiement des solutions IA/ML.

Job description

Taux journalier (TJM): 520

Chef de projet Intégration , DEVOPS & ML Engineer Cloud

Contexte de la mission

1. Contexte et raison d'être de la mission

Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, GenAI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP).

Pour accompagner nos projets , nous recherchons un Chef de projet Intégration, Dev Ops & ML Engineer expérimenté. Intervenant à l'interface entre les équipes Métier / Data Science et les équipes Infrastructure / Exploitation, le prestataire reformera un binôme technique étroit avec une ingénieure ML/MLOps déjà en poste afin d'assurer la continuité de service et de faire évoluer deux volets de cas d'usage ML en production.

2. Périmètre opérationnel - Deux volets ML en production

Volet 1 - Cas d'usage ML sur AWS (Data Science appliquée & Serverless)

• Traitement de données opérationnelles à grande échelle : analyse exploratoire (EDA) sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel (relations non 1:1, désambiguïsation « au plus proche », fenêtres temporelles, gestion des données manquantes et des signaux GPS défaillants).
• Services serverless et génération documentaire : conception et exploitation de traitements de flux serverless et de génération automatisée de documents (ex. rapports multi-images).
• Environnement technique AWS : Amazon Sage Maker (training, inférence, pipelines, model registry), Amazon Bedrock (GenAI, RAG, Guardrails), Lambda, S3, Glue, Kinesis / Firehose, Athena, Comprehend / Textract, boto3 ; socles data ELK et Big Query ; IaC Terraform.

Volet 2 - Cas d'usage MLOps sur Azure (Industrialisation de modèles)

Industrialisation de modèles de bout en bout : gestion de jeux de données versionnés -> pipelines d'e