Devéloppeur AI (H/F) 75

Mindquest; Paris; Hybrid; EUR 101,000 - 129,000; Full time

Job summary

Mindquest recherche un AI Engineer pour renforcer son équipe dédiée à l’IA en environnement cloud et en production. Vous déployez et industrialisez des modèles IA open source (LLM, embeddings, speech-to-text et text-to-speech) et vous optimisez l’inférence sur GPU.

Vous aurez à benchmarker, scaler et assurer la fiabilité des services, tout en rédigeant la documentation technique et en partageant le savoir avec l’équipe. Profil autonome, rigoureux et expérimenté requis.

Qualifications

• Python : obligatoire, avec expérience confirmée en industrialisation de processus de production.
• Expérience confirmée du déploiement de LLM en production sur GPU.
• Maîtrise de vLLM et/ou SGLang.
• Optimisation de l’inférence et quantization (AWQ, GPTQ, FP8).
• Rust, GPU NVIDIA, Docker et Kubernetes.
• Prometheus, Grafana, OpenTelemetry, Git et CI/CD.
• Utilisation maîtrisée des assistants de code IA.

Responsibilities

• Déployer et industrialiser des modèles IA en production.
• Optimiser l’inférence des LLM sur GPU et benchmarking.
• Améliorer l’autoscaling, l’observabilité et la fiabilité des services.
• Participer au run, au développement logiciel et aux revues de code.
• Rédiger la documentation technique et partager les connaissances avec l’équipe.

Skills

Python

Lancement/Large Language Models

vLLM

SGLang

Rust

GPU NVIDIA

Docker

Kubernetes

Prometheus

Grafana

OpenTelemetry

Git

CI/CD

Tools

Docker

Kubernetes

Git

CI/CD

Prometheus

Grafana

OpenTelemetry

vLLM

SGLang

Job description

Notre client recherche un AI Engineer pour renforcer son équipe dédiée au développement, au déploiement et à l’optimisation de solutions d’intelligence artificielle en environnement cloud et en production.

• Déployer et industrialiser des modèles IA open source : LLM, embeddings, speech-to-text et text-to-speech.
• Optimiser l’inférence des LLM sur GPU avec vLLM et/ou SGLang.
• Améliorer les performances grâce à la quantization, au batching, au KV cache et au speculative decoding.
• Réaliser des benchmarks sur différents modèles et GPU.
• Améliorer l’autoscaling, l’observabilité et la fiabilité des services en production.
• Participer au run, au développement logiciel et aux revues de code.
• Rédiger la documentation technique et partager les connaissances avec l’équipe.

Livrables attendus:

• Modèles déployés et optimisés en production.
• Rapports de benchmarks et recommandations.
• Code Python/Rust intégré via pull requests.
• Dashboards, alertes et documentation technique.

AI Engineer expérimenté, rigoureux et autonome, capable d’industrialiser des solutions IA, d’optimiser les performances d’inférence et de garantir la fiabilité des services en production.

• Python : obligatoire, avec une expérience confirmée en industrialisation de processus de production.
• Expérience confirmée du déploiement de LLM en production sur GPU.
• Maîtrise de vLLM et/ou SGLang.
• Optimisation de l’inférence et quantization (AWQ, GPTQ, FP8).
• Rust, GPU NVIDIA, Docker et Kubernetes.
• Prometheus, Grafana, OpenTelemetry, Git et CI/CD.
• Utilisation maîtrisée des assistants de code IA.

TJM: Selon profilDurée: 3 mois renouvelables (mission longue)Lieu: Paris (75) - 3 jours TT / semaine