Trouvez votre prochaine mission ou futur job IT.

En tant que Lead Tech Data Studio & MLOps Senior, vous serez responsable du cadrage et de la mise en place d'une solution de Data Studio, destinée à servir plusieurs équipes via une offre mutualisée. Vous piloterez les travaux techniques depuis le cadrage initial jusqu'au déploiement, en supervisant également la migration des usages vers cette nouvelle solution. Vos principales missions incluront : Conception et mise en œuvre : Identifier les normes, patterns, et architectures nécessaires pour une utilisation optimale du Data Studio. Évaluation des solutions existantes : Analyser les capacités et limites de la solution Big Data en place, et proposer des alternatives, notamment autour de Kubernetes et du stockage S3. Documentation technique : Élaborer une documentation claire et détaillée sur les choix d'architecture et les processus de mise en œuvre. Supervision d'équipe : Encadrer les équipes techniques, définir des objectifs, et accompagner leur montée en compétence. Implémentation de pipelines : Diriger le développement et la mise en œuvre des pipelines nécessaires au fonctionnement du Data Studio. Adoption de nouvelles technologies : Évaluer et intégrer des technologies innovantes pour renforcer les processus MLOps et améliorer l'efficacité globale. Conformité et stratégie : S'assurer de la conformité des solutions par rapport aux objectifs stratégiques tout en maintenant un équilibre pragmatique. Vous jouerez un rôle clé dans la définition de l'architecture cible en collaboration avec les architectes et parties prenantes, tout en facilitant les prises de décision sur les solutions applicatives.

Nous recherchons un Machine Learning Engineer pour rejoindre notre équipe de développement de notre socle d'usage des LLMs. Le candidat idéal sera spécialisé dans la conception d'applications autour des Large Language Models et possédera une expertise dans divers outils et frameworks liés à l'intelligence artificielle générative (Langchain, Langsmith, LLamaIndex). Responsabilités Maîtrise et utilisation de LangChain et des frameworks de développement d'IA générative : Utiliser ces outils pour créer et améliorer des solutions innovantes basées sur l'IAGen. Travail avec des bases de données vectorielles : Assurer le stockage et la consultation efficaces des données. Utilisation et configuration de modèles d'embeddings : Mettre en place des modèles pour la recherche documentaire et optimiser leurs performances. Développement d'agents basés sur les approches LLM : Appliquer les techniques LLM pour créer des agents intelligents. Programmation en Python : Utiliser les meilleures pratiques de développement pour assurer un code de qualité (Clean Code, tests unitaires, etc.). Utilisation des frameworks classiques de data science/NLP : Maîtriser des outils comme Scikit-Learn et NLTK pour les projets de data science. Gestion des versions de code et déploiements continus : Exploiter les techniques GitOps et les pipelines CI/CD pour assurer une livraison continue et sans faille. Travail en méthodologie Agile : Participer activement aux collaborations d'équipe et appliquer les bonnes pratiques Agile. Autonomie dans la gestion de projets : Créer et gérer des cartes de tâches et des projets de manière autonome.

Vous êtes passionné(e) par les technologies de l'intelligence artificielle générative et maîtrisez les outils modernes d’orchestration et de distribution ? Nous recherchons un(e) LLM Ops Engineer pour optimiser et déployer des modèles de langage (LLM) à grande échelle en environnement distribué. Vous jouerez un rôle clé dans la mise en production et la gestion des pipelines complexes, en exploitant des frameworks tels que TGI (Text Generation Inference), VLLM, et BentoML, dans un contexte basé sur Docker, Kubernetes, et le cloud computing. Gestion et optimisation des LLM : Implémenter et déployer des modèles d'IA générative (GPT, BERT, autres LLM). Optimiser les performances des modèles grâce à des frameworks comme TGI ou VLLM. Assurer la scalabilité des services d’inférence via des architectures distribuées. Infrastructure et conteneurisation : Construire, tester et déployer des conteneurs Docker pour les environnements IA. Configurer et maintenir des clusters Kubernetes pour l’orchestration des services d’inférence. Automatiser les workflows CI/CD pour la mise en production rapide des modèles. Distribution parallélisée : Gérer la parallélisation des charges de travail LLM sur des architectures multi-nœuds. Optimiser l’utilisation des GPU/TPU pour maximiser les performances. Implémenter des solutions de streaming et de traitement par lots pour les données d'entrée/sortie des modèles. Observabilité et monitoring : Déployer des outils de monitoring (Prometheus, Grafana) pour surveiller les performances des LLM. Identifier les goulots d'étranglement et proposer des améliorations continues.

Nous recherchons un(e) Lead Technique MLOps/Data passionné(e) par l’intelligence artificielle et la gestion de pipelines de données pour superviser et optimiser nos workflows de machine learning. Vous serez le référent technique pour l’équipe, en pilotant des projets stratégiques tout en mettant en œuvre des solutions robustes et scalables. Encadrer une équipe d’ingénieurs MLOps et Data Engineers. Définir les standards de développement et les bonnes pratiques. Assurer la veille technologique pour intégrer les innovations dans l’écosystème existant. Construire et automatiser des pipelines CI/CD pour le déploiement de modèles de machine learning. Intégrer et orchestrer des workflows de bout en bout avec des outils comme Kubeflow, MLflow ou Airflow. Optimiser les modèles pour des environnements cloud et on-premise. Concevoir et superviser l'infrastructure de données (Data Lakes, Data Warehouses). Garantir la qualité, la gouvernance, et la sécurité des données utilisées pour l’entraînement des modèles. Superviser l’implémentation de solutions scalables pour la gestion des données massives (Big Data). Travailler en étroite collaboration avec les Data Scientists pour industrialiser les modèles. Élaborer des stratégies pour améliorer l’efficacité des pipelines ML, de l’entraînement à l’inférence. Assurer le reporting et la communication avec les parties prenantes.

Missions principales : • Analyser et formaliser les besoins métiers liés à la RAG, en étroite collaboration avec les data scientists. • Collaborer étroitement avec les développeurs et le product owner pour assurer la bonne compréhension des besoins et la qualité des solutions déployées. • Assurer le suivi des performances des outils déployés et proposer des axes d'amélioration. • Gérer de multiples projets métiers en parallèle qui utiliseront la plateforme. • Accompagner technologiquement et animer les métiers dans le déploiement de la solution au sein de leurs projets • Suivre la production afin de garantir la satisfaction du client.

La prestation s'appuiera sur plusieurs projets en développement informatique, soit en complement/fiabilisation ou en nouveau développement de module : 1- Fiabilisation d'u outil interne: - Renforcement des structures de BDD - Reprise des scripts d'insertion des données en base - Fiabilisation des données et des IHMs 2- Reprise des développements d'un outil interne découpée en 2 lots (livrables) - Reprise des développements en attente (pages, fonctions…) - Développement de page de Dashboard des Automates - Développement de page dédiée a certains domaines - Développement d'une page permettant d'analyser les indisponibilités du réseau radio (historique d'ITR) 3- Industrialisation des déclenchements CDAI - Développement d'un système de déclenchements automatique des TT CLARIFY avec temporisations - Développement des pages d'administration des variables (Tempo, seuil, Arrêt d'urgence...) - Porter cette industrialisation sous SIGO 4- Industrialisation des enrichissements Alarme et Tickets - Développement d'un module pour enrichir les alarmes dans l'hyperviseur (type Outage) - Développement d'un module d'enrichissement des tickets d'incident (SIGO) pour: * Créer automatiquement des tickets en fonction des alertes météo * Positionner des informations (TAG) en fonction de donnée spécifique 5- Auto télé-inter (ATI) - Reprise des ATI existante - Développement d'un système pour tracer les ATI dans l'outils de ticketing (CLARIFY ou SIGO) - Développement d'un system d'orchestration (scenarii multiples avec association d'autres briques d'industrialisation type CDAI) - Mise en place de fonction de contrôle du système (KPI, Keep alive, gestion des erreurs)

Le Bénéficiaire souhaite une prestation d'accompagnement (2,5 à 3 ans) pour assurer un service d'expertise autour de Dataiku, de Tableau et du ML/IA aux utilisateurs de la plateforme Prométhée. Cette plateforme permet aux Fonctions Centrales RISK, FINANCE et STFS de BNP Paribas de réaliser des travaux réglementaires sensibles du Groupe (stress tests bancaires, calcul du capital interne, reportings financiers, …). Elle intègre et met à disposition, avec le support d’équipes de production dédiées, les services suivants : - Cluster Hadoop CDP 7.1.9 ; - Cluster K8S ; - Service d’ingestion de données (application Java/Spark/Shell développée en interne) ; - Dataiku DSS et Automation Node (v. 12.6) comme point d’entrée du Métier sur tous les services ; - Service d’archivage de données (application Java/J2E développée en interne) ; - Dataviz via offre Tableau Groupe. Les missions de l’équipe Prométhée sont : 1. Gestion au quotidien & gouvernance de la plateforme ; 2. Maintien en conditions opérationnelles de la plateforme : a. Traitement des incidents ; b. Gestion des montées de versions des différents composants systèmes et applications, en collaboration avec les équipes de production ; c. Anticipation de la charge et planification des évolutions requises pour y faire face ; 3. Garantie de la sécurité et de la disponibilité du service : mise en place et monitoring de solutions de backup des données et des politiques de sécurité d’accès ; 4. Veille à l'évolution de la plateforme pour répondre aux nouveaux besoins métiers ; 5. Support utilisateurs sur les différents composants de la plateforme. Ce contexte exige une grande polyvalence technique et une réelle compréhension des principaux composants d'un SI (réseau, système, sécurité). La Tribe Prométhée est composée de 3 Squads de 5-6 personnes ayant chacune 1 Product Owner et 1 Tech Lead. La prestation sera réalisée au sein de la Squad Data Usage dont les principales missions sont : - d'assister les utilisateurs de Prométhée sur les outils Dataiku et Tableau ainsi que dans le choix et l'utilisation de modèles de ML/IA ; - de concevoir et d’assurer l’insertion opérationnelle de modèles de ML/IA répondant à de forts enjeux pour nos utilisateurs et pour la Banque. L’équipe est située sur le site du Millénaire 4 (Paris 19) et le rythme est de 50% de présence sur site.

Nous recherchons un MLOps Engineer hands-on pour un de nos client afin de déployer, gérer et sécuriser des modèles d'apprentissage automatique en production. Tâches principales : Automatisation des pipelines CI/CD pour l'intégration et le déploiement des modèles ML. Déploiement des modèles en production avec Kubernetes, Docker, OpenShift. Surveillance de la performance des modèles en utilisant des outils comme Grafana et Prometheus. Gestion des versions des modèles et des données. Optimisation continue des modèles en production. Assurer la sécurité des données et des modèles (protection, gestion des accès, conformité RGPD). Collaboration avec les équipes pour garantir une intégration fluide des modèles.

Identifier et mettre en œuvre les solutions d'IA les plus adaptées aux exigences et aux objectifs des cas d'usage, en s'appuyant sur une analyse approfondie des spécifications techniques et fonctionnelles. Concevoir des solutions Data S cience et IA génératives pour répondre aux enjeux de produits et de services de nos clients . Contribuer à l’ensemble du cycle de vie de projet Data Science : définition du Use Case, architecture technique, mise en œuvre de POCs / POVs , implémentation et intégration à des environnements de production. Garantir la sécurité et la conformité réglementaire en respectant l es mesures de sécurité et l es protocoles de confidentialité pour protéger les données sensibles. Participer aux chantiers d’innovations et de veille continue sur les IA et les pratiques MLOps / LLMOp s Ce que nous pouvons attendre de vous : Compétences techniques recommandées : Domaine s d’expertise : Machine Learning, NLP, Deep Learning GenAI : LLM, R AG , Vect or Databas e , Sea rch Engines, LLMOps ,… Cloud : Azure (Azure ML, Azure OpenAI , Azure Prompt Flow, Databricks ,…) , GCP, AWS Programmation : Python, SQL et outils d’analyse de données . Framework & Tools : Langchain , Chroma, FAISS , H ugging Face Devops / MLOps : Git, Docker, Kubernetes

Dans le cadre d'un projet stratégique pour un acteur de l'industrie aéronautique, notre client recherche un Teach Lead Développement - Aéronautique FMS (H/F) pour renforcer une équipe dédiée au Fly Service Management. Poste basé à Toulouse Vos Missions : \- Vous concevrez et réaliserez les développements complexes \- Vous piloterez les équipes techniques et accompagnerez les clients dans le développement \- Vous prendrez en charge la réalisation des analyses fonctionnelles et techniques et réaliserez les développements conformément à cette analyse. \- Vous participerez à l’intégration des briques logicielles \- Vous diffuserez les connaissances acquises au sein de l’équipe

Le bénéficiaire souhaite une prestation d´accompagnement dans l´objectif d´assurance des services d´ingénierie technique pour le pôle en charge du cloud IBM, notamment dans l´architecture & design des couches techniques basses. L´objectif principal est assurance de l’ hybridation au cloud IBM ainsi qu' autres fournisseurs au futur, et assurance de la cohésion entre le backend (Datalab Platform) et les produits Les missions sont: - Définition, assurance et déploiement des architecture intimes des produits; - Définition, assurance et priorisation des produits; - Définition et assurance de la roadmap Produit; - Déploiement des solutions; - Participation au support des services construits, selon le principe "You Make it You Run it"; - Acceleration du développement de produits data dans le cloud. (calculs distribués, datascience, ETL, datahubs); - Création des services de terraformation des clouds internes/externes; - Création des pipelines de deploiements; - Sécurisation de tous les produits et services (MFA , encryption, etc).

Imaginez-vous au cœur de l’action, travaillant pour un acteur majeur du secteur bancaire ! Dans le cadre d’un renfort d’activité, nous recherchons un Data Scientist MLOps H/F en Freelance, spécialisé dans le développement et le déploiement et modèles d’apprentissage automatique. Vous jouerez un rôle clé dans la mise en place et la gestion des pipelines Machine Learning. En tant que Data Scientist MLOps, vous serez en charge de : Développer et déployer des modèles d’apprentissage automatique Mettre en place et gérer des pipelines Machine Learning (MLOps et LLMOps ) Contribuer aux projets de Data Engineering impliquant PySpark Créer et maintenir une documentation détaillée des processus et solutions Assurer la qualité et la performance des modèles déployés

Objectif Votre objectif principal sera d'améliorer et de faire évoluer les solutions de machine learning, de l’ingénierie des données jusqu’à la mise en production et la surveillance des modèles. Vous participerez activement à l'industrialisation des projets IA, garantissant la robustesse et la scalabilité des infrastructures MLOps déployées. Responsabilité Optimiser les solutions de machine learning end-to-end : préparation des données, ingénierie des features, entraînement, évaluation et déploiement des modèles. Améliorer et créer des templates pour augmenter la scalabilité des cas d’usage IA. Transformer des notebooks en scripts de haute qualité pour les pipelines ML. Concevoir des pipelines ML performants et les optimiser pour faciliter le développement et le déploiement des modèles. Mettre en place une infrastructure MLOps fiable pour la gestion des versions des modèles, leur surveillance et le déploiement automatique. Codifier les meilleures pratiques pour surveiller la performance des modèles, détecter les dérives, et mettre en place des mécanismes de réentraînement. Créer et maintenir des pipelines CI/CD pour garantir la qualité et la répétabilité des livraisons. Implémenter des tests pour les données, les modèles et le code. Se tenir informé des dernières avancées en MLOps et LLMOps pour améliorer les capacités de l’équipe. Assurer un rôle de mentor auprès des équipes de data science des différentes entités. Compétences requises Solide expérience en machine learning et MLOps, notamment en conception de pipelines de production. Maîtrise des outils de versioning de modèles et de monitoring. Expertise dans la création et l’optimisation d’infrastructures MLOps scalables. Connaissance des pipelines CI/CD et de leur implémentation dans des environnements de production. Bonne capacité à refactoriser du code et à transformer des notebooks en scripts robustes. Sens du mentorat et de l’accompagnement technique. Livrables attendus Pipelines ML optimisés et fiables pour les projets IA. Infrastructure MLOps robuste et scalée, avec une surveillance continue des modèles en production. Documentation claire des bonnes pratiques MLOps, partagée avec la communauté interne. Contribution aux projets IA stratégiques en termes de proof of concept, de value, et de pilotes.

Votre rôle principal consistera à concevoir l'architecture des solutions de sinistres en collaboration avec les équipes métiers et techniques. Vous serez en charge de diriger la mise en œuvre et le déploiement de cette architecture en veillant à respecter les meilleures pratiques et les standards de l'industrie. Responsabilités Collaborer avec des experts métiers et techniques pour comprendre les besoins et les traduire en solutions techniques. Concevoir l'architecture des solutions de gestion des sinistres, en particulier sur les volets fraude et récupération. Superviser l'implémentation et le déploiement de l'architecture en suivant les bonnes pratiques du secteur. Effectuer des revues régulières et identifier des axes d'amélioration et d'optimisation. Offrir un support technique à l’équipe, tout en favorisant un environnement de travail collaboratif et innovant. Compétences requises Expérience confirmée en architecture IT, notamment dans le développement de systèmes évolutifs. Maîtrise des principes de conception d'architectures, des technologies cloud et des modèles d'intégration. Connaissance approfondie des pratiques de l’industrie de l’assurance et des méthodologies de gestion des sinistres. Expertise en architecture de données et machine learning (ML). Excellentes capacités de communication et de collaboration au sein d’une équipe multidisciplinaire. Esprit d’analyse et capacité à résoudre des problèmes techniques complexes. Adaptabilité et envie d’apprendre et d’évoluer en continu. Livrables attendus Conception et déploiement d’une architecture de solutions de sinistres. Documentation complète de l’architecture proposée. Plan d’amélioration continue pour optimiser les solutions existantes.

Le Bénéficiaire souhaite une prestation d'accompagnement dans le cadre de l´objectif d´assurer l´expertise technique développement sur les technologies Intelligent Document processing (Abbyy Flexicapture, ABBYY Vantage). Les missions sont: - Développement et maintenance des scripts IDP et tout autre script lié à ces outils (C# etc.) - Revue de code - Partage de connaissances techniques et fonctionnelles au sein des communautés IDP - Maitrise du cycle de vie des tests - Mise à jour documentaire (technique et/ou fonctionnelle) - Morning check/dashboarding

Ce que tu recherches : Evoluer au sein d’une équipe dynamique Participer à des projets innovants d’envergure Relever des défis Donner un nouveau souffle à ta carrière Alors nous avons la mission idéale pour toi. Pour le compte d'un de nos clients dans le domaine des médias, nous recherchons un Expert IA Générative qui interviendra dans Ie cadre d'un POC dans le but d'optimiser les processus de notre client. Les cas d’usage pertinents, tu identifieras Les prototypes fonctionnels, tu réalisera Les itérations sur les prototypes avec les parties prenantes, tu feras Pour chaque prototype, un bilan clair tu fourniras A la fin des expérimentations, un bilan final tu écriras.