Descriptif du poste
La majorité des projets d'IA s'arrêtent avant la production. Ton métier, c'est qu'ils la franchissent, et qu'ils y restent. Chez Diametral, le MLOps Engineer conçoit les plateformes et les chaînes qui permettent de déployer, superviser et faire évoluer des modèles de machine learning et des LLM en toute fiabilité.
Tu rejoins l'engine Architecture & Engineering et tu travailles main dans la main avec les Data Scientists et les GenAI Engineers, des phases Build jusqu'au Run.
Ce que tu vas construire
- Des plateformes MLOps et LLMOps : entraînement, registre de modèles, déploiement, inférence à l'échelle.
- Des pipelines CI/CD/CT pour les modèles : tests, validation, mise en production automatisée, retour arrière.
- La supervision des modèles en production : performance, dérive des données et des modèles, alertes, explicabilité.
- L'infrastructure as code et les environnements reproductibles, sur Kubernetes et dans le cloud.
- La gouvernance technique de l'IA : traçabilité, versioning, gestion des accès, éléments de conformité.
- L'optimisation des coûts d'infrastructure et d'inférence (FinOps, GPU, serving).
Ton environnement technique
Python, Docker, Kubernetes, Terraform, MLflow, Kubeflow ou Vertex AI Pipelines, Azure ML, SageMaker, Databricks, Airflow, Prometheus, Grafana, GitLab CI ou GitHub Actions, outils de serving (vLLM, Triton, KServe).
Au sein de Diametral
- Tu contribues à nos socles MLOps de référence, réutilisés de mission en mission.
- Tu diffuses les bonnes pratiques de production auprès de toute la communauté data et IA.
Profil recherché
Ce que tu apportes
- Diplôme d'école d'ingénieur ou master en informatique.
- Au moins 3 ans d'expérience en MLOps, DevOps, platform engineering ou ML Engineering.
- Une solide maîtrise de Python, des conteneurs, de Kubernetes et d'au moins un cloud public.
- Une expérience concrète du déploiement et de la supervision de modèles en production.
- Anglais courant en contexte client, et la langue de ton bureau de rattachement.
Ce qui fera la différence
- Une expérience LLMOps : serving de LLM, évaluation continue, observabilité des agents.
- Des certifications cloud ou Kubernetes.
- Une sensibilité FinOps et sécurité.
Ton état d'esprit
- Fiabilité avant tout : tu construis des systèmes qu'on peut diagnostiquer quand ils tombent.
- Automatisation systématique.
- Sens du service envers les équipes que tu outilles.
Ce que nous attendons de tous nos talents
- L'obsession de l'impact business : tu comprends vite le métier de nos clients, et tu sais le challenger.
- Un sens aigu du service et de l'expérience client.
- Une communication de haut niveau, à l'écrit comme à l'oral : tu simplifies, tu embarques.
- Une maîtrise avancée des outils d'IA et d'automatisation : tu peux nous montrer un agent ou un prototype que tu as construit toi-même.
- De l'ambition et de la rigueur, au service d'une équipe qui fait passer le collectif avant l'individu.
Déroulement des entretiens
- Entretien avec l’équipe Talent Acquisition et/ou un Business Manager
- Entretien technique avec un expert de l’engine
- Entretien avec le Managing Director ou l’Engine Director
Postuler
Choisis ton bureau de rattachement et laisse-nous ton profil. L'équipe Talent Acquisition revient vers toi sous quelques jours.
