CDI - Manager Platform Engineer - Paris

Il y a 4 jours

Paris, Île-de-France Welcome to the Jungle Temps plein 75 000 € - 85 000 € Contrat

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.

Ce poste est fait pour vous si vos utilisateurs sont d’autres équipes d’ingénierie et si la robustesse d’un système sous charge vous intéresse.

Artefact accompagne les plus grandes entreprises du monde dans le déploiement de l’IA : 3 000 AI makers dans plus de 30 pays, plus de 1 000 clients. En France, le département Engineering réunit environ 300 personnes sous la responsabilité du CTO ; vous y rejoignez le chapter AI Applied Engineer, archétype Platform Engineer.

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.

Processus de recrutement

Le processus demande environ quatre heures, réparties en six étapes dont une seule sur site.

  • Entretien RH (45 min, à distance) : parcours, motivations et points pratiques, comme le calendrier et les prétentions salariales.
  • Appel avec le CTO (15 à 30 min, à distance).
  • Screening technique (30 min, à distance, avec un membre du chapter AI Applied Engineer) : retour détaillé sur vos projets passés, puis questions techniques et de design de solution.
  • Code review et live coding (60 min, sur site, avec un membre du chapter) : relecture d’un dépôt de code existant et correction de ses défauts, puis construction d’une nouvelle fonctionnalité avec un coding agent et présentation du résultat.
  • Cas technique (45 min, à distance, avec un membre du chapter) : cadrage d’un problème métier, proposition d’une solution technique, description de la méthode d’évaluation, puis discussion de vos choix.
  • Entretien final (30 min, à distance, avec une personne de l’encadrement du département, Engineering Manager ou Director) : reprise des points restés ouverts, choix de l’archétype et du niveau les mieux adaptés à votre profil, et réponses à toutes vos questions.

Pourquoi nous rejoindr