Alternant(e) DevSecOps

Contexte de l’entreprise

Fondée en 2016, Miralia (ex Golem.ai) est une deeptech française spécialisée dans le traitement intelligent et automatisé des messages entrants, qui optimise la relation client et permet aux équipes de se recentrer sur des tâches à valeur ajoutée. Sa solution d’IA neuro-symbolique, explicable, fiable et souveraine, diminue considérablement le temps de traitement des documents entrants, notamment pour les secteurs régulés (assurance, banque).

En 2026, l’entreprise poursuit l’expansion de sa base client tout en maintenant une culture d’innovation, avec des travaux continus sur le neuro-symbolique et sur les architectures agentiques à base de LLM appliquées au traitement documentaire.

Résumé du poste

En tant qu’alternant(e) DevSecOps / Platform Engineer, tu rejoindras l’équipe qui conçoit et opère les infrastructures techniques qui sous-tendent notre plateforme de services en intelligence artificielle, en collaboration étroite avec les équipes de développement. Au delà des missions socles de sécurisation et d’exploitation de la plateforme, tu participeras à l’intégration de modèles IA (LLM) dans nos propres pratiques d’exploitation, en particulier pour renforcer la sécurité et l’observabilité de nos environnements.

Missions principales

Socle DevSecOps / Platform Engineering

• Contribuer activement à la sécurisation des environnements de production : audit, durcissement, monitoring, gestion des secrets et traitement des vulnérabilités.

• Maintenir et améliorer les pipelines CI/CD de nos services (GitLab CI, Helm, tests automatisés).

• Participer à la gestion quotidienne de notre plateforme Kubernetes hébergée chez Scaleway : sécurité des flux, observabilité des workloads, mise à l’échelle.

• Aider à l’automatisation et au provisionnement de l’infrastructure avec des outils comme Ansible et Terraform.

• Rédiger une documentation claire et des guides internes pour capitaliser sur les bonnes pratiques DevSecOps.

Sécurité augmentée par IA

• Expérimenter des modèles IA (LLM) en support de l’analyse de vulnérabilités : enrichissement et priorisation des résultats SAST/DAST, aide à la qualification des CVE remontées sur nos dépendances et nos images de conteneurs.

• Utiliser des assistants de code basés sur des LLM (par exemple Claude Code, GitHub Copilot) pour la revue de configurations sensibles (manifests Kubernetes, playbooks Ansible, code Terraform, gestion des secrets), sous supervision d’un référent technique.

• Contribuer à des mécanismes de détection d’anomalies assistée par IA sur les logs et le trafic (comportements suspects, tentatives d’intrusion, dérives de configuration), en lien avec l’équipe sécurité.

Observabilité et exploitation augmentées par IA

• Explorer l’usage de LLM pour le résumé automatique d’incidents et la corrélation d’alertes multi-sources (Grafana, New Relic, Metabase), afin de réduire le temps de diagnostic.

• Participer à la mise en place d’agents ou de copilotes d’aide au troubleshooting (analyse de logs, suggestions de remédiation) intégrés à nos outils d’observabilité existants.

• Contribuer à des travaux de type AIOps légers : classification automatique des alertes, réduction du bruit, détection précoce de dérives de performance ou de disponibilité.

Stack technique

• Langages : Python, Go, PHP

• Base de données : PostgreSQL

• Infrastructure : Scaleway (cloud provider), Kubernetes, Docker

• CI/CD : GitLab, GitLab CI, Helm

• Observabilité : Metabase, Grafana, New Relic

• Infrastructure as Code : Terraform, Ansible

• IA appliquée à l’exploitation (nouveau) : API de modèles LLM (Claude, ou équivalent) pour l’analyse de logs et l’assistance à la revue de code/configuration, outillage interne de type AIOps

• Approches IA du produit Miralia (contexte) : IA neuro-symbolique, modélisation basée sur des règles, graphes, moteurs de recherche ou de raisonnement

Profil recherchéFormation : étudiant(e) en informatique (Bac+3 à Bac+5), spécialisation DevOps, cybersécurité, systèmes ou cloud.Une première expérience en projet DevOps ou infrastructure (personnelle, scolaire ou professionnelle) est un vrai atout.Une première sensibilité à l’usage d’outils IA / LLM dans un contexte technique (assistants de code, agents, prompt engineering) est un plus, sans être un prérequis : l’accompagnement est prévu sur ce volet.Alternance de 12 à 36 mois, selon le rythme de l’école.Compétences