Ingénieur Système HPC

Identifiant (email, de type )

Vous envisagez de postuler à cet emploi ? N'attendez pas, faites défiler la page et envoyez votre candidature dès que possible pour ne pas la manquer.

Mots clés (ex : gestionnaire de scolarité)

05 - Catégorie B - Technicien (TECH) - E - Informatique Statistiques et Calcul scientifique - Technicien-ne d'exploitation d'assistance et de traitement de l'information

Nature de l'emploi

Emploi ouvert uniquement aux contractuels

Intitulé du poste

Ingénieur Système HPC / GPU / SLURM F/H

Présentation de la structure recruteuse

Dans un contexte national et international marqué par la compétition autour de l'intelligence artificielle, Sorbonne Université a créé le Sorbonne Cluster for Artificial Intelligence (SCAI), qui réunit un ensemble stratégique de disciplines de l'IA moderne. Son ambition est de renforcer l'excellence de la recherche interdisciplinaire en favorisant les échanges entre chercheurs, enseignants, étudiants et partenaires industriels.
Le candidat ou la candidate rejoint une équipe en charge de l'administration, de la maintenance et de l'évolution du cluster , projet académique majeur porté par Sorbonne Université, lauréat de l'appel « IA-Cluster » (France 2030), doté de 35 M€ sur 5 ans. Ce cluster rassemble un large consortium d'acteurs académiques (CNRS, Inria, Inserm, UTC, MNHN, AP-HP, Cnam, Sciences Po, Onera…) et plus de 60 partenaires industriels, avec pour objectif de devenir un pôle d'excellence international en IA post-générative à l'horizon 2030.
L'infrastructure HPC repose sur des nœuds GPU NVIDIA sous Debian GNU/Linux, avec l'ordonnanceur SLURM pour la gestion des ressources. Elle répond aux besoins de recherche et de formation en IA du consortium.
Stack technique principale : Debian GNU/Linux, GPU NVIDIA (CUDA), SLURM, réseau 25/100G, stockage NFS/Ceph, supervision Prometheus/Grafana, automatisation Ansible/Bash/Python, authentification SSH/LDAP/SSO.

Description du poste

Fonctions :Ingénieur.e Système HPC / GPU / SLURM

Catégorie : B

CDD de 12 mois.

Missions principales :

• 
  
• Déploiement et maintenance des nœuds de calcul GPU sous Debian
  
• Déploiement et maintenance de nœuds proxmox, vm et docker
  
• Gestion des mises à jour système, des pilotes NVIDIA et des librairies CUDA
  
• Configuration et optimisation du réseau haute performance (bonding, VLAN)
  
• Mise en œuvre et gestion des systèmes de fichiers distribués (NFS, CEPH, CephFS)
  
• Automatisation des déploiements via Ansible
  
• Installation, configuration et mise à jour de SLURM (slurmctld, slurmd, slurmdbd)
  
• Définition des partitions, QOS, comptes et limites de ressources
  
• Intégration des GPU NVIDIA dans les ressources SLURM (GRES)
  
• Surveillance des jobs, diagnostics et interventions sur les nœuds en défaut
  
• Rédaction et mise à jour des procédures SLURM à destination des utilisateurs
  

3. Support utilisateurs et opérateurs

• 
  
• Support de niveau 2/3 pour les utilisateurs de la plateforme HPC
  
• Accompagnement des utilisateurs sur l’optimisation de leurs soumissions SLURM
  
• Participation aux réunions techniques et rédaction des comptes-rendus
  
• Rédaction de la documentation technique et des runbooks
  

4. Supervision et performance

• 
  
• Mise en place et maintenance des outils de supervision (Prometheus, Grafana)
  
• Analyse des performances GPU (utilisation, mémoire, température, bande passante NVLink)
  
• Optimisation des politiques d’ordonnancement selon la charge de la plateforme
  
• Gestion des incidents et participation aux astreintes selon planning
  

Descriptif du profil recherché (connaissances, compétences métier, compétences relationnelles)

Compétences techniques indispensables :

• 
  
• Solide maîtrise de Linux/Debian : administration système, packaging, systemd, réseau
  
• Expérience confirmée sur SLURM : configuration, partitions, GRES GPU, accounting
  
• Bonne connaissance de l’écosystème NVIDIA : drivers, CUDA, NVML, DCGM
  
• Maîtrise des outils d’automatisation : Ansible, Bash, Python
  
• Expérience sur les réseaux : Bonding, Vlan, routage
  

Compétences appréciées :

• 
  
• Connaissance de systèmes de fichiers distribués : Ceph, cephfs
  
• Pratique de la supervision avec Prometheus, Grafana, Alertmanager
  
• Notions de MPI (OpenMPI, MVAPICH2) et de librairies de calcul (cuBLAS, NCCL)
  
• Expérience avec des frameworks IA/ML : PyTorch, TensorFlow (usage sur HPC)
  

Qualités personnelles :

•