Lead MLOps Python

Lead Développeur MLOps Python - Spécialiste IA/RAG

Cette mission s'adresse à des profils seniors ayant déjà industrialisé des solutions IA/RAG en production et maîtrisant les enjeux de passage à l'échelle. Profil avec un mindset sales: au-delà de ses compétences techniques, dispose d?un profil capable de s?imposer, de proposer des solutions, de prendre des initiatives, de mener des recherches et de tenir ses engagements.

Mission

Nous recherchons un Lead MLOPS Python pour industrialiser les développements IA/Data Science avec un focus sur les systèmes RAG (Retrieval-Augmented Generation) et les LLM.

Contexte

Les Data Scientists développent des solutions expérimentales (modèles, RAG, pipelines IA) que vous devrez transformer en solutions robustes déployables en production à grande échelle.

Responsabilités principales

Industrialisation des systèmes RAG/LLM :

Automatiser le processing de documents volumineux (ex: PDFs 250+ pages)

Mettre en place des pipelines de chunking et d'indexation automatiques

Gérer la montée en charge des bases de connaissances

Implémenter des métriques de monitoring pour détecter les dérives des modèles

Architecture & Scalabilité :

Concevoir des workflows complexes pour tâches longues (pipelines multi-étapes)

Déployer sur infrastructure cloud (Azure/AWS/GCP)

Containerisation avec Docker/Kubernetes

Mise en place de CI/CD spécialisés pour l'IA

Développement & Bonnes Pratiques :

Refactorisation du code Data Science selon les standards industriels

Injection de dépendances, programmation orientée objet

Tests automatisés, clean code, modularité

Gestion des dépendances et versioning des modèles

MLOps & Monitoring :

Supervision des performances des modèles en production

Détection du drift et mise en place d'alertes

Gestion des réentraînements automatiques

Tableaux de bord et métriques business

Profil recherchéCompétences techniques obligatoires :

Python expert ans d'expérience)

1 Expérience concrète avec RAG/LLM en production

Cloud computing (Azure/AWS/GCP) - déploiement à l'échelle

MLOps : pipelines ML, monitoring, drift detection

Architecture logicielle : design patterns, injection de dépendances, OOP

DevOps : Docker, Kubernetes, CI/CD

Compétences techniques souhaitées :

Frameworks : LangChain, Haystack, ChromaDB, Pinecone

Bases de données vectorielles

Streaming de données (Kafka, Pulsar)

Orchestration (Airflow, Prefect)

Soft skills :

Leadership technique : capacité à guider une équipe de Data Scientists

Pédagogie : transmission des bonnes pratiques

Autonomie sur des projets complexes

Mindset industrialisation : passage du POC à la production

Environnement technique

Stack : Python, FastAPI, SQLAlchemy, Pydantic

IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI

Cloud : Azure (priorité) / AWS / GCP

Orchestration : Kubernetes, Docker, Terraform

Monitoring : Prometheus, Grafana, MLflow

Méthodologie : Agile, TDD, Code Review

Exemple de cas d'usage concret

"Un utilisateur upload un PDF de 250 pages. Le système doit automatiquement :

Découper le document en chunks optimaux

Indexer dans la base vectorielle

Permettre des requêtes précises ('dates des événements X')

Monitorer la qualité des réponses

Alerter en cas de dégradation"

Votre rôle : Transformer le script Python du Data Scientist en solution industrielle, scalable et monitorée.

Modalités

Durée : 6-12 mois (renouvelable)

Format : Freelance/Régie

Localisation : Hybride (2-3 jours sur site)

Démarrage : ASAP

Profil du candidat

Profil recherchéCompétences techniques obligatoires :

Python expert ans d'expérience)

Expérience concrète avec RAG/LLM en production

Cloud computing (Azure) - déploiement à l'échelle

MLOps : pipelines ML, monitoring, drift detection

Architecture logicielle : design patterns, injection de dépendances, OOP

DevOps : Docker, Kubernetes, CI/CD

Compétences techniques souhaitées :

Frameworks : LangChain, Haystack, ChromaDB, Pinecone

Bases de données vectorielles

Streaming de données (Kafka, Pulsar)

Orchestration (Airflow, Prefect)

Soft skills :

Leadership technique : capacité à guider une équipe de Data Scientists

Pédagogie : transmission des bonnes pratiques

Autonomie sur des projets complexes

Mindset industrialisation : passage du POC à la production

Environnement technique

Stack : Python, FastAPI, SQLAlchemy, Pydantic

IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI

Cloud : Azure (priorité) / AWS / GCP

Orchestration : Kubernetes, Docker, Terraform

Monitoring : Prometheus, Grafana, MLflow

Méthodologie : Agile, TDD, Code Review

Description de l?entreprise

Pourquoi cette mission est unique

Cette opportunité vous permettra de façonner l'avenir de l'IA dans un contexte où vos décisions techniques auront un impact direct sur des millions d'utilisateurs. Vous ne serez pas un simple exécutant, mais un architecte de solutions qui influence la roadmap technologique.

Ce qui vous attend :

Autonomie technique : Liberté de choix sur les architectures et technologies

Visibilité : Présentation de vos réalisations au comité de direction

Impact business : Vos optimisations se traduisent directement en gains mesurables

Veille technologique : Accès privilégié aux betas Microsoft et APIs exclusives

Réseau professionnel : Collaboration avec des experts IA reconnus dans l'écosystème français

Vous évoluerez dans un environnement où l'excellence technique rencontre l'innovation business, avec le support d'une équipe qui croit en vos compétences et vous donne les moyens d'exprimer votre talent.

Modalités

Durée : 12 mois (renouvelable)

Format : Freelance/Régie

Localisation : Paris La Défense - Hybride (2 jours sur site / 3 jours remote)

Démarrage : ASAP

Profil candidat:

Python expert ans d'expérience)

Expérience concrète avec RAG/LLM en production

Cloud computing (Azure) - déploiement à l'échelle

MLOps : pipelines ML, monitoring, drift detection

Architecture logicielle : design patterns, injection de dépendances, OOP

DevOps : Docker, Kubernetes, CI/CD