Tech Lead

Taux journalier (TJM): 620 1. Pilotage technique & leadership
* Assurer le rôle de référence technique sur les sujets ML/LLM (RAG, IA générative, agents, orchestration de workflows).
* Animer le chapter technique de l'équipe :
* Organisation de rituels (tech talks, BBL, sessions de partage de bonnes pratiques).
* Diffusion de standards d'architecture, de qualité de code et de sécurité.
* Participer activement aux revues de PR (Pull Requests) et garantir un niveau élevé de qualité logicielle (lisibilité, tests, performance, sécurité). 2. Conception & industrialisation des solutions IA
* Concevoir, développer et industrialiser des pipelines ML/LLM robustes et scalables :
* Solutions RAG (indexation, vector stores, retrieval, re-ranking).
* Agents et workflows complexes (orchestration, gestion de contexte)
* Mettre en œuvre une architecture logicielle solide, adaptée aux enjeux d'IA en production (patterns de microservices, event-driven, modularisation, etc.).
* Structurer et maintenir un socle technologique d'innovation autour de l'IA (bibliothèques, templates de projets, guidelines, exemples réutilisables). 3. MLOps / LLMOps & Cloud
* Définir et mettre en œuvre les pratiques MLOps / LLMOps :
* CI/CD pour modèles et services d'IA.
* Monitoring, observabilité, gestion de dérive, suivi de performance des modèles.
* Industrialiser les solutions sur des environnements containerisés :
* Docker, Kubernetes et OpenShift (déploiement, scaling, gestion des ressources).
* Contribuer à la mise en place d'un environnement Cloud cohérent avec les standards groupe. 4. Performance, sécurité & intégration
* Optimiser la performance des services IA :
* Latence, throughput, coût, consommation de ressources.
* Benchmark des modèles et des différents backends (LLM, embeddings, vector stores).
* Implémenter et/ou intégrer des mécanismes d'authentification et d'autorisation :
* OIDC / OAuth 2.0, gestion des tokens, intégration avec l'écosystème IAM.
* Veiller au respect des bonnes pratiques de sécurité, de confidentialité et d'IA responsable (gestion des données sensibles, traçabilité, explicabilité). 5. Accompagnement des Data Scientists & des métiers
* Travailler en étroite collaboration avec les Data Scientists pour :
* Transformer les prototypes en produits industrialisés.
* Co-construire des API et services utilisables par les applications métiers.
* Accompagner les équipes métier dans la compréhension et l'adoption des solutions IA :
* Vulgarisation des solutions.
* Intégration dans les processus d'aide à la décision.
* Formation supérieure en informatique ou discipline apparentée (école d'ingénieurs, université).
* Expériences significatives en industrialisation de modèles d'IA (ML & LLM) dans des environnements de production.
* Excellente maîtrise de :
* Python et les bonnes pratiques de Software Engineering.
* Approches BDD, TDD, revues de code, conception de Clean Code.
* Architectures logicielles (microservices, hexagonal, event-driven, etc.) et design patterns.
* Maîtrise indispensable de :
* LangChain, LangGraph.
* Problématiques RAG (indexation, retrieval, ranking, gestion du contexte).
* Pratique avancée de :
* Docker, Kubernetes et idéalement OpenShift.
* Environnements CI/CD et pratiques DevOps (pipelines d'intégration & déploiement, monitoring, logging).
* Connaissances solides des mécanismes d'authentification / autorisation :
* OIDC, OAuth 2.0.
* Bonne culture MLOps / LLMOps, avec participation à la définition de bonnes pratiques au sein de l'entreprise.
* Soft skills & posture
* Forte orientation client

Experience:
Débutant accepté