Ingénieur Systèmes

Nous recrutons un·e Ingénieur·e Systèmes & Opération Usine GPU afin de renforcer notre équipe AI Factory. OUTSCALE, marque de Dassault Systèmes, est un opérateur souverain et durable de l'Expérience en tant que Service qui offre à ses clients des environnements technologiques de confiance. Nous offrons des expériences uniques grâce au savoir-faire de nos équipes passionnées, qui se reflète notamment par la création de solutions de Business Expériences, le développement de notre propre orchestrateur Cloud, TINA OS, ou encore l'obtention de la qualification SecNumCloud. Vos missions - Déployer les couches logicielles, depuis les OS de base jusqu'aux couches d'abstraction de type hyperviseur de virtualisation, orchestrateur de container - Configurer les serveurs, des couches réseaux, en particulier du réseau Infiniband et des commutateurs Nvlink - Mettre en place les outils de supervision et de monitoring, en particulier : - La surveillance matérielle de l'usine à IA allant des moyens de refroidissement (CDU / échangeurs thermiques, identification des fuites d'eau), les moyens de calcul (serveurs), les équipements de communication réseau et fabric internes aux serveurs (Nvlink), les GPU (température, performance, utilisation) - La surveillance système pour toutes les couches logicielles de bas niveau - La surveillance des services qui seront définis - La surveillance de la disponibilité et de la performance du stockage - La surveillance des performances d'ensemble de bout-en-bout - La mise en place d'un cockpit de supervision permettant de visualiser de manière synthétique l'état de l'usine à GPU - La mise en place d'un dashboard management permettant de visualiser des éléments simplifiés à l'usage du management de l'entreprise et permettant de visualiser l'état de disponibilité des services et l'état des performances des services - Elaborer les dispositifs permettant l'automatisation des opérations, en particulier : - La mise à jour des composants logiciels - La relance / réparation (self-healing) des composants logiciels lorsque c'est faisable - L'isolation de GPU / noeuds / serveurs qui ne seraient plus en mesure d'exécuter des traitements - La relance des traitements sur un autre serveur lorsque cela est faisable au niveau applicatif - Elaborer les process de support, de gestion des incidents, de mise à jour des environnements (GPU / BIOS / NvSwitch / NIC) - Gérer la capacité avec identification en avance de phase des saturations, identifier les usages principaux et mettre en place les dashboards qui permettent la prise de décision sur les investissements à réaliser - Gérer la sécurité en relation avec les équipes Cyber Sécurité d'OUTSCALE - Gérer le réseau au sein des serveurs en relation avec les ingénieurs réseaux dédiés à l'AI Factory - Paramétrer les outils de management de l'usine à GPU - Paramétrer les accès au stockage, vérifier la performance d'accès au stockage pour l'ensemble des noeuds - Sauvegarder et restaurer les configurations qui permettent la relance de l'usine à GPU en cas de dysfonctionnement - Elaborer un plan de débordement afin d'utiliser une autre usine à GPU en cas de saturation - Elaborer un plan de secours permettant de redémarrer le service sur une autre usine à GPU en cas d'indisponibilité majeure - Assurer le support aux utilisateurs internes - Intégrer les nouveaux services développés par les équipes internes ou basés sur des solutions tierces (par exemple Nvidia) - Mettre en oeuvre les outils Nvidia Mission Control et Nvidia Run:ai - Mettre en place le métrique de coût (€/TFLOPS, €/VM, €/heure GPU) Stack technique - Administration système d'exploitation Linux (pas uniquement utilisateur) - Déploiement et opération de containers en particulier Docker et/ou Kubernetes - Déploiement et/ou administration d'infrastructure de supercalcul (HPC / High performance computing) - Administration réseau / connaissance de la stack IP / déploiement de réseaux Cisco / certification Cisco Cloud Expert AWS ou GCP ou Azure - Déploiement / administration d'hyperviseurs de virtualisation, ou de logiciels d'orchestration - Cloud Administration des outils de gestion d'infrastructure Nvidia : Mission Control et/ou Run:ai - L'une des certification suivante: Kubernetes CKA/CKS, Nvidia Certified, Cisco CCNP/CCIE, RedHat RHCE Votre profil - Diplômé·e d'un Master en ingénierie informatique, ou en commerce, vous possédez déjà une expérience professionnelle post diplôme minimum de 2 ans en tant que ingénieur systemes & operation Usine GPU - Vous parlez français et anglaIs couramment - Vous appréciez travailler en équipe et possédez un bon relationnel. - Rigoureux, autonome et réactif, vous êtes naturellement force de proposition. Nous rejoindre c'est aussi Intégrer une entreprise scientifique au coeur de l'innovation technologique, portée par une forte croissance depuis plus de 40 ans Principaux avantages et bénéfices : - Environnement multiculturel - Cadre de travail convivial axé sur le bien-être et la santé - Engagement en faveur de la diversité et de l'inclusion - Politique dynamique de développement de carrière : plan de formation, mobilités internes, etc.