TROUVE TES PROCHAINES MISSIONS FREELANCE ET PROPULSE TA CARRIÈRE !

En tant que Lead Data Engineer, vous travaillerez au sein de l'équipe digitale « data et performance », en charge principalement de l'infrastructure data, et du traitement, de l'intégration et de la transformation de la donnée digitale d'Hermès (hermes.com). Vous serez aussi garant·e de sa qualité et sa sécurité et le respect de la vie privée liée à cette donnée. Vous serez rattaché·e au Data Manager et vous animez et pilotez une équipe de 2 Data Engineer au quotidien. Vous travaillerez principalement sur le Cloud de Google (GCP), mais aussi en partie sur le Cloud Amazon (AWS). Le respect de la vie privée étant au coeur de de votre travail, vous devrez être conscient des problématiques liées à la GDPR. Des connaissances sur les problématiques liées à l'e-Commerce sont un plus. Principales Activités : Industrialisation de l'infrastructure de la Data Platform sous GCP - Vous avez pour principale mission d'accompagner l'équipe Data et Performance dans l'industrialisation de sa plateforme data via : - Mise en place d'environnements dédiés et cloisonnés (Dev / Preprod / Production) - L'automatisation du déploiement et la maintenance des environnements via des outils d'infrastructure as code (Terraform) sous GCP - Mise en place de solutions d'observabilités (monitoring, alerting) au sein de GCP Manipulation/Transformation de données (en batch et stream) - Vous accompagnerez aussi l'équipe Data dans ses activités de transformation de données via : - Maintenance pipelines de données en python (batch et stream) - Des pipelines de transformation en SQL/SQLX dans l'outil DataForm (similaire à DBT) - Mise en place et maintenance d'un outil de data quality (ex : great expectations en python) - Aider au développement des workers dans les Cloud AWS pour récupérer la donnée depuis Kafka et l'envoyer vers PubSub dans GCP. - La connaissance de l'outil DataFlow (Apache Beam) est un plus. Collaboration avec les équipes du pole, centrée sur la donnée de qualité - Standardisation de la base de code de l'équipe (linting, CI/CD, divers tests - Maintien et réalisation de schémas d'architectures et documentation des processus internes - Collaboration avec les autres équipes du pôle Data : data analysts, SEO/SEA et emailing - Aider à la mise en place de bonnes pratiques : - Anonymisation et archivage de la donnée dans le respect du RGPD et de la politique interne du traitement de données - Sécurité de l'infra, de la data et du code

L'équipe GenAI est une équipe de la division de production AI & Innovation du groupe. Notre travail est de concevoir, industrialiser des d'API liées à l'IA générative clé-en-main pour l'ensemble des équipes IT du groupe qui en font la demande (LLM, Speech-To-Text, RAG, Agentic-AI) Environnement Technique Nous assurons l'ensemble du cycle : discovery * benchmark * fine-tuning (LoRA) * packaging Helm * déploiement K8s * MCO / support N3 - Plateformes : - On-premises : ferme de GPUs Nvidia, Red Hat Openshift, réseau air-gapped - Hybride avec IBM Cloud - Kubernetes & GPU - Inference : vLLM, Helm Chart - Fine-Tuning - CI/CD & GitOps : GitLab CI, ArgoCD, OpenShift - Observabilité : Prometheus / Grafana, Elastic, alertes SLO - Sécurité réseau : Illumio micro-segmentation, mTLS service mesh - Interface data science : Aujourd'hui Domino Data Lab ; migration prévue vers Red Hat OpenShift AI Composition de l'équipe L'équipe est aujourd'hui composée de 7 personnes : 5 côté devops et 2 côté design et mise en place des solutions IA…. Et continuera de se muscler considérant les objectifs du groupe sur la partie GenAI. Mission Nous lançons la co-construction d'assistants virtuels avec la division CPBS de BNPP (banque de détail). L'idée est de faire évoluer leurs bots pour les rendres plus précis grâce à l'IA. Plusieurs équipes de cette filiale ont lancé le projet, et l'idée est de mutualiser les approches. Nous recherchons une architecte solution (expert LLM/RAG) - pour fédérer ces projets. Votre mission : - Bâtir une cible technique unique (stack GenAI + services bancaires), poser des standards clairs (patterns d'archi, librairies, API, sécurité) et garantir la conformité cyber, data et réglementaire de cet assistant. - Concrètement, vous dessinerez le modèle d'architecture (front, orchestrateur, RAG, logging) et publierez des guidelines d'intégration - authentification, SSO, flux réseau Zero-Trust. - Vous constituerez un catalogue de composants réutilisables : moteur d'inférence partagé, connecteurs back-office, orchestrateur d'agents, monitoring conversationnel, avec versioning et distribution via Helm/Artifactory. - Vous piloterez un premier déploiement pilote : coaching de deux équipes CPBS jusqu'à la mise en production, rédaction du runbook, des SLO et de la matrice de conformité. - Côté sécurité, vous appliquerez micro-segmentation Illumio, mTLS, data-masking et vérifierez licences modèles / RGPD. - Enfin, vous animerez la "bot factory" : workshops mensuels, veille continue sur les nouveautés RAG et Agentic AI adaptées au monde bancaire, pour que chaque nouvelle équipe pioche dans la boîte à outils plutôt que de repartir de zéro. Votre profil * Architecte applicatif + IA : a déjà industrialisé un ou plusieurs chatbots/assistants LLM sur K8s. * Culture bancaire : connaît contraintes KYC, données sensibles, cycle de validation Risk/Compliance. * DevOps-friendly : GitOps, observabilité, Helm, OpenShift. * Pédagogue : transforme specs floues en patterns clairs, sait documenter et convaincre., Tech senior, visionnaire GenAI * Anticipe rôles / licences / HW, sait expliquer pourquoi tel modèle ou infra sera obsolète dans 6 mois. * Capable de répondre à des questions comme : * « Comment intégrer des Azure Containers parcellairement documentés dans notre cloud privé ? » * « Quelles briques Uber utilise-t-elle pour un RAG agentic à grande échelle, et lesquelles ré-emploierions-nous ? » Solide background "SRE / GitOps / Zero-Trust" * A déjà manœuvré des environnements bancaires ou équivalents (data residency, audits, régulation). * Confortable avec pipelines GitLab * Argo CD, mTLS, micro-segmentation et budgets GPU. Veilleur actif du marché IA * Suit en temps réel sorties modèles (Mistral, Llama-3, Gemini, etc.), frameworks (vLLM, RAGflow) et nouvelles HW (Grace Hopper, AMD MI300). * Identifie vite les limites licence, TCO, souveraineté. Force de proposition & pédagogie * Transforme des sujets « hard-core » en guidelines limpides pour DevOps / Risk / Métiers. * Produit doc carrée : one-pagers, ADR, runbooks, FAQ. Des soft skills de "goal volant" * Navigue entre archi, sécu et strategy sans rôle de manager. * Connecte les bonnes personnes, débloque, synthétise, fait avancer., Architecte Solutions IA GénérativeÀ propos de l'équipeNotre travail L'équipe GenAI est une équipe de la division de production AI & Innovation du groupe. Notre travail est de concevoir et industrialiser des services d'API liées à l'IA générative clé-en-main pour l'ensemble des équipes IT du groupe qui en font la demande (LLM, Speech-To-Text, RAG, Agentic-AI) Nous assurons l'ensemble du cycle DevSecOps : recherche de solutions éditeur et/ou Open à sélection (avec le sponsor) et contractualisation à assemblage, hardening, et intégration dans notre écosystème technique à mise en Prod, MCO, support utilisateur (IT Métier) & support Ops à gestion de la roadmap (avec le sponsor) (support Ops partagé avec l'équipe SRE de la plate-forme Kubernetes et avec une équipe d'astreinte externe) Environnement Technique Nous assurons l'ensemble du cycle : discovery * benchmark * fine-tuning (LoRA) * packaging Helm * déploiement K8s * MCO / support N3 * Plateformes : * On-premises : ferme de GPUs Nvidia, Red Hat Openshift, réseau air-gapped * Hybride avec IBM Cloud * Kubernetes & GPU * Inference : vLLM, Helm Chart * Fine-Tuning * CI/CD & GitOps : GitLab CI, ArgoCD, OpenShift * Observabilité : Prometheus / Grafana, Elastic, alertes SLO * Sécurité réseau : Illumio micro-segmentation, mTLS service mesh * Interface data science : Aujourd'hui Domino Data Lab ; migration prévue vers Red Hat OpenShift AI Composition de l'équipe L'équipe est aujourd'hui composée de 7 personnes : 5 côté devops et 2 côté design et mise en place des solutions IA…. Et continuera de se muscler considérant les objectifs du groupe sur la partie GenAI. Mission Nous cherchons un·e forme de tech-lead "goal volant" - pas manager ni PM, mais référent archi & vision GenAI - pour créer une plateforme GenAI multi-tenant (PaaS / SaaS) et accompagner chaque équipe métier dans son adoption. Vos axes clés 1. Designer l'architecture * Vue cible PaaS + SaaS, isolation des locataires, quotas GPU. * Documents de référence : ADR, schémas d'architecture. 2. Mettre en place et faire tourner la plateforme * Recommandations concrètes aux équipes Ops / Data. * Prise en compte systématique : cyber-sécu, compliance, réseau. 3. Servir les Métiers sans friction * Recueillir besoins techniques & fonctionnels. * Proposer l'intégration la plus simple (API, SDK, workflow). 4. Explorer et choisir les bonnes briques * Discovery & benchmark continus des solutions du marché. * Évaluer limites, licences et coûts avant d'intégrer. 5. Veille et arbitrage Build / Buy * Suivre les tendances GenAI, anticiper les obsolescences. * Prendre (ou faire prendre) les décisions justes, à temps. 6. Débloquer & connecter * Jouer l'interface entre IT, Sécurité, Risk, Métiers. * Lever les blocages techniques ou réglementaires, orienter les bonnes personnes. Objectif final : une plateforme GenAI robuste, sécurisée, adoptée et pérenne - avec vous comme point de passage obligé pour tout le Groupe.

Vous jouerez un rôle clé dans la gestion, la fiabilisation et l'exploitation des données, au service des équipes Data (Analystes, Scientists) et en coordination avec le Chief Data Officers. Missions principales : Garantir un accès fiable, sécurisé et qualitatif aux différentes sources de données. Maîtriser et fiabiliser l'usage des données : normalisation, référencement, structuration sémantique, qualification. Collaborer à la définition de la politique de la donnée et à la gestion de son cycle de vie, en conformité avec les réglementations (RGPD, etc.). Intervenir sur les systèmes applicatifs liés à la donnée : Big Data, IoT, Data Lake. Superviser l'intégration de données hétérogènes issues de multiples sources. Assurer la recette des données : contrôle qualité, suppression des doublons, validation, nettoyage. Produire une cartographie des données disponibles et participer à la création de référentiels.

Nous recherchons un Expert DLP Zscaler pour accompagner le déploiement et l'optimisation de notre solution de prévention des pertes de données (DLP) dans un environnement bancaire exigeant. Vos responsabilités incluront : * Déployer et configurer Zscaler DLP en conformité avec les réglementations bancaires (RGPD, Bâle III, etc.). * Intégrer la solution avec les infrastructures existantes (SIEM, IAM, proxies) et automatiser les workflows de sécurité. * Concevoir des politiques DLP sur mesure pour protéger les données sensibles (données clients, transactions, R&D). * Former et assister les équipes SOC et métiers sur les bonnes pratiques Zscaler. * Auditer et optimiser en continu les règles DLP pour répondre aux évolutions des cybermenaces.

Assurer la disponibilité des articles nécessaires à la production - Rechercher un numéro d'UM - Identifier le stock pour transfert de l'ancien au nouveau - Fournir des mises à jour quotidiennes sur l'état des approvisionnements - Saisie de marchandises - Identifier, suivre et résoudre les blocages tant sur les aspects physiques que documentaires - Garantir la cohérence entre les flux physiques et les flux d'information - Vérifier les données logistiques - Participer activement aux réunions de pilotage quotidiennes - Intervenir ponctuellement dans l'ERP pour résoudre des problèmes spécifiques, SAP SAP SuccessFactors Pilotage de la performance Gestion SIRH, En déposant votre mission, vous bénéficiez d'un matching efficace pour trouver le freelance correspondant à votre besoin. Je dépose une mission Bénéficiez d'une sécurité financière Ainsi que des avantages d'un salarié, soyez déchargé des tâches administratives grâce au portage salarial.

i. Mise en production fiable * Déploiement de modèles LLM à grande échelle * Versioning de modèles et rollback * A/B testing et shadow deployment ii. Monitoring post-déploiement * Suivi de la dérive des données ou des performances * Feedback loops et supervision humaine (RLHF / RLAIF) iii. Expérience utilisateur * Optimisation du temps de réponse * Contrôle du coût d'inférence * Design de produits LLM-friendly (chatbots, copilotes, etc.), i. Communication interdisciplinaire * Travailler avec data scientists, ingénieurs backend, juristes, PM, etc. ii. Veille technologique * Suivi actif des publications (ArXiv, Hugging Face, OpenAI, etc.) * Capacité à expérimenter et intégrer de nouvelles approches rapidement iii. Gestion de projet * Planification et exécution de projets LLM à long terme * Priorisation entre performance, coût, et éthique, v. RAG (Retrieval-Augmented Generation) * Intégration avec bases vectorielles (FAISS, Weaviate, Qdrant) * Construction de pipelines RAG efficaces vi. Sécurité et conformité * Détection d'aléas (jailbreaks, prompt injection) * Gestion des données sensibles (anonymisation, PII) * Conformité RGPD, audits des modèles