TROUVE TES PROCHAINES MISSIONS FREELANCE ET PROPULSE TA CARRIÈRE !

* Coordonner des projets techniques * Développer et maintenir les solutions d'IAG dans un contexte XR * Animer des ateliers et former les utilisateurs et parties prenantes externes * Participer aux activités de l'équipe dans l'animation des Digitals Labs * Conduire le changement et accompagner les équipes dans l'appropriation des technologies XR et IAG sur leur cas d'usage industriels Environnement Technique : XR, Unity, C#, RAD, LLM, RAG, IA, Deep Learning Le poste est basé en périphérie de Metz (57). Dans le cadre de vos fonctions, une présence sur site à 100% est requise.

Industrialiser les déploiements * Construire ou adapter nos charts Helm et pipelines GitOps pour les clusters on-prem & cloud. * Automatiser la mise en production sans interruption de service. Assurer la résilience opérationnelle * Mettre en place une observabilité bout-en-bout : métriques Prometheus, logs Elastic, alertes SLO. * Écrire les runbooks de diagnostic et de rollback. Composer avec un environnement exigeant * Ferme GPU on-prem : capacités limitées * optimisation du scheduling et réduction des redémarrages de pods. * Air-gapped & sécurité renforcée : registres privés, Illumio, mTLS, scans d'images hors-ligne. Conduire la R&D GenAI * Packaging et autoscaling des moteurs d'inférence vLLM. * Gestion multi-LoRA : hot-swap d'adapters, benchmarks latence / coût., L'équipe GenAI est une équipe de la division de production AI & Innovation. 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) 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.

Vous serez responsable du développement de solutions basées sur l'Intelligence Artificielle afin de renforcer la sécurité de la production informatique et d'en optimiser les processus. Vous vous appuierez sur Python et les bibliothèques associées pour concevoir et déployer des modèles d'apprentissage automatique et des interfaces utilisateurs. Votre rôle Développement et déploiement de modèles IA · Développer et déployer des solutions basées sur l'IA en utilisant Python · Améliorer continuellement les outils en fonction des retours utilisateurs et de la connaissance des données Création d'interfaces utilisateurs · Concevoir des interfaces utilisateurs en utilisant Streamlit, Gradio, Flask, et d'autres frameworks pertinents Traitement des données et préparation des jeux d'essai · Mettre en œuvre des processus ETL (Extract Transform Load) pour gérer et transformer les données · Exploiter des bibliothèques telles que pandas et scikit-learn pour la manipulation des données et l'apprentissage automatique Collaboration avec les métiers · Collaborer avec les experts IA pour comprendre les exigences et adapter les outils en conséquence

Dans ce cadre, l'objectif de la PMO est de travailler conjointement avec l'ensemble des équipes contributrices à la planification et à la réalisation de la roadmap produit, afin de leur fournir le support nécessaire à : * L'harmonisation des méthodologies de gestion de projets/programmes, * L'automatisation et la standardisation des outils employés, * L'adaptation aux réalités métier de chacune des équipes contributrices. Dans un rôle hybride de PMO Technique / Développeur IA, vous intervenez et travaillez en étroite collaboration avec : * Les différents acteurs de la gestion de Roadmap et des projets qui la composent, * Les équipes techniques CIO (DSI) qui fournissent les outils de gestion du portefeuille de projets (gestion documentaire, ticketing, outils collaboratifs, etc.), * Le comité de gouvernance AI. Dans le cadre de votre mission, vous serez en charge de développer des agents intelligents de collecte, traitement et restitution de données projets, en automatisant le reporting et l?alerting. Vous devrez notamment : * Développer des connecteurs/API vers des outils internes (Excel, SharePoint, Jira, etc.), * Développer des scripts ou agents capables de traiter ces données (Python, etc.), déclencher des traitements, * Générer automatiquement des documents et tableaux de bord (Power BI, PDF, Excel) ainsi que des alertes (mail, webhook, etc.), * Documenter l'architecture, les manuels d?utilisation, les logs, les scripts et le référentiel de cas d?usage IA validés. Exemples de cas d'usage : * Détection de retard sur un jalon et génération d?un report projet basé sur certaines informations, * Génération récurrente (ou à la demande) de Roadmap et d?analyses capacitaires, avec comparaison, analyse de cohérence et alerting, * Analyse de la donnée du backlog ou de sa complétude et relance des owners.

Dans le cadre de projets IA de grande envergure, nous recherchons un Machine Learning Engineer confirmé pour assurer l?industrialisation et la production d?applications ML/IA, avec une forte composante MLOps & GCP. ? Déploiement & gestion de modèles ML en production ? Orchestration des pipelines de données ? Mise en place de CI/CD via GitHub Actions ? Développement d?APIs (FastAPI) & de WebApps (Streamlit) ? Monitoring des applications et intégration dans les produits métiers ? Support à l?usage de LLMs et outils LangChain

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.