MLOps Engineer Dataiku - IA H/F

Iag France
Languedoc-Roussillon, France
7 days ago

Role details

Contract type
Permanent contract
Employment type
Full-time (> 32 hours)
Experience level
Expert
Experience required
5 years minimum
Working hours
Regular working hours

Tech stack

Artificial Intelligence Cloud Computing Continuous Integration Information Engineering DevOps Python (Programming Language) Machine Learning OpenShift Management of Software Versions WebKit Large Language Models Generative AI
+9 more
Gitlab Git Gitlab-ci Kubernetes Machine Learning Operations Dataiku Restful APIs Terraform Docker

Job description

Nous recherchons un(e) MLOps Engineer expérimenté(e) pour industrialiser le cycle de vie des solutions de machine learning et d’IA générative de la plateforme IAG. Vous jouerez un rôle central dans le passage des prototypes à l’échelle, en garantissant la reproductibilité, la performance, l’observabilité et la maîtrise des coûts des solutions déployées., En lien étroit avec les AI Engineers et les équipes AIOps, vous aurez pour responsabilités de :

  • concevoir, automatiser et maintenir les chaînes CI/CD nécessaires au déploiement des solutions IA et ML ;
  • industrialiser les développements issus des POC et accompagner leur passage en environnement de production ;
  • configurer et exploiter les fonctionnalités Dataiku nécessaires aux workflows, connecteurs et agents de la plateforme ;
  • mettre en place les mécanismes de versioning des données, du code, des modèles, des configurations et des environnements ;
  • automatiser les tests techniques, fonctionnels et de non-régression des pipelines de données et des composants IA ;
  • superviser la performance, la fiabilité et la dérive éventuelle des solutions déployées ;
  • optimiser les temps de traitement, les ressources de calcul et les coûts liés à l’utilisation des LLM et des infrastructures associées ;
  • contribuer à la conception des pipelines de préparation, contrôle qualité et mise à disposition des données ;
  • documenter les chaînes d’industrialisation, les procédures de déploiement et les standards d’exploitation ;
  • participer à la définition d’indicateurs de performance, de qualité et de gains associés aux cas d’usage IA.

Environnement technique

Dataiku DSS, Dataiku Workflow, Connectors et Agent Hub, Python, Git, GitLab CI/CD, Terraform, Kubernetes, OpenShift, Docker/Podman, Helm, API REST, PGVector, monitoring et environnements OnPrem / Cloud.

Requirements

Profil recherchéVous disposez d’au moins 5 ans d’expérience en Data Science, Data Engineering, DevOps ou MLOps, dont une expérience significative dans l’industrialisation de produits data ou IA. Le poste requiert un niveau d’expertise élevé, avec une capacité à proposer des choix d’architecture et à sécuriser leur mise en oeuvre.Vous maîtrisez impérativement :Python et les principes de développement de pipelines data et ML ;Git, GitLab et les mécanismes CI/CD ;les pratiques de déploiement, supervision et automatisation de solutions IA ;les environnements conteneurisés et les fondamentaux Kubernetes ;les enjeux de reproductibilité, de monitoring, de qualité et de sécurité des modèles.Une expérience approfondie de Dataiku est fortement attendue. Une certification Dataiku MLOps Practitioner, ou un niveau équivalent démontrable en mission, sera particulièrement valorisée. La connaissance de Terraform, de l’Infrastructure as Code, des bases vectorielles et des architectures RAG constitue un avantage différenciant.

Mais aussi…

Taux journalier :500.css-11k7fwb{display:inline-block;white-space:nowrap;vertical-align:middle;-webkit-padding-start:var(–chakra-space-1-5);padding-inline-start:var(–chakra-space-1-5);-webkit-padding-end:var(–chakra-space-1-5);padding-inline-end:var(–chakra-space-1-5);text-transform:none;font-size:var(–chakra-fontSizes-xs);border-radius:var(–chakra-radii-md);font-weight:var(–chakra-fontWeights-semibold);background:var(–chakra-colors-success-200);color:var(–chakra-colors-success-700);box-shadow:var(–badge-shadow);padding:4px 6px;–badge-bg:var(–chakra-colors-success-100);–badge-color:colors.success.800;}.chakra-ui-dark .css-11k7fwb:not([data-theme]),[data-theme=dark] .css-11k7fwb:not([data-theme]),.css-11k7fwb[data-theme=dark]{–badge-bg:rgba(226, 243, 232, 0.16);–badge-color:var(–chakra-colors-success-200);}Cette offre est à 0% de commission .css-74lrwu{width:1em;height:1em;line-height:1em;-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;color:currentColor;font-size:16px;display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;-webkit-transition:.1s ease-in-out color;transition:.1s ease-in-out color;}.css-74lrwu *{-webkit-transition:.1s ease-in-out fill;transition:.1s ease-in-out fill;fill:var(–chakra-colors-rythm-600);}, Vous disposez d’au moins 5 ans d’expérience en Data Science, Data Engineering, DevOps ou MLOps, dont une expérience significative dans l’industrialisation de produits data ou IA. Le poste requiert un niveau d’expertise élevé, avec une capacité à proposer des choix d’architecture et à sécuriser leur mise en oeuvre.

Vous maîtrisez impérativement :

  • Python et les principes de développement de pipelines data et ML ;
  • Git, GitLab et les mécanismes CI/CD ;
  • les pratiques de déploiement, supervision et automatisation de solutions IA ;
  • les environnements conteneurisés et les fondamentaux Kubernetes ;
  • les enjeux de reproductibilité, de monitoring, de qualité et de sécurité des modèles.

Une expérience approfondie de Dataiku est fortement attendue. Une certification Dataiku MLOps Practitioner, ou un niveau équivalent démontrable en mission, sera particulièrement valorisée. La connaissance de Terraform, de l’Infrastructure as Code, des bases vectorielles et des architectures RAG constitue un avantage différenciant.

EUR

Machine learning Intelligence artificielle Git Kubernetes Python Terraform API REST Docker

Apply for this position

This job is hosted externally. Click below to view the full posting and apply.

Apply on www.hellowork.com

Good distractions

Talks and stories from around this role — technically off-topic, practically not.

6:21 min

Investigating push inefficiencies with upstream Git experts

Jonathan Creamer · Coffee With Developers

2:07 min

Inspecting default bridge architectures and custom Docker networks

Oliver Seitz Oliver Seitz · WWC 2025

2:17 min

Mapping the maturity roadmap for scaled devops adoption

Dominik Krichbaum Dominik Krichbaum · WWC Europe 2026

1:34 min

Bringing diverse skills to industrial data science roles

Katja Träumner

56 sec

Favorite git commands and the importance of patch commits

Eileen Uchitelle Eileen Uchitelle +1 · Coffee With Developers

2:44 min

Defining core roles and responsibilities in MLOps teams

Bas Geerdink · LIVE

Videos

See all

Related articles

See all