Tech Lead IA - MLOps - Création d'IA Factory Gcp - Agentique H/F

L'ia Factory
Paris, France
2 days ago
Apply on www.hellowork.com
Prepare application

Role details

Contract type
Permanent contract
Employment type
Full-time (> 32 hours)
Experience level
Expert
Experience required
6 years minimum
Compensation
€85,000.0
Working hours
Regular working hours

Tech stack

Artificial Intelligence BigQuery Cloud Computing Python (Programming Language) Machine Learning Google Cloud Delivery Pipeline Large Language Models Generative AI Pytest Kubernetes Machine Learning Operations
+2 more
Terraform Docker

Job description

Rattaché(e) directement au Head of AI, vous serez la clé de voûte technique de la plateforme centrale. Vous arriverez au tout début de l’aventure pour poser la vision d’architecture, construire les socles de production et déployer les premiers systèmes agentiques complexes.

Vos missions principales (70-80 % Delivery / Architecture) :

  • Architecture & Delivery Cloud : Concevoir et déployer la plateforme cible 100 % Google Cloud Platform (Vertex AI, Cloud Run, BigQuery).
  • Systèmes Agentiques & GenAI : Architecturer des workflows agentiques autonomes complexes (LangGraph, MCP, Tool Calling, RAG avancé).
  • Industrialisation MLOps & LLMOps : Automatiser les pipelines CI/CD, structurer la traçabilité des modèles, le suivi de drift, FinOps et l’évaluation automatisée (Langfuse, Ragas).
  • Cadrage & Rigueur Métier : Arbitrer la faisabilité technique des besoins métiers via des benchmarks factuels pour éviter de développer des POCs non viables.
  • Mentorat & Qualité : Poser les standards de dev (clean code, PyTest, GitOps) et encadrer la qualité de livraison des développeurs.

Requirements

Profil recherchéFormation : Bac +5 issu(e) d’une grande École d’Ingénieur ou Master M2 spécialisé en Data Science, IA, Mathématiques ou Statistiques.Expérience : 6 à 10 ans d’expérience globale en ingénierie Software, Data et ML, dont une expérience probante en tant que Tech Lead.Théorie ML : Solide bagage théorique en Machine Learning classique et statistiques pour valider scientifiquement la qualité des modèles.Stack GCP & Code : Maîtrise éprouvée de l’écosystème GCP (Vertex AI, Cloud Run), de Python, Docker, Kubernetes et Terraform.GenAI / MLOps : Pratique concrète en production des frameworks agentiques (LangGraph, MCP) et des outils d’évaluation/observabilité LLM.Posture : Pragmaticien(ne), rigoureux(se) et affirmé(e), capable de recadrer une demande métier par des métriques et des chiffres., * Formation : Bac +5 issu(e) d’une grande École d’Ingénieur ou Master M2 spécialisé en Data Science, IA, Mathématiques ou Statistiques.

  • Expérience : 6 à 10 ans d’expérience globale en ingénierie Software, Data et ML, dont une expérience probante en tant que Tech Lead.
  • Théorie ML : Solide bagage théorique en Machine Learning classique et statistiques pour valider scientifiquement la qualité des modèles.
  • Stack GCP & Code : Maîtrise éprouvée de l’écosystème GCP (Vertex AI, Cloud Run), de Python, Docker, Kubernetes et Terraform.
  • GenAI / MLOps : Pratique concrète en production des frameworks agentiques (LangGraph, MCP) et des outils d’évaluation/observabilité LLM.
  • Posture : Pragmaticien(ne), rigoureux(se) et affirmé(e), capable de recadrer une demande métier par des métriques et des chiffres., Rigueur et méthode Python Terraform Statistiques Docker

Benefits & conditions

Salaire :85 000 € (Fixe)

About the company

Dans le cadre de la création from scratch de l’IA Factory d’un grand groupe spécialisé dans la Data à Paris, nous recherchons notre Tech Lead IA / MLOps.

Apply for this position

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

Apply on www.hellowork.com
Prepare application

Good distractions

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

2:08 min

Essential engineering roles in the generative AI space

Mary Grygleski Mary Grygleski · LIVE

2:30 min

Leveraging BigQuery ML for scalable SQL-based segmentation experiments

Julian Joseph · LIVE

2:07 min

Inspecting default bridge architectures and custom Docker networks

Oliver Seitz Oliver Seitz · World Congress 2025

3:05 min

Tagging and organizing execution scenarios with pytest markers

Florian Bruhin · World Congress 2021

2:44 min

Defining core roles and responsibilities in MLOps teams

Bas Geerdink · LIVE

3:27 min

Explaining query execution overhead and caching limitations in BigQuery

Adnan Rahic · JS Congress

Videos

See all

Related articles

See all