> Markdown version of [/jobs/ext/3135180-mlops-engineer-h-f](https://www.wearedevelopers.com/jobs/ext/3135180-mlops-engineer-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# MLOps Engineer H/F

- **Company:** ADN Services
- **Location:** Levallois-Perret, France
- **Experience:** Experienced
- **Contract:** Permanent contract
- **Skills:** A/B Testing, Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Amazon Web Services, Microsoft Azure, Bash Shell, Cloud Computing, Databases, Continuous Integration, Data Security, DevOps, Github, Python (Programming Language), Machine Learning, Microsoft Software, Ansible, Prometheus, Azure Machine Learning, SonarQube, Google Cloud, Large Language Models, Grafana, Deep Learning, Generative AI, Infrastructure as Code (IaC), Git, Pytest, Containerization, Gitlab-ci, Kubernetes, Information Technology, Machine Learning Operations, Terraform, Docker, Servicenow, Microservices
- **Published:** September 29, 2026
- **Apply:** https://www.hellowork.com/fr-fr/emplois/83860606.html

## About the Role

Profil recherché & Compétences Formation & expérience :Diplômé·e d'une École d'Ingénieurs ou d'un Master 2 en Informatique / Data / IA (ou équivalent).Au moins 3 ans d'expérience professionnelle sur des projets de mise en production de modèles de ML ou d'IA Générative dans des écosystèmes Cloud / DevOps. Compétences techniques indispensables :Langages & Programmation : Maîtrise de Python 3 (avec usage d'outils de dev augmentés par l'IA) et pratique du scripting Bash/Shell.Écosystème MLOps & LLMOps : MLflow, Kubeflow, Airflow, DVC, Feast, LangChain/LlamaIndex, databases vectorielles (Pinecone, Qdrant, Chroma).Cloud Providers : Solide expérience sur au moins un Cloud majoritaire (AWS SageMaker / Bedrock, GCP Vertex AI, Azure Machine Learning / Azure OpenAI).Conteneurisation & Orchestration : Docker, Kubernetes (EKS, GKE, AKS) et gestion du provisioning GPU.DevOps & IaC : GitLab CI, GitHub Actions, Terraform, Ansible.Observabilité
& Quality : Prometheus, Grafana, Evidently AI, Pytest, Sonarqube. Qualités personnelles :Esprit de synthèse, rigueur d'ingénierie et autonomie.Excellente capacité de communication pour collaborer aussi bien avec les Data Scientists, les développeurs que les équipes d'Infrastructure.Passion pour l'innovation technologique et l'évolution rapide de l'écosystème IA. Atouts appréciés :Certifications MLOps / Machine Learning / Cloud (AWS Machine Learning Specialty, GCP ML Engineer, Azure AI Engineer).Expérience concrète sur des architectures de Fine-Tuning de LLMs, Quantization ou déploiement d'agents autonomes. ️ Pourquoi nous rejoindre ?Nous sommes une AI-Driven Company, partenaire des plus grands acteurs technologiques (Google, AWS, Microsoft, ServiceNow...) et composée d'un important collectif d'experts (50 tribus d'expertise).Avec 75% de nos collaborateurs certifiés dont 100% sur la GenAI, Devoteam s'impose comme une Learning Company, où l'apprentissage continu et, * Diplômé·e d'une École d'Ingénieurs ou d'un Master 2 en Informatique / Data / IA (ou équivalent).

 * Au moins 3 ans d'expérience professionnelle sur des projets de mise en production de modèles de ML ou d'IA Générative dans des écosystèmes Cloud / DevOps.

Compétences techniques indispensables :

 * Langages & Programmation : Maîtrise de Python 3 (avec usage d'outils de dev augmentés par l'IA) et pratique du scripting Bash/Shell.
 * Écosystème MLOps & LLMOps : MLflow, Kubeflow, Airflow, DVC, Feast, LangChain/LlamaIndex, databases vectorielles (Pinecone, Qdrant, Chroma).
 * Cloud Providers : Solide expérience sur au moins un Cloud majoritaire (AWS SageMaker / Bedrock, GCP Vertex AI, Azure Machine Learning / Azure OpenAI).
 * Conteneurisation & Orchestration : Docker, Kubernetes (EKS, GKE, AKS) et gestion du provisioning GPU.
 * DevOps & IaC : GitLab CI, GitHub Actions, Terraform, Ansible.
 * Observabilité & Quality : Prometheus, Grafana, Evidently AI, Pytest, Sonarqube.

Qualités personnelles :

 * Esprit de synthèse, rigueur d'ingénierie et autonomie.
 * Excellente capacité de communication pour collaborer aussi bien avec les Data Scientists, les développeurs que les équipes d'Infrastructure.
 * Passion pour l'innovation technologique et l'évolution rapide de l'écosystème IA.

Atouts appréciés :

 * Certifications MLOps / Machine Learning / Cloud (AWS Machine Learning Specialty, GCP ML Engineer, Azure AI Engineer).
 * Expérience concrète sur des architectures de Fine-Tuning de LLMs, Quantization ou déploiement d'agents autonomes., Ansible
Machine learning
Prometheus
Bash
Intelligence artificielle
Google cloud platform
Shell
A/B Testing
Grafana
Git
Kubernetes
Python
Autonomie
Terraform
SonarQube
Docker

## Description

En tant que MLOps / LLMOps Engineer, vous êtes le pont indispensable entre le monde de la Data / IA et celui des Opérations / Cloud. Votre rôle est d'industrialiser, automatiser et sécuriser l'ensemble du cycle de vie des modèles d'IA (Machine Learning traditionnel, Deep Learning et IA Générative / LLM) pour transformer les PoCs de nos clients grands comptes en solutions de production hautement disponibles et performantes.

Activités clés & Livrables

 - Industrialisation & Automatisation du Cycle de Vie IA (CI/CD/CT)

 - Concevoir et automatiser les pipelines d'intégration, de déploiement et d'entraînement continu (CI/CD/CT) pour les modèles de ML et d'IA Générative.
 - Standardiser le packaging, le versionnement (données, code, modèles) et le déploiement des briques d'IA (APIs, microservices, architectures RAG).
 - Mettre en place des stratégies de déploiement avancées (Canary, Blue/Green, A/B Testing) pour les microservices et modèles d'IA.
 - Infrastructure, Inférence & Scalabilité Cloud

 - Provisionner et faire évoluer les environnements de calcul et de déploiement (clusters Kubernetes, clusters GPU, frameworks de serving comme Triton, vLLM, Ray).
 - Automatiser la gestion de l'infrastructure via l'Infrastructure as Code (IaC) et l'intégration des pratiques DevOps aux sujets Data/IA.
 - Optimiser la latence d'inférence, le throughput et l'allocation des ressources matérielles critiques (GPU/NPU).
 - Observabilité, Gouvernance & FinOps IA

 - Mettre en place un monitoring complet en production : détection de dérive de données/modèles (Data/Model Drift), traçabilité des LLM (LangSmith, LangFuse, Phoenix).
 - Assurer la gouvernance, la sécurité des données, la gestion des accès et l'implémentation de garde-fous (Guardrails) pour l'IA générative.
 - Analyser et optimiser les coûts d'infrastructure liés à l'IA (consommation GPU, requêtage LLM, stockage vectoriel).


## Related Videos

- [Effective Machine Learning - Managing Complexity with MLOps](https://www.wearedevelopers.com/videos/185-effective-machine-learning-managing-complexity-with-mlops)
- [pytest: Simple, rapid and fun testing with Python](https://www.wearedevelopers.com/videos/213-pytest-simple-rapid-and-fun-testing-with-python)
- [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered)
- [How a Small Team Shrank a Microsoft Monorepo by 94%](https://www.wearedevelopers.com/videos/1236-how-a-small-team-shrank-a-microsoft-monorepo-by-94)
- [Automagic Configuration in Python](https://www.wearedevelopers.com/videos/363-automagic-configuration-in-python)
- [Docker build without Docker](https://www.wearedevelopers.com/videos/100114-docker-build-without-docker)

## Related Articles

- [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer)
- [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)
- [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production)
- [What Are Large Language Models?](https://www.wearedevelopers.com/magazine/304-what-are-large-language-models)
- [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development)
- [Got AI ideas but no money? Here are 10 free ways to level up your AI skills with Google Cloud](https://www.wearedevelopers.com/magazine/600-got-ai-ideas-but-no-money-here-are-10-free-ways-to-level-up-your-ai-skills-with-google-cloud)