> Markdown version of [/jobs/ext/4778170-ingenieur-infrastructure-ia-plateforme-d-inference-f-h](https://www.wearedevelopers.com/jobs/ext/4778170-ingenieur-infrastructure-ia-plateforme-d-inference-f-h). 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). --- # Ingénieur Infrastructure IA - Plateforme d'Inférence (F/H) - **Company:** Dassault Systèmes - **Location:** Vélizy-Villacoublay, France - **Experience:** Starter - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Cloud Computing, Code Review, Continuous Integration, Cursor, Distributed Systems, Python (Programming Language), Prometheus, Software Engineering, Performance Testing, GitHub Copilot, Pytorch, Large Language Models, Claude Code, Grafana, Distributed Inference, Git, Kubernetes, Information Technology, ONNX (Open Neural Network Exchange) Format, Triton Inference Server, Machine Learning Operations, Restful APIs, Docker, KServe - **Published:** November 19, 2026 - **Apply:** https://talentacquisition.3ds.com/careersection/qa/jobapply.ftl?job=550838&lang=en&src=CWS-10080 ## About the Role Vous êtes diplômé(e) d'une École d'ingénieurs ou d'un cursus universitaire en informatique, ingénierie logicielle, systèmes distribués, Cloud ou domaine équivalent, et disposez idéalement d'une première experience (stage et / ou apprentissage) dans ces domaines. Vous maîtrisez la conteneurisation (Docker) et avez une première pratique de Kubernetes. Vous maîtrisez Python et les pratiques courantes de développement logiciel (API REST, tests, revue de code, Git et CI/CD). Vous avez des connaissances générales en intelligence artificielle et en MLOps. Vous comprenez les enjeux du déploiement et de l'optimisation des modèles d'IA à grande échelle (performances, utilisation des ressources GPU, fiabilité). Vous êtes à l'aise en anglais professionnel, à l'écrit comme à l'oral. Atouts différenciants Une première expérience ou une familiarité avec un ou plusieurs des domaines suivants sera appréciée : * Moteurs de serving de modèles (vLLM, NVIDIA Triton Inference Server, Kserve)., Vous aimez comprendre comment fonctionnent les systèmes, diagnostiquer et résoudre des problèmes techniques. Rigoureux(euse) et curieux(euse), vous appréciez le travail en équipe, savez solliciter les autres lorsque c'est nécessaire et êtes ouvert(e) aux retours pour progresser. Vous souhaitez développer une expertise en infrastructures IA en travaillant sur des projets aux enjeux industriels concrets, au-delà de l'expérimentation. ## Description Nous recherchons un(e) jeune diplômé(e), idéalement avec une première expérience, pour rejoindre l'équipe en charge de cette plateforme. Vous contribuerez à son développement, à son optimisation et à son exploitation, à la croisée des infrastructures GPU, du cloud, des systèmes distribués et du génie logiciel. Poste en CDI, basé à Vélizy-Villacoublay (78), Vous travaillerez avec les ingénieurs de l'équipe et avec les équipes partenaires, notamment celles d'Outscale AI Factory. À cet effet, vous serez amené(e) à : * Intégrer de nouveaux modèles et les déployer sur Kubernetes (configuration, allocation des ressources GPU, mise à l'échelle). * Participer à l'intégration et à la qualification de moteurs d'inférence tels que vLLM ou NVIDIA Triton Inference Server. * Développer et maintenir les API et les composants de la plateforme d'inférence. * Contribuer à la mise en place de l'observabilité (disponibilité et performances des modèles, utilisation des ressources). * Réaliser des tests de performance et des benchmarks (latence, throughput, utilisation des GPU) et proposer des pistes d'optimisation. * Analyser les incidents liés au déploiement et à l'exploitation des modèles, et contribuer à leur résolution. * Contribuer à l'industrialisation de la plateforme (automatisation, CI/CD, tests, gestion des configurations, documentation). * Assurer une veille sur les moteurs de serving, les architectures d'inférence distribuée et l'écosystème des infrastructures IA., * Packaging et déploiement d'applications sur Kubernetes avec Helm. * Infrastructures GPU et concepts liés à l'inférence des LLM (batching, KV cache, quantization, parallélisme, optimisation latence/throughput). * Outils de monitoring et d'observabilité (Prometheus, Grafana, OpenTelemetry). * Frameworks et outils de gestion des modèles (PyTorch, ONNX, MLflow). * Développement logiciel assisté par l'IA (Cursor, Claude Code, GitHub Copilot ou équivalent). * Environnements industriels, réglementés ou de grande entreprise.