Tech Lead / Senior Machine Learning Engineer - Freelance (H/F)

À propos du poste

Taux journalier (TJM): 620

1. Pilotage technique & leadership

*

Assurer le rôle de référence technique sur les sujets ML/LLM (RAG, IA générative, agents, orchestration de workflows).

*

Animer le chapter technique de l'équipe :

*

Organisation de rituels (tech talks, BBL, sessions de partage de bonnes pratiques).

*

Diffusion de standards d'architecture, de qualité de code et de sécurité.

*

Participer activement aux revues de PR (Pull Requests) et garantir un niveau élevé de qualité logicielle (lisibilité, tests, performance, sécurité).

2. Conception & industrialisation des solutions IA

*

Concevoir, développer et industrialiser des pipelines ML/LLM robustes et scalables :

*

Solutions RAG (indexation, vector stores, retrieval, re-ranking).

*

Agents et workflows complexes (orchestration, gestion de contexte)

*

Mettre en œuvre une architecture logicielle solide, adaptée aux enjeux d'IA en production (patterns de microservices, event-driven, modularisation, etc.).

*

Structurer et maintenir un socle technologique d'innovation autour de l'IA (bibliothèques, templates de projets, guidelines, exemples réutilisables).

3. MLOps / LLMOps & Cloud

*

Définir et mettre en œuvre les pratiques MLOps / LLMOps :

*

CI/CD pour modèles et services d'IA.

*

Monitoring, observabilité, gestion de dérive, suivi de performance des modèles.

*

Industrialiser les solutions sur des environnements containerisés :

*

Docker, Kubernetes et OpenShift (déploiement, scaling, gestion des ressources).

*

Contribuer à la mise en place d'un environnement Cloud cohérent avec les standards groupe.

4. Performance, sécurité & intégration

*

Optimiser la performance des services IA :

*

Latence, throughput, coût, consommation de ressources.

*

Benchmark des modèles et des différents backends (LLM, embeddings, vector stores).

*

Implémenter et/ou intégrer des mécanismes d'authentification et d'autorisation :

*

OIDC / OAuth 2.0, gestion des tokens, intégration avec l'écosystème IAM.

*

Veiller au respect des bonnes pratiques de sécurité, de confidentialité et d'IA responsable (gestion des données sensibles, traçabilité, explicabilité).

5. Accompagnement des Data Scientists & des métiers

*

Travailler en étroite collaboration avec les Data Scientists pour :

*

Transformer les prototypes en produits industrialisés.

*

Co-construire des API et services utilisables par les applications métiers.

*

Accompagner les équipes métier dans la compréhension et l'adoption des solutions IA :

*

Vulgarisation des solutions.

*

Intégration dans les processus d'aide à la décision.

*

Formation supérieure en informatique ou discipline apparentée (école d'ingénieurs, université).

*

Expériences significatives en industrialisation de modèles d'IA (ML & LLM) dans des environnements de production.

*

Excellente maîtrise de :

*

Python et les bonnes pratiques de Software Engineering.

*

Approches BDD, TDD, revues de code, conception de Clean Code.

*

Architectures logicielles (microservices, hexagonal, event-driven, etc.) et design patterns.

*

Maîtrise indispensable de :

*

LangChain, LangGraph.

*

Problématiques RAG (indexation, retrieval, ranking, gestion du contexte).

*

Pratique avancée de :

*

Docker, Kubernetes et idéalement OpenShift.

*

Environnements CI/CD et pratiques DevOps (pipelines d'intégration & déploiement, monitoring, logging).

*

Connaissances solides des mécanismes d'authentification / autorisation :

*

OIDC, OAuth 2.0.

*

Bonne culture MLOps / LLMOps, avec participation à la définition de bonnes pratiques au sein de l'entreprise.

*

Soft skills & posture

*

Forte orientation client