Recrutement Kaydan Technology

Informations Générales

Missions Principales

• Automatiser les déploiements applicatifs et modèles IA
• Assurer la scalabilité, résilience, sécurité et la performance des systèmes de production
• Gérer les environnements cloud et conteneurs

Activités Techniques

• Concevoir et maintenir les pipelines MLOps end-to-end : entraînement, évaluation, packaging, déploiement et monitoring des modèles.
• Mettre en place et administrer les plateformes MLOps (MLflow, Kubeflow etc.).
• Automatiser les workflows de réentraînement des modèles (retraining pipelines) et assurer la gestion des versions (model registry).
• Implémenter le monitoring des modèles en production : détection du data drift, des concept drifts et des dégradations de performance.
• Optimiser la consommation cloud (coût/performance).
• Optimiser les coûts cloud pour les entraînements IA
• Contribuer à la définition des actions relatives à la gouvernance des données
• Collaborer avec les Data Scientists pour optimiser le passage des notebooks/scripts vers des solutions industrialisées et reproductibles.
• Concevoir, déployer et maintenir les infrastructures cloud (AWS, GCP, Azure) pour les workloads data & IA.
• Mettre en place et optimiser les pipelines CI/CD pour le code applicatif, les pipelines data et les modèles ML.
• Gérer l'infrastructure as Code (IaC) avec Terraform, Pulumi ou équivalent.
• Orchestrer les workloads conteneurisés via Kubernetes et Docker ; assurer la gestion des clusters.
• Garantir la haute disponibilité, la scalabilité et la résilience des environnements de production.
• Mettre en oeuvre les bonnes pratiques de sécurité DevSecOps : gestion des secrets, contrôle des accès (IAM), chiffrement, audit.
• Contribuer à la gouvernance des modèles IA : traçabilité, explicabilité, conformité réglementaire (RGPD, AI Act).
• Assurer la gestion des environnements (dev, staging, production) et la ségrégation des données sensibles.
• Participer aux audits de sécurité et aux revues d'architecture.
• Mettre en place des solutions d'observabilité complètes : logs, métriques, traces (ELK, Prometheus, Grafana etc...).
• Définir et suivre les SLAs des services data & IA en production.
• Automatiser la détection et la résolution des incidents (alerting, runbooks, on-call management).
• Conduire des post-mortems et piloter les plans d'amélioration continue de la fiabilité (SRE practices).
• Travailler en étroite collaboration avec les équipes Data Scientists, Data Engineers et développeurs applicatifs.
• Assurer une veille technologique continue sur les outils MLOps, DevOps et cloud-native.
• Former et accompagner les équipes sur les bonnes pratiques MLOps/DevOps.
• Contribuer à la définition de la roadmap technique et à l'évolution de la plateforme data & IA.

PROFIL RECHERCHÉ

Formation

• BAC+4/5 en Data Science, Informatique, Big data ou équivalent et justifiant d’au moins trois (3) années d’expérience dans un domaine d’activité pertinent.

Compétences techniques

• Python, Bash, SQL pour le traitement des données
• MLflow, Kubeflow pour administrer les modèles
• Docker, Kubernetes pour la gestion des conteneurs et environnements cloud
• Terraform pour l’infrastructure as code
• Services Cloud (Sagemaker, Vertex AI, AzureML) ou plateformes locales compatibles.
• Bases de données relationnelles et NoSQL (PostgreSQL, Oracle, SQL server, MongoDB etc..).
• Outils de Continuous integration & Continuous delivery (CI/CD) pour le déploiement des pipelines (GitHub, GitLab etc…)
• ELK, Prometheus, Grafana pour le monitoring

Qualités personnelles

• Rigueur, sens de l'organisation et respect des délais
• Discrétion et respect de la confidentialité des informations traitées
• Capacité à travailler en équipe et à rendre compte à la hiérarchie
• Curiosité intellectuelle et proactivité dans la veille réglementaire
• Sens des responsabilités et aptitude à gérer plusieurs dossiers simultanément