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

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

Missions

• Assurer le rôle de référence technique sur les sujets ML/LLM (RAG, IA générative, agents, orchestration de workflows).
• Organiser des rituels techniques tels que des tech talks, BBL et sessions de partage de bonnes pratiques.
• Diffuser les standards d'architecture, de qualité de code et de sécurité.
• Participer activement aux revues de PR pour garantir la qualité logicielle (lisibilité, tests, performance, sécurité).
• Concevoir des solutions RAG incluant l'indexation, les vector stores, le retrieval et le re-ranking.
• Développer des agents et des workflows complexes avec gestion de contexte.
• Mettre en œuvre une architecture logicielle solide (microservices, event-driven, modularisation) adaptée à la production.
• Structurer et maintenir un socle technologique d'innovation (bibliothèques, templates, guidelines, exemples réutilisables).
• Mettre en place des pipelines CI/CD pour les modèles et services d'IA.
• Assurer le monitoring, l'observabilité, la gestion de dérive et le suivi de performance des modèles.
• Gérer le déploiement, le scaling et les ressources via Docker, Kubernetes et OpenShift.
• Contribuer à la mise en place d'un environnement Cloud cohérent avec les standards groupe.
• Optimiser la latence, le throughput, le coût et la consommation de ressources.
• Réaliser des benchmarks des modèles et des différents backends (LLM, embeddings, vector stores).
• Gérer l'authentification OIDC / OAuth 2.0 et l'intégration avec l'écosystème IAM.
• Veiller au respect des bonnes pratiques de sécurité, de confidentialité et d'IA responsable.
• Transformer les prototypes en produits industrialisés.
• Co-construire des API et services utilisables par les applications métiers.
• Vulgariser les solutions techniques auprès des métiers.
• Intégrer les solutions dans les processus d'aide à la décision.

Profil

• Formation supérieure en informatique ou discipline apparentée (école d'ingénieurs, université).
• Expériences significatives en industrialisation de modèles d'IA (ML & LLM) en production.
• Maîtrise de Python et des bonnes pratiques de Software Engineering.
• Maîtrise des approches BDD, TDD, des revues de code et du Clean Code.
• Connaissance des architectures logicielles (microservices, hexagonal, event-driven) et des design patterns.
• Maîtrise de LangChain et LangGraph.
• Expertise sur les problématiques RAG (indexation, retrieval, ranking, gestion du contexte).
• Maîtrise de Docker, Kubernetes et idéalement OpenShift.
• Maîtrise des environnements CI/CD et des pratiques DevOps (pipelines, monitoring, logging).
• Connaissance des protocoles OIDC et OAuth 2.0.
• Bonne culture MLOps / LLMOps et capacité à définir des bonnes pratiques d'entreprise.
• Forte orientation client.