Ingénieur IA ML Ops Expérimenté ? Sénior Gérer le portefeuille de cas d?usage d?IA (ML/deeplearning, IA Gen, agentique) pour un ou plusieurs départements. Être le référent IA auprès de vos différents interlocuteurs : chef de projets, développeurs, architectes, métiers, partenaires internes et externes. Accompagner les directions dans le cadrage de leurs cas d?usage et traduire les besoins métiers en spécifications techniques Contribuer à la modélisation de votre portefeuille de cas d?usage : * S?assurer que les modèles développés respectent les standards de performance, robustesse, explicabilité et conformité. Garantir que les modèles / cas d?usage développés soient parfaitement industrialisables. * Mettre en place les bonnes pratiques, méthodes de Feature Engineering et de validation des données. * Challenger les approches proposées par les Data Scientists. Piloter l?industrialisation et le déploiement des modèles IA Définir et appliquer le cadre ML Ops du groupe : reproductibilité, versioning, automatisation des tests, gouvernance des modèles Concevoir des architectures IA modulaires, en évaluant en amont ce qui a déjà été développé et en favorisant la mutualisation plutôt que le redéveloppement systématique. Travailler en collaboration étroite avec les autres directions IA pour harmoniser les choix technologiques et accélérer l?industrialisation. Construire et implémenter les pipelines, CI/CD, monitoring. S?assurer de la conformité avec les normes internes techniques et réglementaires (cadre normatif / IA act / RGPD). Garantir la qualité et la conformité Structurer et diffuser les bonnes pratiques : organisation du code / worflow Git, qualité et tests, ML Ops et reproductibilité (tracking, versioning, CI/CD, orchestration, infra as code, ?), sécurité, gouvernance et réutilisabilité, « definition of done », règles d?usage de GitHub Copilot Auditer et valider les modèles / cas d?usage développés. Garantir la qualité et la conformité des livrables avant mise en production. Etablir la traçabilité : documentation, métadonnées, suivi des performances. Être le point de contact technique privilégié pour les instances de validation. Encadrer et accompagner les juniors et les collaborateurs dans le domaine de l?IA. Organiser la montée en compétence progressive et objectivée des juniors. Jouer un rôle de pédagogue vis-à-vis des métiers pour vulgariser les concepts, les choix technologiques et assurer leur adhésion. Assurer une veille technologique active sur les outils, frameworks, et paradigmes IA. Proposer de nouvelles solutions / architectures adaptées aux besoins métiers. Usage Interne / Internal Use Anticiper les évolutions des réglementations et intégrer les enjeux de responsabilité de l?IA. Les principaux livrables attendus sont : Référentiel des bonnes pratiques Méthodes de Feature Engineering et de validation des données. Compte-rendus des différents ateliers et réunions Modèles et pipelines CI/CD Livrables attendus dans le cadre de l?assurance qualité Matrice des risques et plan de mitigation