Soors est une société spécialisée dans le recrutement et la chasse de têtes pour des postes de haut niveau dans divers secteurs d'activité. Nous nous engageons à fournir des services de qualité en mettant en relation des talents exceptionnels avec des entreprises innovantes. Nos valeurs sont l'intégrité, la passion et l'excellence. Le poste : Poste et missions : Notre client, un acteur majeur de [secteur à préciser : tech, énergie, retail, etc.], industrialise progressivement ses pipelines de traitement de données et de modèles d'IA. Dans ce cadre, il recherche un DevOps expérimenté, curieux et proactif, capable de consolider les environnements de CI/CD, de containerisation, de monitoring et de déploiement applicatif, avec une ouverture forte vers l'univers des pratiques MLOps. Responsabilités : - Automatiser et fiabiliser les pipelines de build, test et déploiement pour des microservices et des modules data - Participer à la sécurisation, l'observabilité et la scalabilité des environnements cloud - Mettre en place ou améliorer l'infrastructure d'accueil pour les modèles ML en production - Travailler en lien étroit avec les équipes data (data scientists, data engineers) pour garantir l'intégration fluide des modèles dans les chaînes CI/CD - Contribuer à la mise en place de pratiques MLOps (reproductibilité, déploiement versionné, monitoring modèle) - Être force de proposition sur les outils, standards et automatisations à mettre en place dans un contexte d'industrialisation progressive Environnement technique : - Cloud : AWS / GCP / Azure (selon projet) - Containerisation & Orchestration : Docker, Kubernetes, Helm - CI/CD : GitLab CI, Jenkins, ArgoCD, MLflow (formation possible) - Infrastructure as Code : Terraform, Ansible - Scripting / Dev : Python (bon niveau demandé), Bash - Monitoring : Prometheus, Grafana, ELK, Sentry - Data & ML Tools (exposés au projet) : MLflow, DVC, Airflow, Seldon, Kubeflow Profil recherché : Nous recherchons un DevOps avec 5+ ans d'expérience sur des environnements DevOps modernes. Expérience : - Solide maîtrise de Python et de l'automatisation de workflows - Bonne connaissance de Kubernetes, CI/CD, IAC et outils de monitoring - Curiosité pour les problématiques data/ML et volonté de monter en compétence sur les outils du monde MLOps Compétences : - Goût du travail en équipe, communication fluide avec des profils techniques variés - Une première exposition à un projet Data / ML est un plus mais non indispensable