Les missions sont les suivantes :Assurer le maintien en conditions opérationnelles des infrastructures GPU et Kubernetes : supervision, mise à jour du GPU Operator, gestion des incidents et amélioration continue des plateformes. Déployer et exposer des solutions d'intelligence artificielle en production, notamment via le packaging de modèles avec vLLM, SGlang, llama.cpp ou des outils équivalents. Mettre en place et administrer des API sécurisées permettant l'accès aux modèles IA, en tenant compte des contraintes de performance, de disponibilité et de sécurité. Réaliser des travaux d'optimisation et de benchmark : analyse des performances, quantisation des modèles, suivi des indicateurs et reporting mensuel. Concevoir et maintenir des pipelines de fine-tuning et d'entraînement, en veillant à la traçabilité des expérimentations et à leur intégration dans les chaînes CI/CD. Contribuer à l'automatisation, à la fiabilisation et à l'industrialisation des déploiements IA, en lien avec les équipes infrastructure, DevOps, data et sécurité. Rédiger et maintenir la documentation technique, les procédures d'exploitation et les bonnes pratiques liées aux plateformes MLOps. Animer des ateliers internes, accompagner la montée en compétences des équipes et assurer une veille régulière sur les évolutions technologiques IA, MLOps et Cloud Native. Participer aux sujets de conformité et de sécurité : respect des référentiels ISO 27001/HDS, gestion des secrets, bonnes pratiques de sécurisation et contribution aux audits. Profil candidat: Le profil nécessaire : Issu d'une formation supérieure en informatique, vous justifiez d'une expérience sur des fonctions d'Ingénieur MLOps, DevOps, Cloud, Système ou Infrastructure. Vous disposez de compétences sur Kubernetes, Linux, les environnements GPU et les outils d'industrialisation CI/CD. Une connaissance des sujets IA, LLM, fine-tuning, exposition d'API, observabilité et sécurité constitue un réel atout. Rémunération brute annuelle selon profil, divers primes, etc.