Taux journalier (TJM): 720 Dans le cadre de l'industrialisation de produits data et d'intelligence artificielle, l'entreprise souhaite renforcer son équipe Data & AI par un profil d'AI Engineer expérimenté. Ce renfort interviendra sur l'ensemble du cycle de vie des solutions de Machine Learning et d'IA générative, depuis la mise en place des environnements jusqu'à leur déploiement, leur supervision, leur optimisation et leur maintien en conditions opérationnelles. L'objectif est de proposer un profil immédiatement opérationnel, capable d'associer ingénierie logicielle, expertise cloud Azure, pratiques MLOps/LLMOps, automatisation de l'infrastructure, sécurité et maîtrise des coûts. Positionnement dans l'équipe L'AI Engineer rejoindra une équipe en mutation, orientée delivery et valeur métier, avec une forte culture de collaboration terrain inspirée des approches Forward Deployed Engineering (FDE). Il travaillera au quotidien avec : - un Architecte IA, garant de la cohérence des choix d'architecture et des standards - des Data Scientists, en charge de la conception et de l'évaluation des modèles et approches data/IA - un Product Owner IA, responsable de la priorisation, de la valeur et du pilotage du backlog - les équipes Data Platform, Cloud, Sécurité, Architecture, Développement et Métiers selon les cas d'usage - les équipes DSI pour accompagner la montée en compétence et le delivery Le prestataire devra adopter une posture de co-construction : comprendre rapidement un besoin, proposer une solution pragmatique, construire et déployer, mesurer le résultat, documenter et transférer les compétences aux autres équipes DSI. Objet de la prestation La mission s'inscrit dans une transformation visant à faire évoluer les initiatives IA d'une logique d'expérimentation vers une logique de produits industrialisés, gouvernés, mesurables et maintenables. L'enjeu est de raccourcir le passage du prototype à la production tout en garantissant la sécurité, la qualité, la traçabilité, l'observabilité, la réversibilité et la maîtrise des coûts. La stack cible est principalement orientée Microsoft Azure, avec appui sur des plateformes de données telles que Snowflake et sur des standards ouverts d'interopérabilité comme OSSIE et A2A. La mission couvre les cas d'usage de Machine Learning ainsi que les solutions d'IA générative : agents, RAG, skills, outils et orchestrations multi-agents. Missions et responsabilités 1. Plateforme IA et cloud Azure - Concevoir, déployer et administrer les ressources nécessaires aux produits IA sur Microsoft Azure et Microsoft Foundry - Industrialiser les services Azure, l'AI Gateway, les runtimes d'agents, les mécanismes de RAG, les API et les composants d'intégration - Mettre en œuvre les exigences d'identité, de rôles et accès, de gestion des secrets, de chiffrement, de journalisation, de réseau privé et de séparation des environnements - Contribuer aux architectures d'intégration avec les plateformes de données Snowflake ainsi qu'avec les API et systèmes transactionnels 2. Infrastructure as Code, CI/CD et automatisation - Décrire et versionner les infrastructures et configurations par Infrastructure as Code, prioritairement avec Bicep - Construire et maintenir des chaînes CI/CD pour le code applicatif, les modèles, les prompts, les configurations, les agents, les évaluations et l'infrastructure - Automatiser le provisionnement, les tests, les contrôles de sécurité, les promotions entre environnements, les déploiements et les mécanismes de retour arrière - Appliquer des standards d'ingénierie logicielle : Git, revue de code, gestion des dépendances, tests automatisés, packaging, conteneurisation et gestion des versions 3. MLOps et cycle de vie Machine Learning - Mettre en place et exploiter des pipelines reproductibles de préparation, entraînement, évaluation, validation, déploiement et supervision des modèles - Utiliser MLflow pour le suivi des expérimentations, le registre de modèles, la