POSTE : Devsecops - Agentops Confirmé - Bordeaux H/F DESCRIPTION : DevSecOps / AgentOps Engineer Nous recherchons un DevSecOps / AgentOps Engineer pour intervenir sur une plateforme Data & AI cloud-native dédiée à l'industrialisation et à l'exploitation de cas d'usage Data, Machine Learning, GenAI et agents IA. Intégré au sein d'une équipe pluridisciplinaire Data et Agentic, vous prenez en charge l'industrialisation, le déploiement, l'observabilité, la sécurité et le run des composants de la plateforme et des workloads IA en production. Vos missions Vous intervenez notamment sur : * la conception, l'évolution et l'exploitation d'une plateforme basée sur Kubernetes ; * la conception et l'automatisation des chaînes CI/CD ; * la mise en oeuvre de pratiques GitOps ; * l'automatisation des infrastructures et des environnements via Infrastructure as Code ; * le déploiement et l'exploitation d'environnements cloud / multi-cloud ; * l'intégration de pratiques DevSecOps dans les pipelines de build, test et déploiement ; * la sécurisation des images, dépendances, secrets, APIs et workloads ; * l'industrialisation des pipelines Data, ML, GenAI et des agents IA ; * la gestion du monitoring, des logs, métriques et traces distribuées ; * le suivi de la performance, de la disponibilité et de la résilience de la plateforme ; * la sécurisation des environnements, des accès et des identités ; * l'amélioration continue des pratiques DevOps, DevSecOps, DataOps, MLOps et AgentOps. Environnement technique cible * Plateforme & orchestration : Kubernetes, Docker, Helm * CI/CD & GitOps : GitLab CI / GitHub Actions / Jenkins, Argo CD / Flux * Infrastructure as Code : Terraform, Ansible * Cloud : AWS, Azure, GCP ou environnements hybrides / multi-cloud * Observabilité : Prometheus, Grafana, OpenTelemetry, ELK / OpenSearch * Sécurité / DevSecOps : IAM, RBAC, Vault, Secrets Management, SAST, DAST, SCA, Container Security, Policy as Code * Data / ML / AI : Python, MLflow, pipelines ML, Model Serving, APIs, LLM, RAG, agents IA Ce que nous offrons Des projets concrets en Data & IA Un accompagnement dans votre montée en compétences Des formations et certifications sur les technologies Cloud, Data et IA PROFIL : Profil recherché * Nous recherchons un profil disposant de 5 années minimum d'expérience professionnelle hors stages et hors alternance. * Le candidat devra également justifier d'au moins 4 années d'expérience opérationnelle réelle et exploitable sur des missions directement pertinentes pour le poste, notamment autour du DevOps, DevSecOps, Platform Engineering, SRE, MLOps ou de l'industrialisation de plateformes Data & AI. * Les expériences purement académiques, de formation, de POC isolés ou sans mise en production ne seront pas considérées comme équivalentes à une expérience opérationnelle. Une expérience concrète en environnement de production est attendue, avec une exposition démontrable à des enjeux de : * disponibilité et résilience ; * exploitation et run ; * monitoring et observabilité ; * sécurité ; * gestion d'incidents ; * CI/CD et automatisation ; * déploiement de workloads conteneurisés ; * industrialisation de plateformes ou services Data / IA. Vous maîtrisez plusieurs des compétences suivantes : * Kubernetes en environnement de production ; * CI/CD et GitOps ; * Terraform / Infrastructure as Code ; * sécurité des pipelines et workloads ; * observabilité et monitoring ; * exploitation de plateformes distribuées ; * environnements cloud ou multi-cloud ; * IAM, RBAC et gestion des secrets ; * scripting Python / Bash ; * industrialisation de workloads Data ou Machine Learning. Une expérience sur des problématiques MLOps, LLMOps, GenAI ou AgentOps constitue un atout important. Le profil doit pouvoir démontrer une contribution réelle sur des environnements de production, et non uniquement une connaissance théorique ou une exposition ponctuelle aux technologies mentionnées. Orientation du rôle Dominante : Run / Observabilité / Sécurité / Industrialisation Le rôle intervient à l'interface entre Platform Engineering, DevOps, DevSecOps, MLOps et AgentOps avec un objectif clair : permettre aux équipes Data & AI de déployer rapidement leurs cas d'usage tout en garantissant leur sécurité, leur observabilité, leur résilience, leur maîtrise des coûts et leur exploitabilité en production.