Vous travaillerez dans le cadre du déploiement et de l'exploitation d'une AI Factory à très grande échelle, reposant sur plusieurs clusters. L'AI Factory s'appuie sur des architectures de stockage haute performance capables d'alimenter efficacement des clusters GPU NVL72, avec des exigences fortes en débit, latence et parallélisme I/O. Vous êtes en charge de l'architecture, de l'optimisation et de l'évolution des infrastructures réseaux, stockage, systèmes et GPU fabrics alimentant des charges IA critiques (training, fine-tuning, inference). L'environnement est international, hautement distribué (Europe, Amérique du Nord, Asie) et orienté performance extrême, faible latence et scalabilité horizontale. Architecture & design de la GPU Fabric : -Concevoir et faire évoluer des architectures réseau haut débit, faible latence, adaptées aux NVL72 et aux workloads IA massivement parallèles -Définir les topologies réseau (leaf-spine, fat-tree, dragonfly le cas échéant) pour : Interconnexion intra-NVL72, Scale-out multi-racks / multi-clusters -Sélectionner et valider les technologies : InfiniBand HDR / NDR, Ethernet Spectrum / RoCEv2, Dimensionner les fabrics pour des usages IA à très grande échelle (NCCL-heavy, all-reduce intensif) -Identifier et lever les goulots d'étranglement réseau, mémoire et CPU/GPU Stockage : -Concevoir des architectures end-to-end data -> réseau -> GPU -Veiller à ce que le storage ne soit pas un goulot d'étranglement pour les workloads IA distribués -Collaborer au design et à l'intégration de solutions de storage haute performance : Systèmes de fichiers parallèles (Lustre, GPFS / Spectrum Scale, BeeGFS), Object storage haute performance -Participer à l'optimisation des I/O data (accès concurrents, cache NVMe, burst buffers) -Assurer la cohérence GPU scheduling / accès data dans Kubernetes Intégration Kubernetes & workloads IA : -Concevoir l'intégration réseau de clusters GPU dans des environnements Kubernetes -Gérer l'exposition et l'isolation des interfaces RDMA : Device Plugin, Network Operator / CNI avancés -Garantir le bon fonctionnement des workloads conteneurisés IA : Training distribué, Jobs MPI / NCCL, Pipelines data / GPU