Chef de projet Intégration DEVOPS & ML Engineer Cloud - Freelance (H/F)

💼 Offre d'emploi

Date de publication

27/10/2026

Dernière mise à jour

27/10/2026

Type de contrat

Profession libérale

Durée de travail

Expérience

Débutant accepté

Salaire brut

530 € par jour

Permis demandé

Aucune information

---

📍 Entreprise

---

Description de l'offre

Taux journalier (TJM): 530

CONTEXTE

Poste : Chef de projet Intégration, DEVOPS & ML Engineer Cloud. Au sein du Pôle Infrastructure Technique de la DSI, la squad IA / MLOps assure l'industrialisation, le déploiement, la sécurisation et le maintien en condition opérationnelle des solutions d'Intelligence Artificielle (Machine Learning, Computer Vision, GenAI/LLM) sur des environnements multi-cloud (AWS, Azure et GCP). Le prestataire interviendra à l'interface entre équipes Métier / Data Science et Infrastructure / Exploitation, en binôme technique avec une ingénieure ML/MLOps déjà en poste, pour assurer continuité de service et évolution de deux volets ML en production.

MISSIONS

*

Volet 1 - Cas d'usage ML sur AWS (Data Science appliquée & Serverless) :
Traitement de données opérationnelles à grande échelle, EDA sur données industrielles bruitées, conception et maintien d'algorithmes de rapprochement / matching spatio-temporel, traitements serverless et génération documentaire.
Environnement technique : Amazon SageMaker (training, inférence, pipelines, model registry), Amazon Bedrock (GenAI, RAG, Guardrails), Lambda, S3, Glue, Kinesis / Firehose, Athena, Comprehend / Textract, boto3 ; socles data ELK et BigQuery ; IaC Terraform.

*

Volet 2 - Cas d'usage MLOps sur Azure (Industrialisation de modèles) :
Industrialisation end-to-end (jeux de données versionnés, pipelines d'entraînement, gate d'évaluation, registre de modèles, déploiement blue/green, monitoring de drift), déploiement multi-sites et optimisation (architecture multi-sites, modèles RL / SAC).
Environnement technique : Azure Machine Learning (endpoints online/batch, pipelines, model registry, MLflow, data assets, blue/green, drift), Microsoft Fabric / OneLake, Azure DevOps, Azure AI (Azure OpenAI, AI Search, Cognitive Services), AKS, IaC Terraform / Bicep.

*

Objectifs : architectures cloud hybrides IA, pipelines CI/CD ML, modules Terraform documentés, conteneurisation, support N3 IA/Data, audits FinOps IA, sécurité et conformité des données.

*

Démarrage : ASAP

OUTILS & ENVIRONNEMENT

* Cloud & IA multi-cloud : AWS (Lambda, S3, Glue, SageMaker, Bedrock), Azure (Azure ML, Azure OpenAI, AI Search, Cognitive Services), GCP (notions)
* Data & Observabilité : ELK, BigQuery, Azure Monitor, Datadog, CloudWatch
* Infrastructure as Code & Conteneurs : Terraform (confirmé/avancé), ARM / Bicep (notions), Docker, Kubernetes (AKS / EKS)
* CI/CD & DevOps : Git, Azure Repos, Azure DevOps, GitLab CI
* Sécurité & Réseau : Private Endpoints, RBAC, KMS
* Autres outils : Microsoft Fabric, MLflow, Amazon Bedrock, Amazon SageMaker, Azure DevOps

CONDITIONS DE TRAVAIL

* Démarrage : ASAP
* Environnement multi-cloud (AWS, Azure, GCP)
* Collaboration en binôme technique avec une ingénieure ML/MLOps
* Poste au sein du Pôle Infrastructure Technique de la DSI

----------------------------------------

Abonnez-vous à la page NaxoTech sur LinkedIn pour découvrir nos offres régulières :
https://www.linkedin.com/company/naxotech (https://www.linkedin.com/company/naxotech)

1. Data Science appliquée (Avancé) : Python avancé, EDA, géomatching / rapprochement spatio-temporel, feature engineering, évaluation robuste, notions RL / SAC
2. MLOps & déploiement (Avancé) : CI/CD ML, gate d'évaluation, versioning data/modèles, model registry, stratégies inférence real-time/batch, blue/green, monitoring de drift, maîtrise Azure Machine Learning et Microsoft Fabric / OneLake
3. Cloud IA multi-cloud (Avancé AWS & Azure) : services AWS (Lambda, S3, Glue, SageMaker, Bedrock) ET Azure (Azure ML, Azure OpenAI, AI Search, Cognitive Services)
4. IaC, conteneurs & CI/CD (Confirmé à Avancé) : Terraform confirmé/avancé, notions ARM / Bicep ou CloudFormation ; Docker, Kubernetes (AKS / EKS) ; Git / Azure Repos, Azure DevOps et/ou GitLab CI
5. Data, réseau & observabilité (Confirmé) : ELK, BigQuery, Azure Monitor/Datadog/CloudWatch, réseau cloud, sécurité