MLOps

En quelques mots

Cherry Pick est à la recherche d’un « MLOps » pour un client dans le secteur des Transport 

Description📌 Descriptif de la mission

Dans le cadre du développement de son socle data & IA, une filiale du groupe dédiée à la réponse aux appels d’offres et à l’exploitation de réseaux de transport recherche un profil MLOps senior.

Objectif : construire une infrastructure robuste autour des cas d’usage IA (LLM & RAG) déjà identifiés.

Le consultant aura la responsabilité de mettre en place un socle technique permettant l’intégration de modèles LLM, la recherche documentaire intelligente, et l’exploitation des services IA cloud.

🎯 Objectifs & Livrables

Mettre en place une infrastructure MLOps complète (CI/CD, déploiement, monitoring)

Déployer des solutions RAG (retrieval augmented generation) sur des documents internes

Intégrer les briques LLM personnalisées via AWS Bedrock

Structurer l’usage des services IA d’AWS dans l’écosystème Data

Automatiser via Terraform l’ensemble de l’infra

Créer si besoin de petites apps web d’interface (ex : Streamlit)

🛠 Compétences Requises

Expertise technique (obligatoire) :

MLOps / CI-CD / déploiement de modèles IA

Expérience significative en projets LLM / RAG

Connaissance approfondie des services IA AWS (dont Bedrock)

Automatisation avec Terraform

5 ans minimum d’expérience sur ces sujets

En bonus :

Développement d’interfaces Streamlit ou équivalent

Profil indépendant ayant déjà construit une infra IA similaire

Mission

Développer et automatiser des produits et algorithmes Data (IA/Machine Learning) pour améliorer les décisions stratégiques au sein du périmètre marketing client.

Créer des pipelines de données robustes et garantir la qualité via des sondes et une cartographie détaillée des données (structurées et non structurées).

Mettre en œuvre des solutions de DataViz (PowerBI/Looker) pour fournir des insights exploitables et accompagner la stratégie Data du business.

Compétences techniques

Expertise en Python, Shell, CI/CD, Airflow, Dataflow, AppEngine, et FastAPI.

Maîtrise des outils GCP (BigQuery), Git/GitHub, et des solutions de visualisation (PowerBI/Looker).

Connaissance des méthodologies agiles (Scrum, Kanban) et des bonnes pratiques de gestion de données.

Expérience avérée dans l’industrialisation de modèles ML/IA à grande échelle et la mise en production de pipelines complexes.

Profil recherché

Machine Learning Engineer expérimenté avec un solide bagage en développement et en ingénierie ML.

Capacité à collaborer avec des Data Scientists et à traduire des besoins business en solutions ML performantes.

Vision stratégique équilibrant exploration et exploitation des techniques ML.

Compétences en coaching et mentorat pour partager les bonnes pratiques et accompagner la montée en compétence de l’équipe.

Anglais professionnel impératif.

Chez WheelOfWork, nous sommes convaincus que le monde du travail est en pleine révolution. Chaque année le nombre de consultants indépendants est de plus en plus important et va continuer à croître. Le premier objectif de WheelOfWork est de simplifier la vie quotidienne du freelance. Nous mettons en relation des consultants et des entreprises mais nous allons surtout beaucoup plus loin. Nous savons que le temps est précieux et qu’un talent en mission ne doit pas avoir à se soucier de sa gestion administrative ou de savoir s’il sera payé en temps et en heure. Nous avons développé en interne les outils nécessaires pour suivre vos contrats, facturation et l’ensemble de votre activité. Wheelofwork développe chaque jour son écosystème de partenaires pour vous faire profiter d’une expérience qui va plus loin que la simple prestation consultant / client.

Nous recherchons un MLOps Engineer hands-on pour un de nos client afin de déployer, gérer et sécuriser des modèles d’apprentissage automatique en production.

Tâches principales :

Automatisation des pipelines CI/CD pour l’intégration et le déploiement des modèles ML.

Déploiement des modèles en production avec Kubernetes, Docker, OpenShift.

Surveillance de la performance des modèles en utilisant des outils comme Grafana et Prometheus.

Gestion des versions des modèles et des données.

Optimisation continue des modèles en production.

Assurer la sécurité des données et des modèles (protection, gestion des accès, conformité RGPD).

Collaboration avec les équipes pour garantir une intégration fluide des modèles.

Expérience : Minimum 4-5 ans d’expérience dans le domaine MLOps, avec une forte expertise sur des outils comme Kubernetes, Docker, OpenShift.

Compétences requises :

Expérience solide en MLOps, Kubernetes, Docker, OpenShift.

Compétences en automatisation et gestion des pipelines CI/CD.

Connaissances en sécurité des données et des modèles ML.

Approche « hands-on » : gestion de bout en bout des projets MLOps.

Bonne connaissance des environnements On-premise

Modèle hybride avec 2 à 3 jours de présentiel.

Astreintes possibles.

Mission longue avec visibilité sur 2 ans.

TJM : En fonction de l’expérience, maximum 400 € par jour.