Lead mlops python - spécialiste ia/rag (it) / freelance

Lead Développeur MLOps Python - Spécialiste IA/RAG

Cette mission s'adresse à des profils seniors ayant déjà industrialisé des solutions IA/RAG en production et maîtrisant les enjeux de passage à l'échelle. Profil avec un mindset sales: au-delà de ses compétences techniques, dispose d?un profil capable de s?imposer, de proposer des solutions, de prendre des initiatives, de mener des recherches et de tenir ses engagements.

Mission

Nous recherchons un Lead MLOPS Python pour industrialiser les développements IA/Data Science avec un focus sur les systèmes RAG (Retrieval-Augmented Generation) et les LLM.

Contexte

Les Data Scientists développent des solutions expérimentales (modèles, RAG, pipelines IA) que vous devrez transformer en solutions robustes déployables en production à grande échelle.

Responsabilités principales

Industrialisation des systèmes RAG/LLM :

Automatiser le processing de documents volumineux (ex: PDFs 250+ pages)


Mettre en place des pipelines de chunking et d'indexation automatiques


Gérer la montée en charge des bases de connaissances


Implémenter des métriques de monitoring pour détecter les dérives des modèles



Architecture & Scalabilité :

Concevoir des workflows complexes pour tâches longues (pipelines multi-étapes)


Déployer sur infrastructure cloud (Azure/AWS/GCP)


Containerisation avec Docker/Kubernetes


Mise en place de CI/CD spécialisés pour l'IA



Développement & Bonnes Pratiques :

Refactorisation du code Data Science selon les standards industriels


Injection de dépendances, programmation orientée objet


Tests automatisés, clean code, modularité


Gestion des dépendances et versioning des modèles



MLOps & Monitoring :

Supervision des performances des modèles en production


Détection du drift et mise en place d'alertes


Gestion des réentraînements automatiques


Tableaux de bord et métriques business



Profil recherchéCompétences techniques obligatoires :

Python expert (5 - 10+ ans d'expérience)


1 Expérience concrète avec RAG/LLM en production


Cloud computing (Azure/AWS/GCP) - déploiement à l'échelle


MLOps : pipelines ML, monitoring, drift detection


Architecture logicielle : design patterns, injection de dépendances, OOP


DevOps : Docker, Kubernetes, CI/CD



Compétences techniques souhaitées :

Frameworks : LangChain, Haystack, ChromaDB, Pinecone


Bases de données vectorielles


Streaming de données (Kafka, Pulsar)


Orchestration (Airflow, Prefect)



Soft skills :

Leadership technique : capacité à guider une équipe de Data Scientists


Pédagogie : transmission des bonnes pratiques


Autonomie sur des projets complexes


Mindset industrialisation : passage du POC à la production



Environnement technique

Stack : Python, FastAPI, SQLAlchemy, Pydantic


IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI


Cloud : Azure (priorité) / AWS / GCP


Orchestration : Kubernetes, Docker, Terraform


Monitoring : Prometheus, Grafana, MLflow


Méthodologie : Agile, TDD, Code Review



Exemple de cas d'usage concret

Un utilisateur upload un PDF de 250 pages. Le système doit automatiquement :

Découper le document en chunks optimaux


Indexer dans la base vectorielle


Permettre des requêtes précises ('dates des événements X')


Monitorer la qualité des réponses


Alerter en cas de dégradation



Votre rôle : Transformer le script Python du Data Scientist en solution industrielle, scalable et monitorée.

Modalités

Durée : 6-12 mois (renouvelable)


Format : Freelance/Régie


Localisation : Hybride (2-3 jours sur site)


Démarrage : ASAP



Profil du candidat

Profil recherchéCompétences techniques obligatoires :

Python expert ((5 - 10+ ans d'expérience)


Expérience concrète avec RAG/LLM en production


Cloud computing (Azure) - déploiement à l'échelle


MLOps : pipelines ML, monitoring, drift detection


Architecture logicielle : design patterns, injection de dépendances, OOP


DevOps : Docker, Kubernetes, CI/CD



Compétences techniques souhaitées :

Frameworks : LangChain, Haystack, ChromaDB, Pinecone


Bases de données vectorielles


Streaming de données (Kafka, Pulsar)


Orchestration (Airflow, Prefect)



Soft skills :

Leadership technique : capacité à guider une équipe de Data Scientists


Pédagogie : transmission des bonnes pratiques


Autonomie sur des projets complexes


Mindset industrialisation : passage du POC à la production



Environnement technique

Stack : Python, FastAPI, SQLAlchemy, Pydantic


IA/ML : PyTorch, Transformers, OpenAI API, Azure OpenAI


Cloud : Azure (priorité) / AWS / GCP


Orchestration : Kubernetes, Docker, Terraform


Monitoring : Prometheus, Grafana, MLflow


Méthodologie : Agile, TDD, Code Review



Description de l?entreprise

Pourquoi cette mission est unique

Cette opportunité vous permettra de façonner l'avenir de l'IA dans un contexte où vos décisions techniques auront un impact direct sur des millions d'utilisateurs. Vous ne serez pas un simple exécutant, mais un architecte de solutions qui influence la roadmap technologique.

Ce qui vous attend :

Autonomie technique : Liberté de choix sur les architectures et technologies


Visibilité : Présentation de vos réalisations au comité de direction


Impact business : Vos optimisations se traduisent directement en gains mesurables


Veille technologique : Accès privilégié aux betas Microsoft et APIs exclusives


Réseau professionnel : Collaboration avec des experts IA reconnus dans l'écosystème français



Vous évoluerez dans un environnement où l'excellence technique rencontre l'innovation business, avec le support d'une équipe qui croit en vos compétences et vous donne les moyens d'exprimer votre talent.

Modalités

Durée : 12 mois (renouvelable)


Format : Freelance/Régie


Localisation : Paris La Défense - Hybride (2 jours sur site / 3 jours remote)


Démarrage : ASAP





Profil candidat:
Python expert ((5 - 10+ ans d'expérience)


Expérience concrète avec RAG/LLM en production


Cloud computing (Azure) - déploiement à l'échelle


MLOps : pipelines ML, monitoring, drift detection


Architecture logicielle : design patterns, injection de dépendances, OOP


DevOps : Docker, Kubernetes, CI/CD