Ia/machine learning engineer h/f (h/f)

Au sein des Fonctions Transverses de Bouygues Bâtiment IDF, nous recherchons un ou une IA/ML Engineer pour rejoindre la Direction Data & Digital qui accompagne l'entreprise dans sa transformation digitale.

Et le poste ?
Au sein de la Squad Data & IA, vous serez rattaché(e) à la Chief Data & IA Officer et vous travaillerez en collaboration avec les Data Engineers et Chef de projet Data/IA. Vous concevrez et déploierez des solutions d'Intelligence Artificielle et de Machine Learning pour les différentes filiales de Bouygues Bâtiment Ile de France.
Les missions sont concrètes :
Automatisation IA et développement d'Agents Intelligents
Concevoir et développer des Agents IA autonomes pour automatiser les processus métier complexes
Implémenter des solutions d'automatisation IA utilisant des frameworks modernes
Développer des systèmes multi-agents capables de collaborer sur des tâches spécialisées
Intégrer des capacités de Retrieval-Augmented Generation (RAG) pour enrichir les agents avec les données métier
Déploiement et Opérations (RUN) des projets IA
Garantir le déploiement et la mise en production des modèles IA/ML de l'équipe
Assurer le RUN opérationnel des solutions IA déployées avec monitoring et alerting
Implémenter la supervision des modèles (drift detection, performance monitoring, A/B testing)
Gérer les versions de modèles et orchestrer les déploiements automatisés
Optimiser les performances en production et résoudre les incidents techniques

MLOps et Gouvernance des Modèles
Choisir et concevoir l'infrastructure IA/ML adaptée aux besoins de performance et de scalabilité
Mettre en place et maintenir les pipelines MLOps pour l'automatisation du cycle de vie des modèles
Créer des solutions cloud-native utilisant les services managés
Implémenter l'Infrastructure as Code pour les environnements IA/ML
Optimiser les coûts et performances des infrastructures de calcul GPU/CPU
Architecture et Infrastructure IA/ML
Concevoir et maintenir les pipelines CI/CD/CT (Continuous Training) pour les modèles ML
Implémenter les pratiques MLOps : versioning de données et modèles, tests automatisés, déploiements blue/green
Assurer la qualité et gouvernance des modèles en production (explicabilité, fairness, sécurité)
Mettre en place les processus de validation et certification des modèles selon les standards de l'entreprise
Documenter et maintenir le registry des modèles avec leurs métadonnées et performances