Product Manager - ML & GenAI Foundations (AI Platform) - Freelance (H/F)
Posted Updated
Taux journalier (TJM): 500
Au sein de l'équipe AI Platform d'un grand groupe, le/la Product Manager sera garant(e) des fondations technologiques permettant d'accélérer et d'industrialiser les cas d'usage de Machine Learning classique et d'IA Générative à l'échelle de l'entreprise.
Le périmètre produit s'articule autour de deux piliers (évolutifs selon les priorités stratégiques) :
*
ML Foundations : industrialisation et templates de projets ML, environnements Databricks ML Runtime, traçabilité et cycle de vie des modèles (MLflow), gestion des ressources d'infrastructure spécialisées (GPUs, zone dédiée ML)
*
GenAI Foundations : accès et serving de LLMs à l'échelle de l'entreprise (intégration multi-cloud AWS Bedrock, GCP Vertex AI, Databricks Foundation Models), point d'accès unifié et sécurisé via AI Gateways, outils d'expérimentation rapide en self-service, gouvernance (sécurité, coûts, conformité, souveraineté des données)
Missions principales
*
Vision & stratégie : écrire et porter la vision produit des fondations ML & GenAI, en s'appuyant sur l'état de l'art du marché et les besoins utilisateurs
*
Roadmap & priorisation : co-construire la roadmap, prioriser le Product Backlog et animer le budget produit en binôme avec le leader technique
*
Représentation utilisateur : être la voix des Data Scientists et développeurs, traduire leurs enjeux en fonctionnalités
*
Adoption & accompagnement : faciliter l'adoption des outils (démos, documentation, guidelines de gouvernance, formations, retours d'expérience)
*
Valeur & impact : définir et piloter les KPIs de performance, stabilité, adoption et efficience des coûts des infrastructures IA
*
Synchronisation : travailler en synergie avec le Group Product Manager Data Factory et les autres piliers de la plateforme
*
Solide compréhension technique de l'écosystème IA/ML moderne (cycle de vie ML, fine-tuning/prompting, architectures LLM, gestion GPU, API Gateway, gouvernance)
*
Habitude d'interagir avec une population technique (Data Scientists, ML Engineers, Cloud Architects) tout en sachant vulgariser et prioriser par la valeur métier
*
Intégration naturelle des enjeux de scalabilité, sécurité, coûts (FinOps) et performance dans la roadmap
Au sein de l'équipe AI Platform d'un grand groupe, le/la Product Manager sera garant(e) des fondations technologiques permettant d'accélérer et d'industrialiser les cas d'usage de Machine Learning classique et d'IA Générative à l'échelle de l'entreprise.
Le périmètre produit s'articule autour de deux piliers (évolutifs selon les priorités stratégiques) :
*
ML Foundations : industrialisation et templates de projets ML, environnements Databricks ML Runtime, traçabilité et cycle de vie des modèles (MLflow), gestion des ressources d'infrastructure spécialisées (GPUs, zone dédiée ML)
*
GenAI Foundations : accès et serving de LLMs à l'échelle de l'entreprise (intégration multi-cloud AWS Bedrock, GCP Vertex AI, Databricks Foundation Models), point d'accès unifié et sécurisé via AI Gateways, outils d'expérimentation rapide en self-service, gouvernance (sécurité, coûts, conformité, souveraineté des données)
Missions principales
*
Vision & stratégie : écrire et porter la vision produit des fondations ML & GenAI, en s'appuyant sur l'état de l'art du marché et les besoins utilisateurs
*
Roadmap & priorisation : co-construire la roadmap, prioriser le Product Backlog et animer le budget produit en binôme avec le leader technique
*
Représentation utilisateur : être la voix des Data Scientists et développeurs, traduire leurs enjeux en fonctionnalités
*
Adoption & accompagnement : faciliter l'adoption des outils (démos, documentation, guidelines de gouvernance, formations, retours d'expérience)
*
Valeur & impact : définir et piloter les KPIs de performance, stabilité, adoption et efficience des coûts des infrastructures IA
*
Synchronisation : travailler en synergie avec le Group Product Manager Data Factory et les autres piliers de la plateforme
*
Solide compréhension technique de l'écosystème IA/ML moderne (cycle de vie ML, fine-tuning/prompting, architectures LLM, gestion GPU, API Gateway, gouvernance)
*
Habitude d'interagir avec une population technique (Data Scientists, ML Engineers, Cloud Architects) tout en sachant vulgariser et prioriser par la valeur métier
*
Intégration naturelle des enjeux de scalabilité, sécurité, coûts (FinOps) et performance dans la roadmap