Une/Un Responsable de l'ingénierie logicielle des produits data et IA (H/F)
Posted Updated 2
views
Summary
Engineering lead for ARCOM's (French audiovisual/digital regulator) data and AI products: design backend/service architectures, harden data-science prototypes into production components, operate containerized preprod/prod infrastructure, and choose ML model deployment (internal GPU, shared inference, external compute). Core stack: Python, SQL, Git, containers, CI/CD.
RESPONSABILITÉS :
-Concevoir l'architecture des applications, services et chaînes de traitement, et l'écrire en standards que la revue de code fait vivre.
-En développer les composants critiques : services communs, briques de déploiement.
-Configurer et exploiter les services conteneurisés en préproduction et production : routage, secrets, journaux, métriques, registre.
-Reprendre les prototypes des scientifiques et les durcir en composants testés, documentés et exploitables.
-Mettre en place avec le DSI la chaîne de publication : préproduction, production, registre d'images, versionnage.
-Choisir et mettre en œuvre les modes de déploiement des modèles : GPU interne, inférence mutualisée, calcul externe.
-Sécuriser la couche applicative (images, dépendances, secrets, exposition) dans le cadre fixé avec le DSI et le RSSI.
-Relire le code de l'équipe, cadrer les prestations externes, développer le harnais de reproductibilité et d'évaluation.
PROFIL RECHERCHÉ :
-Diplôme d'école d'ingénieurs ou master (Bac+5), au moins cinq ans de développement logiciel dont une expérience de référent technique ou tech lead.
-Python en production, SQL, conception d'API et architectures backend ; une application complète conçue, mise en production ou reprise.
-Git, conteneurs, tests automatisés, CI/CD ; mise en production de traitements de données ou de modèles ML.
-Compréhension des architectures d'inférence : mémoire GPU, latence, débit, batching, files d'exécution, disponibilité.
-Sécurité applicative, gestion des secrets, environnements à accès réseau contrôlé.
-Capacité à décider, documenter et faire respecter des choix techniques dans une équipe pluridisciplinaire.
-Goût du travail avec chercheurs, data scientists, juristes et agents métier ; anglais professionnel.
-LLM ou modèles multimodaux en production, traitement audiovisuel à grande échelle, Kubernetes ou GitOps seraient un plus.
-Concevoir l'architecture des applications, services et chaînes de traitement, et l'écrire en standards que la revue de code fait vivre.
-En développer les composants critiques : services communs, briques de déploiement.
-Configurer et exploiter les services conteneurisés en préproduction et production : routage, secrets, journaux, métriques, registre.
-Reprendre les prototypes des scientifiques et les durcir en composants testés, documentés et exploitables.
-Mettre en place avec le DSI la chaîne de publication : préproduction, production, registre d'images, versionnage.
-Choisir et mettre en œuvre les modes de déploiement des modèles : GPU interne, inférence mutualisée, calcul externe.
-Sécuriser la couche applicative (images, dépendances, secrets, exposition) dans le cadre fixé avec le DSI et le RSSI.
-Relire le code de l'équipe, cadrer les prestations externes, développer le harnais de reproductibilité et d'évaluation.
PROFIL RECHERCHÉ :
-Diplôme d'école d'ingénieurs ou master (Bac+5), au moins cinq ans de développement logiciel dont une expérience de référent technique ou tech lead.
-Python en production, SQL, conception d'API et architectures backend ; une application complète conçue, mise en production ou reprise.
-Git, conteneurs, tests automatisés, CI/CD ; mise en production de traitements de données ou de modèles ML.
-Compréhension des architectures d'inférence : mémoire GPU, latence, débit, batching, files d'exécution, disponibilité.
-Sécurité applicative, gestion des secrets, environnements à accès réseau contrôlé.
-Capacité à décider, documenter et faire respecter des choix techniques dans une équipe pluridisciplinaire.
-Goût du travail avec chercheurs, data scientists, juristes et agents métier ; anglais professionnel.
-LLM ou modèles multimodaux en production, traitement audiovisuel à grande échelle, Kubernetes ou GitOps seraient un plus.