Spécialiste senior en plateformes d’IA et MLOps

Rejoignez une nouvelle équipe basée à Montréal et contribuez à mettre en place les fondations technologiques nécessaires au déploiement et à l'exploitation fiables de solutions d'IA.

Dans le cadre de l'initiative Energy Intelligence, vous développerez l'infrastructure, les mécanismes d'automatisation, l'observabilité et les pratiques de gouvernance permettant de développer, d'évaluer, de publier et d'exploiter des modèles dans des environnements cloud, sur site, en périphérie ou déconnectés.

Vous développerez des services de plateforme réutilisables et en libre-service pour les spécialistes en IA et les équipes de développement produit.

En collaboration avec le Principal Azure Cloud Architect ainsi qu'avec les équipes de développement logiciel, de cybersécurité et d'IA responsable, vous contribuerez à établir des approches fiables et sécurisées pour gérer les modèles, les prompts, les artefacts, les environnements et les mises en production.

Ce rôle vous amènera à résoudre des défis complexes liés aux plateformes et au déploiement, tout en aidant les équipes à transformer leurs expérimentations en capacités fiables et exploitables au sein des produits.

Vous n'avez pas besoin d'avoir travaillé avec l'ensemble des environnements ou des technologies mentionnés.

Nous accordons avant tout de l'importance à votre expérience en automatisation, en développement logiciel et en MLOps, ainsi qu'à votre capacité à apprendre, à collaborer avec plusieurs disciplines et à évoluer dans un environnement technologique en constante transformation.

Ce que vous ferez


* Concevoir et maintenir des pipelines automatisés pour le développement, l'évaluation, le conditionnement, la publication et le déploiement des modèles.


* Permettre l'exécution fiable des modèles dans des environnements cloud, conteneurisés, sur site, en périphérie et déconnectés.


* Mettre en place des registres de modèles ainsi que des mécanismes de gestion des artefacts, de traçabilité, de gestion des versions et de contrôle des mises en production afin d'assurer un suivi cohérent tout au long du cycle de vie des modèles.


* Créer des environnements de développement et d'évaluation reproductibles afin d'assurer la cohérence des tests et des validations.


* Mettre en place la surveillance de la qualité des modèles, de la latence, de la disponibilité, de la consommation des ressources et des coûts.


* Automatiser l'analyse de sécurité, la gestion des dépendances, les tests et l'application des politiques dans les processus de développement et de déploiement des solutions d'IA.


* Mettre en œuvre des processus contrôlés pour faire passer les modèles et les prompts entre les environnements de développement, de test et de production.


* Prendre en charge les charges d'inférence sur GPU et CPU, puis optimiser la performance, l'utilisation des ressources et les coûts.


* ...