Chargé(e) d’Exploitation Data/IA

RAISON D’ÊTRE

• Assurer l’exploitation, la maintenance, l’optimisation et l’évolution des solutions data et IA mises en production (models ML, services de scoring, assistants/agents GenAI, pipelines data).

• Garantir la performance, la disponibilité, la sécurité et la conformité des services tout en capitalisant sur les retours d’expérience pour améliorer continuellement les processus d’exploitation (DataOps / MLOps / IAOps / GenIAOps).

MISSIONS PRINCIPALES

• Assurer le monitoring, la maintenance et l’optimisation des cas d’usage data/IA en production.

• Gérer les incidents, les demandes d’évolution et le support utilisateur pour les services IA et data.

• Garantir la performance (latence, throughput), la disponibilité (SLA) et la sécurité des solutions déployées.

• Détecter et traiter la dérive (data & model drift), déclencher les workflows de ré‑entrainement ou rollback.

• Optimiser les coûts d’inférence et d’infrastructure (quantization, batching, scaling).

• Capitaliser sur les retours d’expérience et automatiser les bonnes pratiques (playbooks, runbooks, pipelines).

• Assurer la conformité (RGPD, logs, traçabilité) et la traçabilité des décisions modèles (explainability).

• Collaborer étroitement avec les équipes Data Engineering, DevOps, Sécurité, ML/GenAI, RPA et les métiers.

PRINCIPALES OBLIGATIONS ET RESPONSABILITES

• Développer et maintenir les pipelines CI/CD pour modèles (build, tests, validation, déploiement).

• Mettre en place et exploiter les outils de monitoring et observabilité : métriques (performance, latence), logs, traces, alerting (Prometheus, Grafana, ELK, Datadog…).

• Surveiller la qualité des données en production (profiling, anomalies) et déclencher actions automatisées / manuelles.

• Définir et opérer les process de détection de dérive et déclenchement de ré‑entrainement ou rollbacks.

• Gérer incidents (analyse RCA, mitigation, communication, post‑mortem) et garantir SLA.

• Optimiser les services d’inférence : mise en place de quantization, batching, autoscaling, adaptations pour edge/serveurs GPU/CPU.

• Administrer et superviser les modèles LLM/assistants via le portail Dinootoo (suivi prompts, logs conversationnels, politiques d’accès) et intégrations n8n pour orchestration.

• Maintenir registry modèles, artefacts, datasets (versionning) et pipelines reproductibles (MLflow, DVC, etc.).

• Rédiger et maintenir runbooks, playbooks d’exploitation, procédures de sécurité et documentation technique.

• Assurer le support utilisateur N2/N3, formation des opérateurs et handover pour le support métier.

• Capitaliser les retours (KPI, incidents, retours utilisateurs) et proposer améliorations continues