Dans le cadre de l?industrialisation de ses produits data et d?intelligence artificielle, notre client recherche un Senior AI Engineer capable de concevoir, déployer et faire évoluer des solutions d?IA en environnement Azure.
La mission se situe à la croisée de l?Azure AI, de l?IA générative, des agents et de Microsoft Copilot. L?objectif est d?accélérer le passage des prototypes à des solutions sécurisées, observables, maintenables et créatrices de valeur pour les métiers.
Vous rejoindrez une équipe Data & AI travaillant en étroite collaboration avec l?Architecte IA, les Data Scientists, le Product Owner IA ainsi que les équipes Cloud, Data, Sécurité, Architecture, DSI et Métiers.
Vos responsabilités
Concevoir et industrialiser des solutions Azure AIConcevoir des architectures basées sur Azure AI Foundry ou Microsoft Foundry, Azure OpenAI et Azure AI Search.
Développer et déployer des applications GenAI, des assistants, des agents et des solutions RAG.
Mettre en place des API et des composants d?intégration avec les systèmes métiers et les plateformes data.
Déployer les solutions via Azure Functions, Container Apps, AKS ou des services équivalents.
Gérer les environnements de développement, recette et production.
Développer des agents et des usages CopilotConcevoir des agents capables d?utiliser des outils, des APIs et des bases de connaissances.
Mettre en ?uvre des orchestrations multi-agents et des workflows agentiques.
Versionner et maintenir les prompts, modèles, embeddings, index et configurations.
Contribuer à des cas d?usage Microsoft Copilot, Copilot Studio ou Microsoft 365 Copilot.
Mettre en place les guardrails nécessaires : contrôle des outils, gestion des permissions, filtrage, protection contre les prompt injections et validation humaine.
Automatiser les déploiements et fiabiliser la productionConstruire et maintenir les pipelines CI/CD avec Azure DevOps, Azure Pipelines ou GitHub Actions.
Décrire et versionner l?infrastructure avec Bicep et/ou Terraform.
Mettre en ?uvre les tests automatisés, les contrôles de sécurité et les mécanismes de rollback.
Utiliser les pratiques de software engineering : Git, revue de code, packaging, Docker et gestion des dépendances.
Contribuer aux pratiques MLOps et LLMOps : MLflow ou équivalent, évaluation, versioning et promotion entre environnements.
Superviser, sécuriser et optimiserMettre en place l?observabilité des applications, agents, modèles et outils.
Suivre les traces, erreurs, latences, appels de modèles, consommation de tokens et coûts.
Configurer les mécanismes d?identité et de sécurité : Entra ID, RBAC, Key Vault, APIM, chiffrement et réseau privé.
Participer au suivi des coûts Azure et LLM et proposer des optimisations sur les modèles, quotas, cache et capacités.
Contribuer au diagnostic des incidents, au maintien en conditions opérationnelles et à la documentation des solutions.
Accompagner les équipesComprendre un besoin métier et le traduire en solution technique pragmatique.
Participer aux ateliers de cadrage et à la priorisation des sujets.
Documenter les architectures, choix techniques, procédures d?exploitation et limites connues.
Transférer les compétences aux équipes DSI et contribuer à la mise en place de standards réutilisables.
Profil candidat:
Vous justifiez d?une expérience significative en tant qu?AI Engineer, Azure AI Engineer, GenAI Engineer, AI Platform Engineer ou MLOps Engineer, avec des réalisations concrètes en production.
Vous êtes capable d?intervenir à la fois sur le développement, l?architecture, le cloud, la sécurité, le déploiement et l?exploitation. Vous savez avancer de manière pragmatique dans un contexte en transformation, sans perdre de vue la qualité et la maintenabilité.
Compétences attenduesAzure AI Foundry ou Microsoft Foundry, Azure OpenAI et Azure AI Search.
Python, APIs REST, FastAPI et développement backend.
RAG, embeddings, bases vectorielles, agents et tool calling.
LangGraph, LangChain, Semantic Kernel, AutoGen ou technologies similaires.
CI/CD avec Azure DevOps, Azure Pipelines ou GitHub Actions.
Bicep et/ou Terraform.
Docker et idéalement Kubernetes ou AKS.
MLOps/LLMOps, avec MLflow, Langfuse, LangSmith, RAGAS, DeepEval ou outils équivalents.
Sécurité Azure : Entra ID, RBAC, Key Vault, APIM, réseau et monitoring.
Snowflake, Databricks ou autre plateforme data moderne.
Atouts supplémentairesExpérience de Copilot Studio, Microsoft 365 Copilot ou Power Platform.
Connaissance de Dynamics 365, Salesforce ou d?autres environnements CRM.
Expérience sur MCP, A2A ou les architectures multi-agents.
Pratique du FinOps Azure et de l?optimisation des coûts LLM.
Expérience en grand compte ou dans un environnement réglementé.
Qualités professionnellesAutonomie, pragmatisme et orientation résultat.
Excellentes capacités de diagnostic, de résolution de problèmes et de priorisation.
Capacité à travailler dans un environnement en transformation.
Goût pour la co-construction, le partage et le transfert de compétences.
Capacité à faire émerger des standards sans ralentir le delivery.
Très bon relationnel avec les équipes techniques et métiers.
Français professionnel et anglais technique courant.
