Architecte Plateforme IA / LLMOps
EMGS GROUPSaaS B2BPubliée hier
600 €/j
- Lieu
- Paris · Sur site
- Durée
- 6 mois
- Démarrage
- 13 octobre 2026
- Expérience
- Expert (10 ans et +)
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- Le TJM de cette mission se situe au-dessus de la médiane des 27 missions de votre métier et de votre séniorité de notre catalogue dont l'annonce publie un budget, dont la médiane est de 570 €/jour (moitié centrale : 400 à 615 €/jour).
- 135 missions ingénieur ia sont ouvertes à Paris en ce moment, sur 324 pour ce métier en France.
- 0 % des missions ingénieur ia de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : AI Act (8 missions), SRE (36 missions), MLOps (106 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil expert (10 ans et +) · Comment ces repères sont calculés
La mission
Contexte de la mission
Dans le cadre du développement et de l’industrialisation d’une plateforme d’Intelligence Artificielle, nous recherchons un Architecte Plateforme IA capable de concevoir, déployer et maintenir l’infrastructure logicielle et matérielle nécessaire au cycle de vie des modèles et services IA.
L’architecte fera le lien entre les équipes Machine Learning, Software Engineering et DevOps/SRE, en garantissant la performance, la sécurité, la scalabilité et la fiabilité de la plateforme.
Mission de 6 mois maximum, avec possibilité de pré-embauche.
Missions principales
Concevoir et industrialiser une plateforme IA capable de supporter des usages à grande échelle.
Définir et optimiser les architectures RAG (Retrieval-Augmented Generation) : Advanced RAG, Graph RAG et Agentic RAG.
Concevoir des architectures d’intégration de données expertes dans les modèles d’IA.
Mettre en place et optimiser les processus MLOps / LLMOps : déploiement, monitoring et gestion du cycle de vie des modèles.
Garantir la confidentialité et la sécurité des données, notamment dans le cadre du RGPD et de l’AI Act.
Piloter l’infrastructure Cloud et l’orchestration Kubernetes.
Optimiser la scalabilité, les performances et les coûts d’inférence des modèles IA (GPU/CPU, token management).
Participer à la mise en œuvre d’une plateforme répondant aux exigences de souveraineté numérique.
Compétences attendues
Indispensables
- Machine Learning
- SRE
- RAG
- MLOps
- RGPD
- AI Act
- Kubernetes