INGÉNIEUR MLOps / LLMOps Senior (H/F) Bruxelles,
Gamme solutionsSaaS B2BPubliée il y a 1 semaine
~ 600 – 750 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Bruxelles, Belgique · Hybride
- Durée
- 6 mois
- Démarrage
- 11 novembre 2026
- Expérience
- Senior (6-10 ans)
- 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.
- 7 % des missions ingénieur ia de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Fine-tuning (14 missions), MLOps (114 missions), Machine Learning (136 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil senior (6-10 ans) · Comment ces repères sont calculés
La mission
Contexte de la mission
Nous recherchons un ingénieur expérimenté pour concevoir, déployer et maintenir des infrastructures de Machine Learning et de Large Language Models (LLM) dans des environnements hybrides, combinant infrastructures sur site (On-Premise) et Cloud.
Le consultant travaillera en étroite collaboration avec les Data Scientists et les développeurs Backend afin de mettre en œuvre des solutions de Machine Learning fiables, sécurisées, évolutives et adaptées à la production.
Responsabilités principales
Concevoir, développer et maintenir des infrastructures MLOps/LLMOps dédiées aux LLM. Déployer, tester, superviser et administrer des modèles de Machine Learning dans des environnements conteneurisés. Gérer l'ensemble du cycle de vie des LLM : préparation des données, fine-tuning, évaluation, déploiement et monitoring. Concevoir et maintenir des pipelines CI/CD et des solutions d'orchestration des workflows ML. Mettre en place des outils de versioning des données et des modèles. Automatiser la détection des anomalies et le suivi des performances. Optimiser les coûts et les performances des pipelines de Machine Learning. Garantir la fiabilité et la sécurité des infrastructures ML en environnement hybride.
Create CI/CD pipelines, orchestration solutions, and data versioning tools for ML workflows.
Implement automated anomaly detection, performance tracking, and cost-optimisation for ML pipelines.
Compétences attendues
Indispensables
- MLOps
- Machine Learning
- LLM
- Fine-tuning
- CI/CD

