Infrastructure Ai Specialist (h/f)

Accenture est un leader mondial de services professionnels qui aide les grandes entreprises, les pouvoirs publics et les autres organisations à construire leur noyau numérique, à optimiser leurs opérations, à accélérer la croissance de leur chiffre d’affaires et à améliorer les services aux citoyens, créant ainsi une valeur tangible à grande vitesse et à grande échelle. Nous sommes une entreprise axée sur le talent et l’innovation, qui compte près de 779,000 personnes au service des clients dans plus de 120 pays. La technologie est aujourd’hui au cœur du changement, et nous sommes l’un des leaders mondiaux dans la conduite de ce changement, avec de solides relations avec notre écosystème.

Vos missions :

En tant que Junior Infrastructure AI Specialist :

vous évoluerez à l’intersection de l’ingénierie des plateformes (Platform Engineering) et de l’intelligence artificielle appliquée.

Vous contribuerez à l’intégration de capacités d’intelligence artificielle et de machine learning au sein des plateformes d’infrastructure et des opérations IT.

Vous participerez à la conception de pipelines MLOps, au déploiement de modèles d’IA et de machine learning sur des environnements cloud, ainsi qu’à l’utilisation de l’IA générative pour améliorer l’automatisation des infrastructures, l’observabilité et la fiabilité des services.

Ce poste tourné vers l’avenir vous positionnera au cœur de l’une des disciplines les plus stratégiques du marché technologique actuel.

Vous intégrerez une practice qui façonne la manière dont les infrastructures d’entreprise sont exploitées et pilotées à l’ère de l’intelligence artificielle.

VOTRE PROFIL

Compétences requises (Must Have)

Maîtrise de Python pour le traitement des données, le développement de modèles et l’automatisation de scripts.

Bonne compréhension des concepts et frameworks de Machine Learning (TensorFlow, PyTorch, scikit-learn).

Connaissance opérationnelle des services IA/ML dans le cloud (AWS SageMaker, Azure ML ou Vertex AI).

Compréhension des API REST, du format JSON et des principes d’intégration applicative permettant de connecter des agents IA aux applications d’entreprise et aux outils opérationnels.

Expérience avec Git, GitHub/GitLab et les pratiques collaboratives de développement logiciel.

Connaissance des concepts de qualité des données, de traçabilité des données (data lineage) et de gouvernance des données appliqués aux charges de travail IA et Machine Learning.

Compréhension des technologies de conteneurisation (Docker) et connaissances de base de Kubernetes pour le déploiement de charges de travail Machine Learning.

Familiarité avec les outils MLOps tels que MLflow, Weights & Biases ou des plateformes équivalentes de suivi et de gestion des expérimentations.

Connaissances de base des bases de données vectorielles (Pinecone, Weaviate, pgvector) et des architectures RAG (Retrieval-Augmented Generation).

Esprit analytique, capacité de résolution de problèmes et grande attention aux détails.

Maîtrise professionnelle du français (obligatoire) et de l’anglais (obligatoire).

Compétences appréciées (Nice to Have)

Expérience du fine-tuning de LLM ou de l’ingénierie de prompts appliquée à l’automatisation des infrastructures.

Connaissance des outils d’AIOps tels que Dynatrace, New Relic AI ou Datadog AI.

Familiarité avec les frameworks d’IA agentique tels que LangChain, AutoGen, CrewAI ou LlamaIndex.

Sensibilisation aux enjeux de protection des données, d’éthique de l’IA et de réduction des biais algorithmiques.

Connaissances de base en calcul distribué et en gestion des ressources GPU.

Familiarité avec les technologies de scripting et d’automatisation telles que PowerShell, Bash ou les frameworks d’automatisation Python.

Connaissance des technologies de recherche d’entreprise, des plateformes de gestion des connaissances et des solutions de traitement documentaire.

Familiarité avec la gestion du cycle de vie des prompts, les techniques de test de prompts et leur optimisation.

Certifications requises ou fortement souhaitées

AWS Certified Machine Learning – Specialty ;

Microsoft Certified: Azure AI Engineer Associate (AI-102) ;

Google Professional Machine Learning Engineer ;

TensorFlow Developer Certificate ;

DeepLearning.AI MLOps Specialization ;

Databricks Generative AI Fundamentals ou certification équivalente en IA générative ;

Certification en IA générative incluant le Prompt Engineering, les architectures RAG, les agents IA et les principes d’IA responsable.