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 :

Vous intervenez sur des projets de transformation alliant expertises métiers, technologies et usage avancé de l’intelligence artificielle.

Vous définirez la stratégie et piloterez la conception ainsi que le déploiement de capacités d’intelligence artificielle et d’IA générative intégrées aux plateformes d’infrastructure.

Vous concevrez des frameworks évolutifs de MLOps et GenAIOps, dirigerez des programmes d’observabilité et d’automatisation basés sur l’IA, et agirez en tant que référent technique pour l’intégration de l’IA au sein des infrastructures cloud.

Vous accompagnerez les clients dans la définition et la mise en œuvre de leurs feuilles de route de transformation des infrastructures pilotées par l’IA, contribuerez au développement commercial et accompagnerez la montée en compétences des spécialistes juniors au sein de la practice.

Compétences requises (obligatoires)

Expertise approfondie en Python, en frameworks de Machine Learning (PyTorch, TensorFlow) et en ingénierie ML en environnement de production.

Expérience avérée dans la conception et l’exploitation de plateformes MLOps et GenAIOps à l’échelle de l’entreprise.

Maîtrise des services Cloud IA/ML : AWS SageMaker, Azure Machine Learning, Google Vertex AI.

Expertise reconnue des architectures de LLM (Large Language Models), du RAG (Retrieval-Augmented Generation), du fine-tuning (LoRA, QLoRA) et de l’optimisation de l’inférence.

Solide expérience des frameworks d’IA agentique tels que LangChain, AutoGen, LlamaIndex et CrewAI.

Expérience avec les bases de données vectorielles (Pinecone, Weaviate, Chroma, pgvector) et les moteurs de recherche sémantique.

Compréhension approfondie de Kubernetes appliqué aux charges de travail IA : ordonnancement GPU, entraînement distribué et services d’inférence.

Bonne connaissance des opérations d’infrastructure d’entreprise, des services managés, des processus ITIL et des modèles de prestation de services opérationnels.

Expérience dans l’intégration de solutions d’IA avec des outils d’entreprise tels que ServiceNow, les plateformes de supervision, les outils ITSM, les solutions d’observabilité et les écosystèmes d’automatisation.

Expérience en observabilité de l’IA, gestion des prompts, supervision des modèles, frameworks d’évaluation et gestion des incidents en production.

Excellente maîtrise des enjeux liés à la sécurité de l’IA, à la gestion des identités, à la gouvernance des données et aux pratiques de déploiement sécurisé de l’IA.

Expérience de la gestion du cycle de vie des tokens, de l’optimisation de la consommation des modèles et de la gouvernance des coûts des plateformes d’IA (TokenOps / AI FinOps).

Expérience avec les approches Infrastructure as Code (IaC) telles que Terraform et Ansible, ainsi qu’avec l’automatisation des plateformes d’IA.

Connaissance des frameworks d’évaluation de l’IA, des mécanismes de garde-fous (guardrails), du routage de modèles et de l’ingénierie des prompts à grande échelle.

Bonne compréhension des principes d’éthique de l’IA, de gouvernance, d’IA responsable et des implications du Règlement européen sur l’IA (EU AI Act).

Capacité à promouvoir, avec diplomatie, l’IA comme levier de transformation pour l’ensemble de l’organisation, grâce à une communication adaptée, des cas d’usage inspirants et une démarche exemplaire. Être capable de porter et démontrer une vision d’architecture IA face aux défis métiers et technologiques.

Excellentes compétences en communication et en gestion des parties prenantes, y compris dans le cadre de présentations auprès de dirigeants (CxO).

Maîtrise courante du français (obligatoire) et niveau professionnel en anglais (obligatoire).

Compétences souhaitées (atouts)

Expérience avec les modèles d’IA multimodaux et la vision par ordinateur appliqués aux cas d’usage d’infrastructure.

Connaissance des techniques d’optimisation bas niveau (CUDA, Triton) pour l’accélération de l’inférence.

Familiarité avec les plateformes d’observabilité nativement enrichies par l’IA telles que Dynatrace Davis AI et Datadog Watchdog.

Contribution à des projets open source liés à l’IA ou au MLOps.

Expérience en Edge AI ou en Machine Learning alimenté par des capteurs IoT pour la supervision des infrastructures.

Expérience dans la conception et le développement d’agents IA intégrés aux écosystèmes d’entreprise et aux plateformes opérationnelles.

Certifications pertinentes

AWS Certified Machine Learning – Specialty

Microsoft Certified: Azure AI Engineer Associate (AI-102) ou Azure Data Scientist Associate (DP-100)

Google Professional Machine Learning Engineer

Certifications NVIDIA Deep Learning Institute (DLI)

Certified AI Governance Professional (CAIGP) ou certification équivalente en gouvernance et éthique de l’IA

Certification professionnelle indépendante des éditeurs en Intelligence Artificielle / IA Générative

ITIL 4 Foundation ou ITIL 4 Managing Professional (pour les environnements d’exploitation de services enrichis par l’IA)