Responsable du service Développement Data IA & Innovation

RAISON D’ÊTRE

Piloter et structurer le service Développement Data IA & Innovation afin de concevoir, industrialiser et délivrer des solutions d’intelligence artificielle et d’IA générative (LLM, RAG, agents, deep learning) alignées avec les priorités métiers, en garantissant qualité, sécurité, conformité et performance opérationnelle.

MISSIONS PRINCIPALES

• Définir la vision, la stratégie et la roadmap du service Développement Data IA & Innovation en cohérence avec la stratégie data et les priorités métier.

• Piloter la délivrance des projets IA/GenAI : de la priorisation des use cases à la production et à la mesure d’impact (ROI).

• Organiser et manager les plateaux Data IA & GenAI/RPA (recrutement, montée en compétences, suivi de performance, culture devops/ML/LLMOps).

• Garantir l’industrialisation, la qualité, la sécurité et la conformité (RGPD, auditabilité) des solutions développées.

• Mettre en place et superviser les bonnes pratiques MLOps/LLMOps, CI/CD, tests, monitoring et gestion des incidents.

• Assurer la maîtrise des coûts d’inférence et des ressources (GPU/TPU, cloud), optimisation et arbitrages techniques.

• Piloter les relations fournisseurs/partenaires technologiques et contribuer aux choix d’outillage (vector DB, orchestrateurs, plateformes ML).

• Favoriser l’innovation, la veille technologique et le transfert de savoir-faire vers les équipes métiers.

PRINCIPALES OBLIGATIONS ET RESPONSABILITES

• Définir et suivre la roadmap produit/technique du service ; aligner priorités avec Etude & Gouvernance Data et Exploitation Data IA.

• Coordonner et arbitrer les ressources pour les projets (estimation charges, planning, jalons, livrables).

• Revoir et valider les architectures techniques, standards de développement, sécurité et modèles de déploiement (k8s, conteneurs, microservices).

• Superviser la mise en place de pipelines de données, pipelines d’embeddings/indexation (FAISS, Milvus, Pinecone, Weaviate) et workflows RAG.

• Instaurer et suivre indicateurs de performance (SLA, latence, coût/mille requêtes, qualité du modèle, taux d’erreur/hallucinations).

• Déployer process MLOps/LLMOps : CI/CD modèles, tracking d’expériences, tests automatisés, monitoring dérive et alerting.

• Pilotage des activités de sécurité et conformité : classification des données, anonymisation, gestion des secrets, audits.

• Gérer les relations opérationnelles avec IT, sécurité, finance, juridiques et métiers ; préparer comités de pilotage et reporting.

• Encadrer et coacher les équipes des plateaux Data IA & GenIA

• Capitaliser les retours d’expérience et produire artefacts réutilisables : architectures de référence, playbooks prompt engineering, guides sécurité

COMPETENCES ET QUALITES NECESSAIRES 

1.    Compétences techniques :

• Maîtrise des concepts et technologies IA/GenAI : LLM, RAG, fine‑tuning, instruction tuning, agents, deep learning.

• Expérience des outils et frameworks : Python, PyTorch, TensorFlow, HuggingFace, LangChain / LlamaIndex / Haystack.

• Connaissance des vector DB (FAISS, Milvus, Pinecone, Weaviate) et des bonnes pratiques d’indexation/embeddings.

• Excellente compréhension des principes MLOps/LLMOps : CI/CD modèles, monitoring dérive, tests automatisés.

• Infrastructure & déploiement : Docker, Kubernetes, serveurs d’inférence (Triton, TorchServe, ONNX), gestion GPU/TPU, cloud (AWS/GCP/Azure).

• Sécurité & gouvernance : RGPD, gestion des données sensibles, contrôle d’accès, auditabilité.

• Capacités d’optimisation coûts/performances (quantization, batching, scaling).

• Langage de requête de base de données SQL

• Analyse des données et Big Data Hadoop

• Big Data Spark

• Langage R

• Python

• Administration de bases de données

• Data processing

• Data mining

• Data sampling

• Exploration de données

• Feature engineering

• Gérer des données quantitatives

• Partitionnement de données

• Storytelling.

2.    Compétences transverses :

• Leadership, capacité à animer et fédérer des équipes pluridisciplinaires.

• Sens du pilotage projet et prise de décision.

• Excellente communication et capacité à vulgariser des sujets techniques auprès des métiers.

• Orientation résultats et sens de l’industrialisation.

• Esprit d’innovation et curiosité technologique.

• Capacité d’analyse et rigueur.

• Compétences en négociation avec fournisseurs et partenaires

• Esprit critique

• Esprit de synthèse

• Travail en équipe

• Rigueur

QUALIFICATIONS ET EXPERIENCE

• Formation-type : Justifier de minimum un Bac+5 en Intelligence Artificielle, Informatique, Data Science, ou équivalent ;

• Expérience minimum : Justifier de minimum trois (03) ans d’expérience en data/IA dont au moins 1 à 2 ans en rôle de management d’équipes techniques et pilotage de projets d’industrialisation IA/GenAI.