Ingénieur Devsecops H/F - Direction Interministérielle du Numérique (DINUM)

Mission :

Rattaché(e) au Responsable de produit Albert API au sein de la DINUM, vous rejoindrez une équipe pluridisciplinaire (développeurs, data scientists, DevOps) et serez au coeur de la mise en place et de l'évolution d'une infrastructure sécurisée, résiliente et performante pour le déploiement de services d'IA souverains à l'échelle interministérielle.

Activités principales:

1. Architecture et gestion de l'infrastructure d'IA souveraine

- Concevoir, déployer et maintenir l'infrastructure cloud souveraine d'Albert API (environnements GPU, clusters Kubernetes à l'échelle)
- Assurer l'intégration avec les infrastructures cloud privées et interministérielles, ainsi que les environnements de production des ministères
- Optimiser l'utilisation des ressources GPU et gérer les contraintes de coûts et de performance
- Garantir la haute disponibilité, la scalabilité et la résilience de la plateforme face à la montée en charge

2. MLOps et déploiement de modèles d'IA

- Mettre en oeuvre et automatiser les pipelines de déploiement de modèles de langage (LLM) et d'autres modèles d'IA
- Concevoir et opérer l'infrastructure de serving de modèles
- Implémenter des stratégies de déploiement progressif, de rollback et de gestion des versions de modèles

3. DevSecOps et sécurisation de la plateforme

- Implémenter et maintenir les pipelines CI/CD sécurisés en conformité avec les standards de l'État
- Mettre en oeuvre et maintenir les bonnes pratiques DevSecOps : gestion des secrets, contrôle d'accès, segmentation réseau, audits de sécurité
- Piloter les démarches d'homologation et de qualification des systèmes (RGS, ANSSI)
- Assurer la conformité RGPD et la traçabilité des traitements de données sensibles
- Réaliser des audits de sécurité et des tests d'intrusion réguliers

4. Observabilité, monitoring et performance

- Concevoir et déployer les outils de supervision de l'infrastructure et des services IA
- Mettre en place et améliorer des tableaux de bord et des alertes pour le monitoring des performances
- Assurer le suivi des métriques spécifiques aux modèles d'IA (qualité des réponses, coûts d'inférence)
- Gérer les incidents de production, diagnostiquer les problèmes et mettre en oeuvre les correctifs

5. Collaboration et amélioration continue

- Accompagner les équipes de développement dans l'adoption des bonnes pratiques DevSecOps
- Travailler en mode produit agile avec les équipes techniques et les parties prenantes interministérielles
- Assurer une veille technologique sur les évolutions des technologies cloud, Kubernetes, MLOps et sécurité
- Contribuer à la définition des standards techniques d'Albert API et à leur évolution
- Participer à la montée en compétences de l'équipe sur les sujets DevSecOps

- Formation d'ingénieur en informatique ou équivalent universitaire (Bac +5 minimum)

Savoirs

- Solide expérience en DevOps/DevSecOps et gestion d'infrastructures de production (au moins 3 ans)
- Bonne compréhension des principes de l'intelligence artificielle et des contraintes spécifiques au déploiement de modèles d'IA (GPU, latence, coûts)
- Connaissance approfondie des architectures cloud, de Kubernetes et des technologies de conteneurisation
- Familiarité avec les enjeux de sécurité, de souveraineté numérique et de conformité réglementaire dans le secteur public

Afficher la suite
Savoir-faire

- Maîtrise de Kubernetes en environnement de production (gestion de clusters, networking, storage, scaling)
- Expérience avec l'Infrastructure as Code et les pratiques GitOps
- Maîtrise des pipelines CI/CD (GitLab CI, GitHub Actions, ArgoCD ou équivalent)
- Compétences en scripting et automatisation (Python, Bash, Go)
- Expérience avec les outils de monitoring et d'observabilité
- Connaissance des bonnes pratiques de sécurité
- Compétence en gestion d'infrastructures GPU et optimisation des ressources de calcul
- Pratique des méthodologies agiles et du travail en équipe produit

Savoir-être

- Autonomie et capacité à gérer des projets complexes de bout en bout
- Sens du service public et engagement envers l'intérêt général
- Esprit d'équipe et capacité à collaborer avec des profils variés (data scientists, développeurs, architectes)
- Rigueur et sens de la responsabilité dans la gestion d'infrastructures critiques
- Capacité à travailler sous pression et à gérer les incidents de production
- Curiosité technique et appétence pour l'apprentissage continu
Pédagogie et capacité à transmettre les bonnes pratiques

Compétences valorisées (mais non obligatoires)

- Expérience avec des solutions de serving de modèles d'IA
- Connaissance des environnements cloud souverains français
- Expérience en MLOps et gestion du cycle de vie de modèles ML en production
- Expérience avec des outils d'orchestration de workflows (Airflow, Argo Workflows)
- Contribution à des projets open source dans l'écosystème cloud-native
- Expérience en environnement contraint et régulé (secteur public, santé, défense)