Architecte Full Stack - Données/IA

Concevoir des architectures d'IA et d'apprentissage automatique de bout en bout en utilisant les services Azure (Azure ML, Cognitive Services, OpenAI, AKS, Event Hubs, Data Factory, Synapse).,Diriger la mise en œuvre de solutions GenAI et LLM, en assurant la conformité avec les normes de gouvernance, de sécurité et de gestion des risques des modèles (MRM) à l'échelle de la banque.,Définir des modèles d'architecture, des modèles de référence et des meilleures pratiques pour le développement et l'opérationnalisation de l'IA.,Collaborer avec les équipes d'ingénierie des données pour assurer des bases de données solides, y compris les magasins de fonctionnalités, les pipelines et les intégrations de données en temps réel.,Collaborer avec les équipes de sécurité, de risque, de conformité et de gouvernance du cloud pour s'assurer que les solutions d'IA répondent à toutes les exigences réglementaires et politiques.,Soutenir le déploiement de modèles, la surveillance, la gestion du cycle de vie et l'automatisation MLOps au sein d'Azure.,Assurer le leadership technique, le mentorat et la supervision architecturale des initiatives d'IA.,Plus de 7 ans d'expérience en architecture IA/ML, plateformes de données ou ingénierie cloud.,Connaissance pratique approfondie de l'écosystème Azure IA et ML.,Solide compréhension des architectures GenAI/LLM, des bases de données vectorielles, de l'ingénierie des invites (prompt engineering) et de la génération augmentée par récupération (RAG).,Expérience avec MLOps et la mise en production de modèles à grande échelle.,Capacité à travailler dans des environnements hautement réglementés et à appliquer les principes de sécurité, de conformité et de gouvernance.

Requis : Plus de 7 ans d'expérience en architecture IA/ML, plateformes de données ou ingénierie cloud.,Requis : Connaissance pratique approfondie de l'écosystème Azure IA et ML.,Requis : Solide compréhension des architectures GenAI/LLM, des bases de données vectorielles, de l'ingénierie des invites (prompt engineering) et de la génération augmentée par récupération (RAG).,Requis : Expérience avec MLOps et la mise en production de modèles à grande échelle.,Requis : Capacité à travailler dans des environnements hautement réglementés et à appliquer les principes de sécurité, de conformité et de gouvernance.,Atout : Expérience dans le secteur bancaire, les services financiers ou d'autres industries réglementées.,Atout : Familiarité avec les cadres de gestion des risques des modèles et les contrôles de gouvernance de l'IA.,Atout : Certifications Azure (par exemple, Azure Solutions Architect, Azure AI Engineer).

Capacité à travailler dans des environnements hautement réglementés.