ALTEN Mexico

Engineering and technology consulting services

DevOps AI Engineer

DevOps EngineeringConfirmed live in the last 24 hours

Full-timeBoulogne-Billancourt, France€55k - €80k /yr

About the Job

Requirements

A diploma from an engineering school or a Master’s degree (Bac+5) in Computer Science, Data Science, or Cloud Computing.
At least 8 years of experience deploying technical platforms, including at least 2 years working with data, AI, or GPU workloads, preferably in secure, distributed, and critical environments.
Prior experience providing technical leadership in an Agile team, including technical facilitation, backlog prioritization, and code review.
Must hold or be eligible to obtain Secret Défense clearance.
Experience deploying and managing data and AI workloads.
Advanced experience with containerization using Docker, Kubernetes, or OpenShift, and CI/CD using Jenkins, GitLab CI, Terraform, or Ansible.
Experience operating GPUs under Kubernetes or OpenShift, including NVIDIA GPU Operator, CUDA drivers, GPU sharing (MIG or time-slicing), and capacity sizing.
Experience deploying LLMs in production using vLLM, Triton, KServe, or OpenShift AI.
Experience working in air-gapped environments, including private registries such as Harbor or Artifactory, package and container-image mirrors, and model-weight management and transfer.
Experience securing platforms, including secrets management with Vault, identity and access management with Keycloak or SSO, Kubernetes hardening, container-image scanning, and GitOps deployment with ArgoCD.
In-depth knowledge of data-security and compliance best practices.
Experience with generative AI platforms and LLMs, model lifecycle tools such as MLflow or Dataiku, and workflow orchestration tools such as Airflow, Kubeflow, or Argo Workflows.
Experience operating vector databases such as OpenSearch or pgvector, including backup, scaling, and performance.
Experience with observability using Prometheus, Grafana, or Dynatrace, including LLM and GPU-specific metrics such as latency, token throughput, and DCGM exporter.

Responsibilities

Industrialize deployment of on-premise generative AI platforms in a secure, highly available environment using tools such as Terraform, Ansible, Jenkins, and GitLab CI.
Automate CI/CD deployment processes to enable continuous and reproducible integration of models and services.
Optimize data and AI workloads, including GPU allocation and sharing and autoscaling inference services, in collaboration with AI and Security teams.
Contribute to the platform’s technical architecture, incorporating security, compliance, and governance constraints.
Define best practices for deploying generative AI solutions and integrating them into the existing ecosystem.
Ensure platform resilience through high-availability solutions using Kubernetes, OpenShift, or Docker.
Develop and integrate managed services for end users while meeting security and compliance requirements.
Set up a model-access gateway such as LiteLLM, including routing, quotas, and tracking consumption by team.
Document offerings and services to facilitate adoption by technical and business teams.
Put solutions into production in collaboration with operations teams.
Maintain deployed AI platforms in operational condition, ensuring availability, performance, and security.
Monitor platforms using observability tools such as Dynatrace, Prometheus, and Grafana, tracking LLM metrics including response time, throughput, and GPU usage.
Manage incidents and participate in technical on-call rotations.
Provide technical leadership for a product within an Agile team, collaborating with the Technical Lead.
Participate in Agile ceremonies, including daily meetings, sprint reviews, and retrospectives, and contribute to the technical roadmap.
Take ownership of backlog items and prioritize technical tasks.
Present and demonstrate offerings and services to internal stakeholders.

Desired Qualifications

CKA or CKS certification, or Red Hat OpenShift certification.
Knowledge of self-hosted deployment of Mistral models.
Basic knowledge of GPU FinOps.

Description du poste

Missions principales :

1. Industrialisation et automatisation du déploiement

Industrialiser le déploiement de plateformes d’IA générative On-Premise dans un environnement sécurisé et hautement disponible, en utilisant des outils comme Terraform, Ansible, Jenkins et GitLab CI.
Automatiser les processus de déploiement (CI/CD) pour une intégration continue et reproductible des modèles et services.
Optimiser les workloads data et IA (allocation et partage des GPU, autoscaling des services d’inférence), en collaboration avec les équipes IA et Sécurité.

2. Conception et architecture de la plateforme

Contribuer à la conception de l’architecture technique de la plateforme, en intégrant les contraintes de sécurité, compliance et gouvernance.
Définir les bonnes pratiques pour le déploiement de solutions d’IA générative et leur intégration dans l’écosystème existant.
Garantir la résilience de la plateforme via des solutions de haute disponibilité (Kubernetes, OpenShift, Docker).

3. Mise en place de services managés

Développer et intégrer des services managés pour les utilisateurs finaux, en respectant les exigences de sécurité et de conformité.
Mettre en place une passerelle d’accès aux modèles (type LiteLLM) : routage, quotas, suivi de la consommation par équipe.
Documenter les offres et services pour faciliter leur adoption par les équipes techniques et métiers.
Assurer la mise en production des solutions, en collaboration avec les équipes d’exploitation.

4. Maintenance et exploitation en conditions opérationnelles

Maintenir en condition opérationnelle (MCO) les plateformes IA déployées, en garantissant leur disponibilité, performance et sécurité.
Surveiller les plateformes via des outils d’observabilité (Dynatrace, Prometheus, Grafana), en suivant les indicateurs propres aux LLM : temps de réponse, débit, utilisation des GPU.
Gérer les incidents et participer aux astreintes techniques.

5. Collaboration et leadership technique

Assurer le lead technique sur un produit au sein d’une équipe Agile, en collaboration avec le Responsable Technique.
Participer aux rituels Agile (daily meetings, sprint reviews, rétrospectives) et contribuer à la construction de la roadmap technique.
Prendre en charge les éléments du backlog et prioriser les tâches techniques.
Animer des présentations et démonstrations pour promouvoir les offres et services auprès des parties prenantes internes.

Qualifications

Profil recherché

Formation / Expérience

Diplômé d’une école d’ingénieurs ou titulaire d’un Master (Bac+5) en Informatique, Data Science, ou Cloud Computing.
Minimum 8 ans d’expérience en déploiement de plateformes techniques, dont au moins 2 ans sur des workloads data / IA ou GPU, idéalement dans des environnements sécurisés, distribués et critiques.
Première expérience de lead technique au sein d’une équipe Agile (animation technique, priorisation du backlog, revue de code).
Habilitation : Secret Défense (déjà habilité ou habilitable).

Compétences techniques

Maîtrise du déploiement et de la manipulation des workloads data/IA.
Expérience avancée en conteneurisation (Docker, Kubernetes, OpenShift) et CI/CD (Jenkins, GitLab CI, Terraform, Ansible).
Maîtrise de l’exploitation de GPU sous Kubernetes / OpenShift : NVIDIA GPU Operator, drivers CUDA, partage des GPU (MIG, time-slicing), dimensionnement des capacités.
Expérience de la mise à disposition de LLM en production (vLLM, Triton, KServe ou OpenShift AI).
Expérience en air-gapped environments : private registries (Harbor, Artifactory), package et container image mirrors, et model weight management et transfer.
Sécurisation de la plateforme : secrets management (Vault), identity et access management (Keycloak / SSO), Kubernetes hardening, et container image scanning. GitOps deployment avec ArgoCD.
Connaissance approfondie des bonnes pratiques en sécurité des données et conformité.
Expérience avec les plateformes d’IA générative (LLM), les outils de cycle de vie des modèles (MLflow, Dataiku) et d’orchestration de workflows (Airflow, Kubeflow ou Argo Workflows).
Exploitation des bases de données vectorielles (OpenSearch, pgvector) : sauvegarde, montée en charge, performance. Maîtrise de l’observabilité (Prometheus, Grafana, Dynatrace), y compris les métriques propres aux LLM et aux GPU (latence, débit en tokens, DCGM exporter).
Atouts appréciés : certifications CKA / CKS ou Red Hat OpenShift, connaissance du déploiement self-hosted des modèles Mistral, notions de FinOps GPU.

Informations supplémentaires

Environnement de Travail :

Lieu : Île-de-France
Type de contrat : CDI

Compensation: 55000 to 80000 (EUR) (YEARLY)

About the Company

ALTEN Mexico

Engineering and technology consulting services

ALTEN Mexico provides engineering and technology consulting services by supplying highly specialized engineers who embed within client teams to work on complex projects. The way it works is by offering a flexible pool of talent for research and development needs, allowing clients to access experts without committing to permanent hires. The company differentiates itself through a focus on embedded engineering consultants, serving sectors like telecommunications, aerospace, and information systems, and by expanding its reach via organic growth and acquisitions across Europe and globally. Its goal is to help clients access top engineering expertise efficiently while growing the business through deliberate geographic and service expansion.

Company size: Not listed
Company stage: IPO
Headquarters: Boulogne-Billancourt, France
Founded: 1988

Recently Posted Jobs

Explore more opportunities at ALTEN Mexico

See more jobs