À propos
Soors est une entreprise de services spécialisée dans les solutions IT innovantes. Nous accompagnons nos clients dans leur transformation digitale en proposant des services adaptés à leurs besoins. Notre mission est de fournir des solutions de qualité pour optimiser les processus métiers et améliorer la performance des entreprises.
Le poste
Poste et missions :
Nous recherchons un DevOps expérimenté pour rejoindre notre équipe et contribuer à l'industrialisation des pipelines de données et de modèles d'IA.
Responsabilités :
- Automatiser et fiabiliser les pipelines de build, test et déploiement pour des microservices et des modules data.
- Participer à la sécurisation, l'observabilité et la scalabilité des environnements cloud.
- Mettre en place ou améliorer l'infrastructure d'accueil pour les modèles ML en production.
- Travailler en lien étroit avec les équipes data (data scientists, data engineers) pour garantir l'intégration fluide des modèles dans les chaînes CI/CD.
- Contribuer à la mise en place de pratiques MLOps (reproductibilité, déploiement versionné, monitoring modèle).
- Être force de proposition sur les outils, standards et automatisations à mettre en place dans un contexte d'industrialisation progressive.
Environnement :
- Cloud : AWS / GCP / Azure
- Containerisation & Orchestration : Docker, Kubernetes, Helm
- CI/CD : GitLab CI, Jenkins, ArgoCD, MLflow
- Infrastructure as Code : Terraform, Ansible
- Scripting / Dev : Python, Bash
- Monitoring : Prometheus, Grafana, ELK, Sentry
- Data & ML Tools : MLflow, DVC, Airflow, Seldon, Kubeflow
Profil recherché
Nous recherchons un DevOps expérimenté avec au moins 5 ans d'expérience sur des environnements DevOps modernes.
Expérience :
- Solide maîtrise de Python et de l'automatisation de workflows.
- Bonne connaissance de Kubernetes, CI/CD, IAC et outils de monitoring.
- Curiosité pour les problématiques data/ML et volonté de monter en compétence sur les outils du monde MLOps.
- Goût du travail en équipe, communication fluide avec des profils techniques variés.
- Une première exposition à un projet Data / ML est un plus mais non indispensable.
