Engineer H/F LCL

Le contexte : Pour atteindre son objectif de devenir leader en satisfaction client, LCL a mis en place une structure dédiée à la qualité en 2022. Cette initiative marque un changement stratégique : passer d'une approche statistique de la qualité à une culture du "zéro défaut". Désormais, chaque problème rencontré par un client est traité comme une priorité, peu importe si la cause vient de l'entreprise, d'un partenaire ou d'un prestataire.

Pour favoriser cette diversité, la Direction Informatique de LCL a mis en place un dispositif de mobilité, qui permet à ses collaborateurs d'évoluer au fil de leur carrière, au sein des différentes équipes de la Direction, ou dans les autres entités du Groupe Crédit Agricole, favorisant ainsi l'enrichissement des compétences fonctionnelles et techniques.

L'Equipe IA, rattachée à la Direction des systèmes d'information de LCL, est une équipe à taille humaine composée de Data Scientists (experts en Computer Vision et NLP), data ingénieurs et de responsables de projets.

L'AI Engineer est en charge de la construction/développement, de l'industrialisation et de déploiement des projets en production, accompagné par les services informatiques et les équipes d'exploitation et s'appuie sur des ressources cloud (GCP, AWS).
Vos missions principales seront :

Architecture et Industrialisation (MLOps) :
Concevoir les architectures techniques des produits IA en collaboration avec les Data Scientists, en choisissant les technologies et les design patterns adaptés (ex: services en temps réel, traitement par lots) et les faire valider par le responsable architecture.
Mettre en oeuvre et maintenir les pipelines CI/CD pour automatiser la livraison des modèles, du code et de l'infrastructure.
Gérer l'infrastructure de déploiement (Kubernetes, Services Cloud managés) en optimisant les ressources, notamment les parcs de GPU.
Intégrer les principes de sécurité "by design" dans les applications IA pour protéger les modèles et les données contre les menaces spécifiques (ex: attaques adversariales)
Monitoring et Fiabilité :
Implémenter un monitoring avancé et assurer le suivi des solutions via des dashboards, détecter les dérives des modèles, et développer des outils pour garantir la transparence des décisions (XAI).
Spécialisation en IA Générative (LLMOps / GenAI Ops) :
Participer au déploiement d'applications basées sur les LLM (architecture RAG), industrialiser leur cycle de vie (prompts, bases vectorielles, fine-tuning) et gérer les risques de sécurité associés.
Capitalisation et Partage :
Rédiger la documentation technique, mener une veille active sur l'écosystème MLOps/GenAI et diffuser les bonnes pratiques au sein des équipes.