Consultant AWS SageMaker & Infrastructure Data Platform (H/F)

💼 Offre d'emploi

Type de contrat

Profession libérale

Durée de travail

Temps plein

Expérience

Expérience exigée

Salaire

Permis demandé

Aucune information

📍 Entreprise

Description de l'offre

Contexte Client
Un grand groupe industriel international déploie une nouvelle plateforme Data unifiée (UDP)
basée sur AWS dans le cadre d'une rationalisation globale de ses plateformes Data à l'échelle
mondiale. Cette plateforme vise à soutenir des cas d'usage BI et GenAI internes (chatbots,
applicatifs prédictifs), avec une interconnexion entre les écosystèmes AWS, GCP et Azure. Le
client subit actuellement des transformations importantes liées à l'offshorisation partielle vers
l'Inde de son delivery Data & Infra.
Le poste :

Contexte de la Mission
Dans le cadre d'un programme global de transformation Data & IA, notre client - un groupe
industriel international de premier plan - déploie une plateforme Data unifiée (UDP) sur AWS,
avec l'objectif de rationaliser l'ensemble des outils et infrastructures existants. Cette
plateforme soutient des cas d'usage variés : projets BI, développement de produits GenAI
internes (chatbots, outils prédictifs), et mise en place de services data à l'échelle mondiale.
L'organisation est aujourd'hui en phase active de migration des environnements vers AWS,
avec des enjeux d'interopérabilité entre plusieurs clouds (GCP, Azure) et systèmes legacy. En
parallèle, le client entame un transfert progressif de certaines fonctions vers un centre de
services basé en Inde, notamment sur les volets Infrastructure et MLOps.
Dans ce contexte, l'équipe Data recherche un consultant expérimenté pour sécuriser
l'exploitation de SageMaker, maintenir les outils existants (dont une interface maison pour les
Data Scientists), accompagner les utilisateurs et préparer la transition des opérations.
Objectif de la Mission
Le consultant interviendra en tant que référent technique pour assurer la continuité des
opérations sur la brique SageMaker au sein d'un environnement AWS. Il devra garantir
l'exploitabilité des notebooks, la gestion d'infrastructures (via Terraform) et la capacité de la
plateforme à répondre aux demandes croissantes des équipes Data Science internes.
Responsabilités principales
- Maintien et amélioration de l'application interne Data Studio (UX simplifiée sur AWS
SageMaker).
- Accompagnement de la migration éventuelle vers SageMaker Unified Studio.
- Mise en oeuvre et gestion d'instances customisables (GPU à la demande, tuning des
notebooks).
- Support à l'automatisation et instanciation d'infrastructure via Terraform.
- Collaboration directe avec les équipes Data Scientists et Software Engineers.
- Support au transfert de compétences vers le futur centre de service basé en Inde.
- Suivi de la cohérence des opérations dans un environnement hybride (AWS, GCP,
Azure).
Profil recherché :

Compétences requises
- Expérience requise : au moins 5 ans dans le domaine du Software Engineering et/ou
Data Engineering sur de l'infrastructure cloud & MLOps sur l'environnement
AWS.
- Expertise confirmée sur :
o AWS SageMaker (mise en production de notebooks, Unified Studio,
gestion GPU)
o Infrastructure as Code (Terraform principalement, mais Ansible valable
aussi) en tant que DevOps/MLOps/Data Engineer/Sofware Engineer (ou
autre rôle pertinent).
o Environnements cloud hybrides : AWS (cible de convergence data pour
l'ensemble des clients internes). / GCP (pour le Generative AI) / Azure
- Compétences appréciées :
o Base de données Apache Iceberg (open source intégré à AWS), base de
données natives AWS Athena.
o Data Science sur des sujets de prédiction (Recommendation Engine,
Times Series Forecasting, ?)
o Machine Learning Engineering/ MLOps sur AWS, GCP ou MS Azure.
o Gestion d'un contrat de Service Level Agreement pour centre de service,
infogérance offshore/nearshore.
- Savoir-être :
o Capacité à travailler en autonomie dans des organisations distribuées et
transversales, à monter sur les sujets opérationnels et techniques très
vite ( équipes AWS Sagemaker sur le départ).
o Bon relationnel avec des équipes pluridisciplinaires (Data Science, Infra,
Software Engineer).
o Esprit de synthèse et capacité à transférer des compétences techniques
à d'autres parties prenantes dans une structure externalisée.