Mission

Des groupes de premier plan font tourner leur IA sur ce que vous construisez. Infrastructure cloud, plateformes de données, chaînes de delivery, serving de modèles, runtime des agents : ces fondations portent à grande échelle les applications et les agents de nos clients, et vous les concevez et les exploitez. Grâce à ce travail, les équipes produit livrent sans risque, tandis que les coûts, la latence et la sécurité restent sous contrôle.

Ce poste est fait pour vous si vos utilisateurs sont d’autres équipes d’ingénierie et si la robustesse d’un système sous charge vous intéresse.

Artefact accompagne les plus grandes entreprises du monde dans le déploiement de l’IA : 3 000 AI makers dans plus de 30 pays, plus de 1 000 clients. En France, le département Engineering réunit environ 300 personnes sous la responsabilité du CTO ; vous y rejoignez le chapter AI Applied Engineer, archétype Platform Engineer.

Activités et responsabilités

Les Product Engineers et les AI Engineers déploient sur les plateformes que vous construisez ; leurs besoins se définissent avec eux, et leur accompagnement se poursuit jusqu’en production.

Sur une plateforme de données, les fondations vous reviennent : infrastructure, sécurité, réseau, calcul. Ce qui y circule relève des Context & Analytics Engineers. Le travail se mène aussi avec les équipes IT, sécurité et cloud du client, sous le regard desquelles chaque choix d’architecture doit pouvoir se défendre ; le code se relit entre pairs et les nouvelles recrues sont accompagnées.

Vos responsabilités :

• Déployer l’infrastructure cloud en infrastructure as code et conduire les migrations cloud.

• Construire et exploiter des plateformes de données : entrepôts et lakehouses, orchestration, traitement batch et streaming.

• Construire des pipelines CI/CD et l’outillage MLOps et LLMOps.

• Construire le harness des agents : runtime, frameworks d’évaluation, observabilité.

• Servir les modèles et maîtriser leur coût et leur latence.

• Poser les fondations de sécurité : IAM, réseau, secrets, droits d’accès des agents, protection contre le prompt injection.

• Construire des connecteurs et des serveurs MCP que plusieurs agents réutilisent.

• Garantir la fiabilité : monitoring, gestion des incidents, suivi des coûts.

Profil recherché

Les indispensables :

1. Vous avez construit et exploité de l’infrastructure cloud sur Google Cloud, Azure ou AWS, en infrastructure as code.

2. Des pipelines CI/CD et des déploiements conteneurisés, par exemple sur Kubernetes, font partie de votre pratique.

3. Les bases de la sécurité (IAM, règles réseau, gestion des secrets) s’appliquent chez vous au quotidien.

4. Ce que vous exploitez, vous le surveillez, et vous prenez part à la gestion des incidents.

5. Le code et la documentation que vous écrivez restent maintenables pour les équipes qui utilisent votre plateforme.

6. Les coding agents font déjà partie de votre quotidien, et vous vérifiez ce qu’ils produisent.

Un plus, pas un prérequis :

• Une expérience de plateformes de données, par exemple sur Databricks, BigQuery ou Snowflake.

• Une expérience MLOps ou LLMOps : serving de modèles, model registry, pipelines d’évaluation.

• Une expérience d’observabilité d’agents ou de LLM gateway : tracing, suivi des coûts, routage.

• FinOps : suivi et optimisation des coûts.

• Sécurité de l’IA : droits d’accès des agents, red teaming, guardrails.

• Une certification cloud.

Pas besoin de cocher toutes les cases pour postuler : si vous avez l’essentiel des indispensables et l’envie d’apprendre le reste, parlons-en.

Pourquoi nous rejoindre ?

Une plateforme n’est jamais terminée : chaque nouvel agent déployé chez un client soulève de nouvelles questions de coût, de latence et de droits d’accès. Le Platform Engineer travaille à l’endroit où ces questions se posent en premier, au plus près des équipes techniques et de sécurité du client.

Nous sommes des AI makers : l’IA se construit avec nos clients, pas seulement pour eux. Leurs enjeux deviennent les nôtres, et nos choix techniques s’expliquent dans le langage du métier. Les positions que nous prenons sont claires ; elles évoluent face aux faits, jamais sous la pression.

Notre domaine change tous les mois, et ce rythme nous convient : les nouvelles technologies et les nouveaux secteurs s’apprennent vite, et les habitudes qui ne servent plus s’abandonnent sans regret. Devant un problème difficile, le réflexe est de le découper en étapes vérifiables, avec un haut niveau d’exigence sur le code comme sur les livrables.

Quand il manque quelque chose, pour un client ou pour le chapter, nous le construisons. La progression passe par des retours constructifs, par le partage des connaissances, par la demande d’aide sans attendre et par la reconnaissance du travail des autres. Il y a beaucoup à apprendre, et beaucoup à construire.

Un counsellor accompagne vos premiers mois. L’onboarding technique ouvre le parcours, suivi d’un premier projet client ; si aucun n’est prêt, les starter kits internes prennent le relais.

Le reste s’apprend sur les projets : serving de modèles, observabilité des agents, sécurité de l’IA, avec l’appui de la communauté Platform Engineer. À partir de 2027, l’archétype Platform Engineer disposera de sa propre grille de compétences et de son propre parcours de formation, en plus du socle commun à tous les AI Applied Engineers (évaluation de l’IA, responsabilité en production).

Une spécialisation en sécurité de l’IA (red teaming, guardrails, conformité à l’AI Act) est possible : elle relève aujourd’hui de l’archétype Platform Engineer. Plus tard, un rôle transverse s’ouvre (Project Tech Lead, Pre-sales Engineer, Engineering Manager), et les Platform Engineers seniors peuvent rejoindre le chapter AI Architect.

Processus de recrutement

Le processus demande environ quatre heures, réparties en six étapes dont une seule sur site.

1. Entretien RH (45 min, à distance) : parcours, motivations et points pratiques, comme le calendrier et les prétentions salariales.

2. Appel avec le CTO (15 à 30 min, à distance).

3. Screening technique (30 min, à distance, avec un membre du chapter AI Applied Engineer) : retour détaillé sur vos projets passés, puis questions techniques et de design de solution.

4. Code review et live coding (60 min, sur site, avec un membre du chapter) : relecture d’un dépôt de code existant et correction de ses défauts, puis construction d’une nouvelle fonctionnalité avec un coding agent et présentation du résultat.

5. Cas technique (45 min, à distance, avec un membre du chapter) : cadrage d’un problème métier, proposition d’une solution technique, description de la méthode d’évaluation, puis discussion de vos choix.

6. Entretien final (30 min, à distance, avec une personne de l’encadrement du département, Engineering Manager ou Director) : reprise des points restés ouverts, choix de l’archétype et du niveau les mieux adaptés à votre profil, et réponses à toutes vos questions.

Selon les étapes, tous les outils d’IA sont autorisés, ou aucun. Lors du live coding, c’est la manière de travailler avec l’assistance de l’IA qui est observée.

Rémunération : 60 000€ à 70 000€ brut annuel (fixe) + jusqu’à 6 000€ de variable selon expérience et séniorité

Chez Artefact, nous sommes convaincus que la diversité des parcours, des expériences et des perspectives fait la richesse de nos équipes. Nous nous engageons à offrir un environnement inclusif et des opportunités équitables, où chacune et chacun peut évoluer et exprimer pleinement son potentiel. Nos recrutements reposent sur les compétences, le potentiel et l’adéquation avec le rôle.