Comprendre les priorités d'affaires et informatiques des clients en matière d'ingénierie de plateforme, de développement d'applications cloud et d'adoption de l'apprentissage automatique génératif, agentique et classique, notamment les situations où Azure Machine Learning constitue la plateforme appropriée pour entraîner, déployer et gouverner les modèles. Démontrer une expertise pratique approfondie d'Azure Machine Learning. Il s'agit d'une exigence du rôle et non d'un easy atout : architecture des espaces de travail avec réseau géré et points de terminaison privés, stratégie de calcul et de quotas GPU, ressources de données et magasins de caractéristiques, AutoML et entraînement distribué, registres de modèles, suivi des expériences avec MLflow, ainsi que points de terminaison en ligne et par lots gérés avec un déploiement sécuritaire.

Concevoir et mettre en œuvre des pratiques MLOps en production : intégration et déploiement continus pour les modèles, les composants et les invites avec Azure DevOps ou GitHub Actions, promotion entre les espaces de travail au moyen de registres, infrastructure en tant que code et surveillance de la dérive des données et des modèles avec des déclencheurs de réentraînement définis. Diriger l'architecture de l'IA générative et agentique dans Azure AI Foundry et Azure Machine Learning : sélection des modèles, flux d'invites, génération augmentée par récupération avec Azure AI Search, compromis entre l'ingénierie d'invites, l'ajustement fin et la récupération, évaluation et mesures d'ancrage, sécurité du contenu et observabilité en production. Veiller à ce que les applications intelligentes répondent aux attentes de l'entreprise en matière de sécurité, d'évolutivité, de facilité de maintenance et de fiabilité lors du déploiement.

S'assurer également que les charges de travail d'apprentissage automatique respectent les exigences relatives à l'accès aux données fondé sur l'identité, à l'isolation réseau, au contrôle des coûts et à l'IA responsable, notamment l'équité, l'interprétabilité et la transparence. Agir comme porte-parole du client en transmettant de nouveaux commentaires à l'ingénierie et des informations sur les tendances d'utilisation et d'application. Aider à accélérer la livraison des solutions grâce à des revues d'architecture, des preuves de concept, des applications de produit minimum viable (MVP), des projets pilotes de modèles et la configuration des environnements.

Soutenir le développement des compétences des clients en formulant des recommandations de formation ou en animant des discussions techniques,



des ateliers pratiques sur Azure Machine Learning et Azure AI, ainsi que d'autres activités de préparation au cloud destinées aux développeurs, aux scientifiques des données et aux équipes de plateforme. Stimuler la croissance de la consommation des services cloud et de soutien en développant des occasions qui produisent des résultats d'affaires pour la réussite client. Développer les relations avec les clients et les partenaires afin d'anticiper, de signaler et de résoudre les obstacles techniques.

Rester au fait des capacités d'Azure, d'Azure Machine Learning, d'Azure AI Foundry et de GitHub. Continuer à pratiquer un ou plusieurs langages d'entreprise, notamment .NET, Python, Java ou JavaScript/Node.js, avec une maîtrise pratique de la pile Python pour l'apprentissage automatique. Partager des idées, des observations et des orientations techniques stratégiques avec les équipes techniques et les communautés internes.

Participer à des événements techniques externes et favoriser la réutilisation de la propriété intellectuelle, le partage des meilleures pratiques et l'accélération de la consommation.

Design and deliver production MLOps: CI/CD for models, components and prompts with Azure DevOps or GitHub Actions, promotion across workspaces through registries, infrastructure as code, and monitoring for data and model drift with defined retraining triggers. Ensure intelligent applications meet enterprise expectations for security, scalability, maintainability and reliability on deployment, and that machine learning workloads meet requirements for identity-based data access, network isolation, cost control and Responsible AI — fairness, interpretability and transparency. Support customer skilling by making skilling recommendations or delivering technical discussions, hands-on Azure Machine Learning and Azure AI workshops, and other cloud readiness activities for developers, data scientists and platform teams.

Baccalauréat en informatique, en technologies de l'information, en ingénierie, en administration des affaires ou dans un domaine connexe, ET au moins 4 ans d'expérience dans les technologies cloud ou d'infrastructure, le conseil ou le soutien en technologies de l'information, l'administration de systèmes,



les opérations réseau, le développement ou le soutien logiciel, les solutions technologiques, le développement de pratiques, l'architecture et/ou le conseil. OU expérience équivalente. Au moins 4 ans d'expérience dans un rôle en contact avec les clients, à l'interne et/ou à l'externe.

Au moins 4 ans d'expérience de travail sur des projets techniques. Expérience pratique de la conception, de l'entraînement, du déploiement et de l'exploitation de modèles d'apprentissage automatique dans Azure Machine Learning au sein d'un environnement de production, y compris les pratiques MLOps et la gestion du cycle de vie des modèles.

Certification technique dans le cloud ou l'IA, par exemple Azure AI Engineer Associate, Azure Data Scientist Associate, Azure Solutions Architect Expert, ou une certification équivalente d'AWS, de Google ou en sécurité. Expérience à l'échelle de l'entreprise des infrastructures cloud et hybrides, de la conception d'architectures et des migrations. Maîtrise de .NET, Java, JavaScript/Node.js ou Python, avec une forte préférence pour Python et l'écosystème d'apprentissage automatique.

Expérience de la génération augmentée par récupération, des modèles d'applications agentiques et de l'évaluation de solutions d'IA générative dans Azure AI Foundry. Bachelor's Degree in Computer Science, Information Technology, Engineering, Business, or related field AND 4+ years experience in cloud/infrastructure technologies, information technology (IT) consulting/support, systems administration, network operations, software development/support, technology solutions, practice development, architecture, and/or consulting OR equivalent experience 4+ years experience working in a customer-facing role (internal and/or external). 4+ years experience working on technical projects. Hands-on experience designing, training, deploying and operating machine learning models on Azure Machine Learning in a production environment, including MLOps practices and model lifecycle management.

Technical certification in cloud or AI (e.g., Azure AI Engineer Associate, Azure Data Scientist Associate, Azure Solutions Architect Expert, or equivalent AWS/Google/security certifications). Enterprise-scale experience with cloud and hybrid infrastructures, architecture design and migrations. Proficient in .NET, Java, JavaScript/Node.js or Python, with Python and the machine learning ecosystem strongly preferred.

Experience with retrieval-augmented generation, agentic application patterns, and evaluation of generative AI solutions on Azure AI Foundry.

📌 Architecte de solutions cloud - Cloud et IA | Applications et innovation / Cloud Solution Architect (Quebec City)
🏢 Microsoft
📍 Quebec City