Product Manager - ML & GenAI Foundations (AI Platform) - Freelance (H/F)

Taux journalier (TJM): 500

Au sein de l'équipe AI Platform d'un grand groupe, le/la Product Manager sera garant(e) des fondations technologiques permettant d'accélérer et d'industrialiser les cas d'usage de Machine Learning classique et d'IA Générative à l'échelle de l'entreprise.

Le périmètre produit s'articule autour de deux piliers (évolutifs selon les priorités stratégiques) :

ML Foundations : industrialisation et templates de projets ML, environnements Databricks ML Runtime, traçabilité et cycle de vie des modèles (MLflow), gestion des ressources d'infrastructure spécialisées (GPUs, zone dédiée ML)

GenAI Foundations : accès et serving de LLMs à l'échelle de l'entreprise (intégration multi-cloud AWS Bedrock, GCP Vertex AI, Databricks Foundation Models), point d'accès unifié et sécurisé via AI Gateways, outils d'expérimentation rapide en self-service, gouvernance (sécurité, coûts, conformité, souveraineté des données)

Missions principales

Vision & stratégie : écrire et porter la vision produit des fondations ML & GenAI, en s'appuyant sur l'état de l'art du marché et les besoins utilisateurs

Roadmap & priorisation : co-construire la roadmap, prioriser le Product Backlog et animer le budget produit en binôme avec le leader technique

Représentation utilisateur : être la voix des Data Scientists et développeurs, traduire leurs enjeux en fonctionnalités

Adoption & accompagnement : faciliter l'adoption des outils (démos, documentation, guidelines de gouvernance, formations, retours d'expérience)

Valeur & impact : définir et piloter les KPIs de performance, stabilité, adoption et efficience des coûts des infrastructures IA

Synchronisation : travailler en synergie avec le Group Product Manager Data Factory et les autres piliers de la plateforme

Solide compréhension technique de l'écosystème IA/ML moderne (cycle de vie ML, fine-tuning/prompting, architectures LLM, gestion GPU, API Gateway, gouvernance)

Habitude d'interagir avec une population technique (Data Scientists, ML Engineers, Cloud Architects) tout en sachant vulgariser et prioriser par la valeur métier

Intégration naturelle des enjeux de scalabilité, sécurité, coûts (FinOps) et performance dans la roadmap