Objectif : étudier les besoins de l'entreprise en matière d'IA et de traitement des données, et concevoir une solution hybride (Cloud + On-Premise) sécurisée et opérationnelle.
Missions principales
Analyser les besoins métiers et les contraintes (sécurité, latence, confidentialité) pour définir l'architecture IA hybride.
Concevoir et déployer une solution IA (exemples : machine learning, NLP, reconnaissance d'images) intégrée entre Azure et des serveurs internes sécurisés.
Mettre en place des mécanismes de sécurité pour protéger les données et les modèles (chiffrement AES, TLS/SSL, MFA, authentification, contrôle d'accès basé sur les rôles).
Tester, évaluer et optimiser les performances fonctionnelles et la sécurité de la solution (tests de charge, tests de robustesse, audit de sécurité).
Technologies suggérées et compétences requises
Développement et modélisation : Python, TensorFlow, PyTorch, Scikit-learn.
Infrastructures et bases de données : Azure, serveurs internes sécurisés, SQL/NoSQL.
Sécurité et protocoles : chiffrement AES, TLS/SSL, MFA, implémentation d'authentification et d'autorisation.
Compétences complémentaires : déploiement CI/CD, conteneurisation, monitoring, évaluation de modèles ML et bonnes pratiques de gouvernance des données.
Livrables attendus et évaluation
Architecture détaillée (diagrammes et justification des choix Cloud vs On-Premise).
Prototype fonctionnel déployé avec documentation d'installation et guide d'exploitation.
Rapport de tests (performance, sécurité) et recommandations d'amélioration.