Ingénieur(e) IA senior – ML, MLOps et applications IA

Chez Tetra Tech, l’équipe des « Technologies Opérationnelles », veille à l’implantation et l’adoption de technologies émergeantes, afin d’optimiser nos processus et développer une nouvelle génération de services et de livrables en ingénierie,  basées sur les technologies actuelles et futures.

Propulsez votre carrière chez Tetra Tech! Chef de file mondial en services de génie-conseil et ingénierie, nous offrons une culture d’entreprise conviviale et inclusive aux membres de notre belle équipe, afin de les aider à s’accomplir.

Chez Tetra Tech, nos gens, c’est notre force : nous comptons plus de 25 000 employé(e)s partout dans le monde, dont plus de 4000 au Canada et 1 300 au Québec. Nos équipes le disent haut et fort – On choisit Tetra Tech pour :

• L’excellence, l’intégrité, la collaboration, la bienveillance et l’innovation;

• Des projets de qualité, empreints de technologies de pointe;

• Des défis techniques stimulants et captivants;

• Des modes de travail réellement flexibles, adaptés à votre réalité, parce que la vie fait partie de nos plans;

• Un environnement humain, accueillant et sécuritaire;

• Un parcours de carrière sur mesure, à la hauteur de vos talents.

Consultez cette vidéo et imprégnez-vous de notre culture : Fièrement Tetra Tech - YouTube

Venez exploiter votre plein potentiel au sein de notre équipe « Technologies opérationnelles » en tant qu’ingénieur(e) IA senior!

Vous jouerez un rôle central dans la conception, l’industrialisation et l’intégration de solutions d’intelligence artificielle appliquée, incluant des modèles de machine learning, de computer vision, des solutions basées sur les LLM, des agents IA et des automatisations de processus. Vous jouerez un rôle clé dans la conception, le développement et le déploiement de solutions innovantes basées sur l’IA afin de bâtir une capacité IA réutilisable, gouvernée et scalable à l’échelle de l’organisation. Vous contribuerez à qualifier les cas d’usage IA selon la valeur d’affaires, la faisabilité technique, la disponibilité des données, les risques, les coûts d’industrialisation et les exigences de maintenance.

Bureau :  Grande région de Montréal ou de Québec, mode de travail flexible

Les défis qui vous permettront de vous surpasser :

• Collaborer avec les équipes internes pour transformer des problèmes opérationnels en solutions IA concrètes, en distinguant les besoins relevant du ML classique, de la computer vision, des LLM/RAG, de l’automatisation ou de l’agentique;

• Entraîner, fine-tuner, évaluer et optimiser des modèles ML et deep learning, notamment pour des cas d’usage de classification, détection, segmentation, régression, NLP ou computer vision;

• Structurer les jeux de données, définir les stratégies d’annotation, de nettoyage, de versionnement, d’augmentation de données et de contrôle qualité nécessaires à l’entraînement de modèles fiables;

• Développer et maintenir des pipelines reproductibles de données, d’entraînement, d’évaluation, de déploiement et de monitoring, en appliquant les pratiques MLOps;

• Définir, avec les TI, des architectures de référence pour les solutions IA : ingestion de données, entraînement, registre de modèles, API, orchestration, déploiement cloud, surveillance, sécurité et intégration applicative;

• Développer ou contribuer au développement d’applications IA prêtes à l’usage, incluant des API, interfaces utilisateurs, services backend, intégrations M365/Power Platform et automatisations de processus lorsque pertinent;

• Concevoir et intégrer des agents IA ou workflows agentiques lorsque le cas d’usage le justifie, en encadrant les outils accessibles, les permissions, les sources de données, les validations humaines et les limites d’autonomie;

• Concevoir des solutions basées sur les grands modèles de langage, incluant l’ingénierie de prompts, le RAG, la recherche sémantique, l’évaluation des réponses et l’intégration sécurisée aux sources documentaires internes;

• Définir des protocoles d’évaluation adaptés aux modèles et aux applications IA : métriques ML, tests fonctionnels, tests de robustesse, biais, dérive, hallucinations, performance applicative et acceptation utilisateur;

• Mettre en place le suivi en production : performance des modèles, dérive des données, journalisation, alertes, gestion des versions, réentraînement et mécanismes de retour utilisateur;

• Travailler avec les TI pour aligner les solutions IA avec les standards d’entreprise : sécurité, identité et accès, cloud, réseau, protection des données, DevOps, observabilité et soutien opérationnel;

• Produire une documentation exploitable: architecture, hypothèses, jeux de données, paramètres d’entraînement, métriques, limites du modèle, procédures de déploiement, guide d’exploitation et transfert de connaissances;

• Contribuer à la gouvernance technique des solutions IA : standards de développement, critères de mise en production, réutilisation des composantes, gestion des risques et bonnes pratiques de développement responsable;

• Planifier et suivre les travaux techniques dans un backlog structuré, estimer les efforts, communiquer les risques, respecter les échéanciers et rendre visibles les dépendances.