Ingénieur·e en infrastructure IA

À propos de Rendair

Rendair est une plateforme de visualisation conçue pour les architectes, les architectes d’intérieur et les professionnels de l’immobilier. Nos outils associent des modèles d’IA avancés à des workflows intuitifs pour créer en quelques secondes des images haute qualité, des animations et différentes variantes de conception. Plus d’un million de personnes dans 180 pays utilisent Rendair. Notre petite équipe, entièrement à distance, est en pleine croissance. Nous faisons évoluer en continu notre infrastructure d’IA pour générer des images plus rapidement, à grande échelle et dans des conditions adaptées à la production.

Le poste

Nous recherchons un·e ingénieur·e en infrastructure IA expérimenté·e pour concevoir, optimiser et faire évoluer notre pipeline de génération d’images sur GPU. Le poste est axé sur le déploiement de modèles de machine learning en production et l’optimisation des performances. Vous développerez une architecture d’inférence fiable et efficace avec Diffusers et PyTorch, en remplaçant les systèmes reposant sur des workflows par une infrastructure plus évolutive.

Vos missions

• Concevoir et optimiser un pipeline d’inférence Diffusers prêt pour la production
• Déployer et gérer des environnements GPU conteneurisés avec Docker (CUDA, PyTorch)
• Optimiser les temps de chargement des modèles et l’utilisation de la VRAM
• Créer des systèmes de file d’attente asynchrones et évolutifs pour la génération d’images
• Améliorer la vitesse, la fiabilité et la rentabilité de l’inférence
• Prendre en charge des workflows utilisant plusieurs modèles
• Contribuer aux décisions à long terme concernant l’infrastructure IA

Votre profil

• Très bonne maîtrise de PyTorch
• Expérience pratique de HuggingFace Diffusers
• Excellente compréhension de CUDA et de la gestion de la mémoire GPU
• Expérience du déploiement de modèles de machine learning dans des conteneurs Docker
• Expérience dans la création de services d’inférence backend évolutifs
• Solides compétences en débogage et en optimisation

Un plus : une expérience avec SDXL, Flux ou les implémentations LoRA, avec des fournisseurs cloud GPU comme RunPod ou AWS, ainsi que dans l’optimisation de pipelines d’inférence pour la production.

Notre façon de travailler

Collaboration freelance à temps plein, à distance, avec une grande autonomie et un fort sens des responsabilités. Nous souhaitons construire une collaboration sur le long terme.