Ingénieur Inférence / GPU H/F

Au sein de la founding team en construction, tu prends en charge la couche matérielle et d'inférence :

• Optimisation des moteurs d'exécution (vLLM, SGLang, TensorRT-LLM),
• Tuning GPU,
• Quantisation,
• Gestion de la mémoire et du cache.

Tu travailles sur des clusters GPU NVIDIA (ou AMD) en environnement Kubernetes, avec une maîtrise fine de Linux et des stacks réseau bas niveau (x86, InfiniBand, RDMA), dans un contexte de très haute performance et de souveraineté (SecNumCloud, ISO 27001).

Tu interagis avec le CTO sur les choix d'architecture et contribues à faire tourner la plateforme en production pour les premiers clients.

Stack technique : vLLM, SGLang, CUDA, Triton, Python, Kubernetes GPU, Linux, RDMA/InfiniBand/NCCL, quantisation (GPTQ, AWQ, FP8).

Localisation : Paris (présence physique requise, notamment pour interventions sur les serveurs).