Ingénieur fiabilité client

Emploi pas sur LinkedIn

🔥 il y a 13 heures

🇪🇺 Europe – Télétravail

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

⛑ Ingénieur DevOps & SRE

👻 Score fantôme 10%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Andromeda

Site WebLinkedInTous les Emplois

11 - 50 employés

🏥 Santé

💼 Conseil

🏨 Hôtellerie

💰 €15 142 238 Series A - Andromeda Robotics en 2025-09

Healthcare • Consulting • Hospitality

Andromeda est un service de calcul GPU et une place de marché offrant un accès instantané à de grands clusters d'accélérateurs H100, H200 et B200 pour des expériences, des formations à grande échelle et des inférences. Il prend en charge l'orchestration avec Slurm, Kubernetes ou SSH direct, propose une utilisation flexible sans durée minimum et des tarifs compétitifs, inclut une expertise en DevOps, un stockage NAS local ou en streaming sans frais d'entrée/sortie, et un support 24/7 avec des SLA standards de l'industrie. L'entreprise exploite également une place de marché tierce de GPU sur gpulist. ai.

Description

• Prendre en charge les problèmes clients, de leur reproduction au diagnostic, à leur résolution ou escalade, puis à leur clôture • Déboguer les problèmes Linux liés aux processus, au réseau, au stockage, aux journaux du noyau, à la contention des ressources, à systemd et à journald • Analyser les problèmes Kubernetes, notamment les pods en attente ou en boucle de redémarrage, l’état des nœuds, les échecs de planification et les limites de ressources • Résoudre les défaillances de GPU, notamment les problèmes de pilotes et de device plugins, les erreurs XID, la limitation thermique, le cordonage ou le drainage des nœuds, ainsi que les échecs de jobs multi-nœuds • Escalader les problèmes avec les éléments probants recueillis lorsque cela est nécessaire • Participer à une astreinte 24 h/24 et 7 j/7 • Répondre en premier aux alertes et aux interruptions de service signalées par les clients, évaluer l’impact, définir la sévérité et mobiliser les interlocuteurs appropriés • Tenir les clients informés pendant les incidents au moyen de mises à jour claires sur l’état de la situation et les éléments encore inconnus • Documenter les incidents et transformer les enseignements en runbooks, alertes ou correctifs • Déterminer si les défaillances relèvent du fournisseur, d’Andromeda ou du client • Ouvrir des tickets auprès des fournisseurs de capacité de calcul et en assurer le suivi • Suivre les défaillances récurrentes des fournisseurs et en signaler les tendances aux décideurs chargés du sourcing • Écrire des automatisations en Python ou Bash pour les contrôles manuels • Développer et améliorer la surveillance de la santé des clusters et des nœuds, la télémétrie des GPU, les tableaux de bord et les alertes exploitables • Tenir à jour les runbooks et la documentation client

🎯 Exigences

• Maîtrise pratique du dépannage Linux en ligne de commande, notamment des journaux, des processus, du réseau et des disques • Bonne connaissance opérationnelle de Kubernetes, notamment des pods, des nœuds, des déploiements, des services, de la planification et de l’analyse des défaillances • Capacité à écrire des scripts Python ou Bash pour automatiser les tâches répétitives • Excellentes compétences en rédaction technique et capacité à expliquer clairement les problèmes aux clients • Bon discernement sous pression, notamment en matière de priorisation, d’escalade et de communication • Volonté de participer à une astreinte 24 h/24 et 7 j/7 • Une expérience pratique en production avec des GPU NVIDIA, leurs pilotes, CUDA, DCGM et le Kubernetes device plugin constitue un atout important • Une expérience des réseaux hautes performances avec InfiniBand, RoCE ou NCCL constitue un atout important • Une expérience de HPC ou de Slurm constitue un atout important • Une expérience technique antérieure en relation directe avec les clients, dans le support engineering, en tant que TAM, dans les solutions ou les services professionnels, constitue un atout important • Une connaissance de Prometheus, Grafana, Datadog ou d’outils similaires constitue un atout important • Une expérience de l’Infrastructure as Code avec Terraform, Ansible ou Helm constitue un atout important • Intérêt réel pour les infrastructures d’IA et les jobs d’entraînement de grande ampleur

🏖️ Avantages

• Participation au capital significative • Couverture santé, dentaire et optique pour les salariés et leurs ayants droit • Plan d’épargne retraite 401(k) • Congés payés sans plafond prédéfini • Environnement en forte croissance au sein d’une entreprise au cœur de l’essor des infrastructures d’IA