MONTRÉAL (QUÉBEC), CA, H3A 2N4
VOTRE MISSION
STAGE (4-6 mois) Stagiaire SRE – AIOps et agents IA pour l’exploitation de l’infrastructure WebHosting
Localisation : Montréal
Durée : 4-6 mois
Au sein de votre équipe #OneTeam
L’équipe WebHosting Infrastructure d’OVHcloud exploite et fait évoluer l’infrastructure mutualisée qui héberge 6M de sites web de nos clients.
Chaque jour, l’équipe assure le triage des alertes et des incidents de production. Nous voulons y intégrer des agents d’intelligence artificielle capables de pré-analyser les alertes, de détecter les signaux faibles avant la panne et de proposer des actions aux SRE.
Nous recherchons un stagiaire pour contribuer au développement et à l'évaluation de ces agents sur des cas réels de production. Si vous aimez Linux, l’automatisation, le ML et l’IA agentique, ce stage vous permettra de mesurer l’impact de ces technologies et de votre contribution technique sur le quotidien d’une équipe d’exploitation.
Vos principales responsabilités
ANALYSE ET COMPRÉHENSION DE L’ENVIRONNEMENT :
- Découvrir l’architecture de l’hébergement web mutualisé et ses outils de supervision ;
- Observer le triage des alertes et des incidents de production aux côtés des SRE et comprendre comment un diagnostic est mené ;
- Contribuer à l'identification des alertes ou situations les plus fréquentes et les plus coûteuses en temps de traitement
- Étudier les approches existantes en matière d'analyse de logs et de détection d'anomalies ;
- Explorer les techniques de Machine Learning, les méthodes statistiques et les possibilités offertes par les LLM ;
- Contribuer à la constitution d'un jeu d’alertes historiques annotées, qui servira de référence d’évaluation.
OUTILLAGE DES AGENTS :
- Contribuer à l'exposition aux agents, en lecture seule, des sources utiles au diagnostic : métriques, journaux, état des clusters, historique des tickets ;
- Enrichir ces accès selon les besoins sous forme d’outils réutilisables par toute l’équipe (serveur MCP, API..) ;
- Respecter les règles de sécurité et de confidentialité des données clients définies avec l’équipe
PRÉ-ANALYSE DES ALERTES :
- Contribuer au développement et à l'améliorations d'un agent qui, à chaque alerte, enchaîne les vérifications et rédige dans le ticket son diagnostic, ses preuves et l’action recommandée ;
- Améliorer la pertinence de l’agent de pré-analyse : tester de nouvelles approches, comparer modèles et stratégies de diagnostic
- Participer à la formalisation des procédures de diagnostic de l’équipe en compétences (« skills ») utilisables par l’agent ;
- Contribuer aux intégrations de l’agent aux flux de travail d’automatisation existants de l’équipe ;
- Étendre le périmètre de l’agent à de nouveaux types d’alertes, en développant les vérifications et les skills associées ;
- Enrichir les capacités de l’agent : nouveaux outils de diagnostic, nouvelles sources de données, actions recommandées plus précises ;
- Rattacher chaque élément du diagnostic à sa source (métrique, journal, ticket), limiter les hallucinations et identifier les diagnostics incertains.
PROACTIVITÉ :
- Concevoir des outils qui surveillent les tendances (saturation, dérives, erreurs récurrentes) et signalent les risques avant l’incident ;
- Produire une synthèse quotidienne de l’état de l’infrastructure et des points d’attention pour le triage des alertes et des incidents de production;
- Proposer des actions préventives, toujours soumises à validation humaine.
ÉVALUATION ET RESTITUTION :
- Mesurer la fiabilité des agents sur le jeu de référence : taux de diagnostics corrects, fausses alertes ;
- Mesurer les gains pour l’équipe : temps de traitement, nombre d’incidents évités ;
- Mesurer la capacité d’anticipation des outils proactifs : délai entre le signal détecté et l’incident ;
- Ajuster les modèles, les prompts, les skills et les seuils de détection selon les résultats obtenus ;
- Documenter les développements et les choix techniques ;
- Présenter des démonstrations fonctionnelles régulières et partager les enseignements du projet.
Votre futur impact
Votre stage pourra évoluer et vous pourrez :
- Améliorer concrètement le quotidien d’une équipe SRE en production ;
- Découvrir l’exploitation d’une infrastructure d’hébergement à très grande échelle ;
- Développer des compétences en Machine Learning et IA agentique : conception d’outils, orchestration, évaluation ;
- Pratiquer l’observabilité : métriques, journaux, gestion des alertes ;
- Contribuer à la mise en production d’agents IA encadrés par des garde-fous : lecture seule, validation humaine, mesure de la fiabilité
- Gagner en autonomie technique au contact de SRE expérimentés.
Compétences requises :
- Vous poursuivez un baccalauréat (en fin de parcours) ou une maîtrise en informatique, génie logiciel, systèmes et réseaux, intelligence artificielle ou dans un domaine connexe
- Vous maîtrisez Python ;
- Vous avez de bonnes connaissances des environnements Linux ;
- Vous êtes à l’aise avec Git ;
- Vous avez déjà utilisé des modèles de langage ou des agents IA dans un projet académique ou personnel ;
- Vous vous intéressez à l’exploitation, à la fiabilité et à l’automatisation ;
- Vous maîtrisez le français et lisez l’anglais technique ;
- Vous êtes rigoureux, curieux, et vous savez vérifier un résultat avant de vous y fier ;
- Vous aimez travailler en équipe tout en faisant preuve d’autonomie.
C'est un + :
- Vous connaissez les outils d’observabilité (métriques, journaux, alerting) ;
- Vous avez déjà développé un agent avec appel d’outils ou un serveur MCP ;
- Vous avez des notions d’hébergement web (Apache, PHP, stockage réseau) ;
- Vous avez utilisé un outil de gestion de configuration (Puppet, Ansible) ;
- Vous connaissez un outil d’orchestration de workflows (n8n ou équivalent) ;
- Vous avez déjà évalué un système d’IA sur un jeu de test.
xxx
VOTRE MISSION
STAGE (4-6 mois) Stagiaire SRE – AIOps et agents IA pour l’exploitation de l’infrastructure WebHosting
Localisation : Montréal
Durée : 4-6 mois
Au sein de votre équipe #OneTeam
L’équipe WebHosting Infrastructure d’OVHcloud exploite et fait évoluer l’infrastructure mutualisée qui héberge 6M de sites web de nos clients.
Chaque jour, l’équipe assure le triage des alertes et des incidents de production. Nous voulons y intégrer des agents d’intelligence artificielle capables de pré-analyser les alertes, de détecter les signaux faibles avant la panne et de proposer des actions aux SRE.
Nous recherchons un stagiaire pour contribuer au développement et à l'évaluation de ces agents sur des cas réels de production. Si vous aimez Linux, l’automatisation, le ML et l’IA agentique, ce stage vous permettra de mesurer l’impact de ces technologies et de votre contribution technique sur le quotidien d’une équipe d’exploitation.
Vos principales responsabilités
ANALYSE ET COMPRÉHENSION DE L’ENVIRONNEMENT :
- Découvrir l’architecture de l’hébergement web mutualisé et ses outils de supervision ;
- Observer le triage des alertes et des incidents de production aux côtés des SRE et comprendre comment un diagnostic est mené ;
- Contribuer à l'identification des alertes ou situations les plus fréquentes et les plus coûteuses en temps de traitement
- Étudier les approches existantes en matière d'analyse de logs et de détection d'anomalies ;
- Explorer les techniques de Machine Learning, les méthodes statistiques et les possibilités offertes par les LLM ;
- Contribuer à la constitution d'un jeu d’alertes historiques annotées, qui servira de référence d’évaluation.
OUTILLAGE DES AGENTS :
- Contribuer à l'exposition aux agents, en lecture seule, des sources utiles au diagnostic : métriques, journaux, état des clusters, historique des tickets ;
- Enrichir ces accès selon les besoins sous forme d’outils réutilisables par toute l’équipe (serveur MCP, API..) ;
- Respecter les règles de sécurité et de confidentialité des données clients définies avec l’équipe
PRÉ-ANALYSE DES ALERTES :
- Contribuer au développement et à l'améliorations d'un agent qui, à chaque alerte, enchaîne les vérifications et rédige dans le ticket son diagnostic, ses preuves et l’action recommandée ;
- Améliorer la pertinence de l’agent de pré-analyse : tester de nouvelles approches, comparer modèles et stratégies de diagnostic
- Participer à la formalisation des procédures de diagnostic de l’équipe en compétences (« skills ») utilisables par l’agent ;
- Contribuer aux intégrations de l’agent aux flux de travail d’automatisation existants de l’équipe ;
- Étendre le périmètre de l’agent à de nouveaux types d’alertes, en développant les vérifications et les skills associées ;
- Enrichir les capacités de l’agent : nouveaux outils de diagnostic, nouvelles sources de données, actions recommandées plus précises ;
- Rattacher chaque élément du diagnostic à sa source (métrique, journal, ticket), limiter les hallucinations et identifier les diagnostics incertains.
PROACTIVITÉ :
- Concevoir des outils qui surveillent les tendances (saturation, dérives, erreurs récurrentes) et signalent les risques avant l’incident ;
- Produire une synthèse quotidienne de l’état de l’infrastructure et des points d’attention pour le triage des alertes et des incidents de production;
- Proposer des actions préventives, toujours soumises à validation humaine.
ÉVALUATION ET RESTITUTION :
- Mesurer la fiabilité des agents sur le jeu de référence : taux de diagnostics corrects, fausses alertes ;
- Mesurer les gains pour l’équipe : temps de traitement, nombre d’incidents évités ;
- Mesurer la capacité d’anticipation des outils proactifs : délai entre le signal détecté et l’incident ;
- Ajuster les modèles, les prompts, les skills et les seuils de détection selon les résultats obtenus ;
- Documenter les développements et les choix techniques ;
- Présenter des démonstrations fonctionnelles régulières et partager les enseignements du projet.
Votre futur impact
Votre stage pourra évoluer et vous pourrez :
- Améliorer concrètement le quotidien d’une équipe SRE en production ;
- Découvrir l’exploitation d’une infrastructure d’hébergement à très grande échelle ;
- Développer des compétences en Machine Learning et IA agentique : conception d’outils, orchestration, évaluation ;
- Pratiquer l’observabilité : métriques, journaux, gestion des alertes ;
- Contribuer à la mise en production d’agents IA encadrés par des garde-fous : lecture seule, validation humaine, mesure de la fiabilité
- Gagner en autonomie technique au contact de SRE expérimentés.
Compétences requises :
- Vous poursuivez un baccalauréat (en fin de parcours) ou une maîtrise en informatique, génie logiciel, systèmes et réseaux, intelligence artificielle ou dans un domaine connexe
- Vous maîtrisez Python ;
- Vous avez de bonnes connaissances des environnements Linux ;
- Vous êtes à l’aise avec Git ;
- Vous avez déjà utilisé des modèles de langage ou des agents IA dans un projet académique ou personnel ;
- Vous vous intéressez à l’exploitation, à la fiabilité et à l’automatisation ;
- Vous maîtrisez le français et lisez l’anglais technique ;
- Vous êtes rigoureux, curieux, et vous savez vérifier un résultat avant de vous y fier ;
- Vous aimez travailler en équipe tout en faisant preuve d’autonomie.
C'est un + :
- Vous connaissez les outils d’observabilité (métriques, journaux, alerting) ;
- Vous avez déjà développé un agent avec appel d’outils ou un serveur MCP ;
- Vous avez des notions d’hébergement web (Apache, PHP, stockage réseau) ;
- Vous avez utilisé un outil de gestion de configuration (Puppet, Ansible) ;
- Vous connaissez un outil d’orchestration de workflows (n8n ou équivalent) ;
- Vous avez déjà évalué un système d’IA sur un jeu de test.
xxx