Devsecops jobs in Montréal, QC

The Company

Humanitas is a young, award-winning innovator startup based in Montreal, specializing in emergency response and resilient technologies. Working with a list of world-class industry leaders and researchers, our team specializes in advanced telecom, simulation, visualization, cybersecurity, swarming robotics, edge computing, and more. Our multidisciplinary team also endeavors to universalize our technology and expand their applications to routine use cases beyond edge scenarios.

We are an ambitious group of young people who aim to contribute to a little change in the world by creating IT solutions that help people globally, especially when they need it most. Compassion is at the core of our business, and our collaboration is driven by our desire to challenge our limits and explore our potential.

The Role: Senior Simulation Systems Architect

We are seeking a Simulation Systems Architect with deep expertise in designing and integrating advanced simulation ecosystems for training, testing, continuous learning, and deployment in complex, real-world environments.

This role is essential to the development of our comprehensive simulation pipeline — a platform enabling large-scale, synthetic data generation, real-time system testing, continuous model feedback, and automated deployment of decision-making systems. It supports applications spanning robotics, language interaction, perception, and federated or distributed systems. This role also includes responsibility for ensuring infrastructure scalability and performance, including simulation server configuration and hardware optimization.

Key Responsibilities

- Simulation Architecture & Design

• Lead the design of a modular, scalable simulation platform using engines like Unreal Engine, supporting multimodal synthetic data generation (vision, audio, text, tabular).
• Architect interoperability between simulation outputs and machine learning, analytics, or real-time feedback pipelines.
• Define data standards, simulator APIs, and interfaces for deploying agents, collecting ground-truth metadata, and embedding domain randomization techniques.

- Pipeline Implementation

• Oversee end-to-end pipelines from synthetic data generation through data cleaning, normalization, storage, and integration with downstream processing (model training, LLM fine-tuning, etc.).
• Build support for continuous learning loops — integrating simulator-based data with model feedback and real-world telemetry to guide retraining.
• Lead efforts to integrate simulation data with vector databases and retrieval systems to support hybrid learning applications (e.g., retrieval-augmented generation).
• Configure local and cloud-based simulation servers to ensure sufficient memory, GPU availability, and I/O throughput for synthetic data rendering and real-time agent feedback.

- Deployment & Infrastructure

• Collaborate with DevOps and MLOps teams to deploy simulation environments across cloud, edge, and on-premise environments.
• Ensure simulation environments are containerized, repeatable, and version-controlled.
• Support deployment-ready packages for simulations used in testing perception systems, conversational agents, or autonomous robotics.
• Design and optimize high-performance simulation clusters, including bare-metal servers, edge nodes, and containerized environments.
• Select and tune hardware (CPU, GPU, memory, network) for specific simulation workloads (e.g., rendering, inference, or data streaming).

- Benchmarking & Evaluation

• Establish validation metrics and test harnesses for evaluating system performance under simulated and real-world scenarios.
• Implement benchmarking standards for agents across RL, supervised learning, and fine-tuned LLMs within simulated tasks.

- Cross-Team Integration

• Work closely with ML researchers, robotics engineers, data scientists, and embedded developers to ensure simulations match deployment constraints and research needs.
• Provide technical mentorship and lead architectural reviews for simulation-related initiatives.

Ideal Candidate Profile

Education:

• Master’s degree required, PhD preferred in Computer Science, Computer Engineering, Computational Physics, Simulation Engineering, or a related field.

Experience:

• 5+ years designing and implementing high-fidelity simulation environments for robotics, multi-agent systems, game development, or synthetic data pipelines.
• Proven expertise with Unreal Engine, or similar platforms for building 3D interactive environments.
• Experience integrating simulations with ML, LLM, or reinforcement learning pipelines.

Technical Skills:

• Proficiency in C++, Python, or Rust
• Strong grasp of 3D graphics, physics engines, and animation systems
• Familiarity with cloud-based rendering and scalable compute (AWS/GCP/Azure)
• Experience in containerization (Docker, Kubernetes) and version control
• Strong experience in configuring and managing hardware systems (e.g., GPU servers, high-throughput storage systems, edge compute devices)
• Comfortable with systems monitoring, hardware diagnostics, and server-level performance profiling
• Bonus: Knowledge of robotics simulators (Gazebo, Isaac Sim), RL frameworks (OpenAI Gym, PettingZoo), or LLM fine-tuning pipelines

Attributes:

• Visionary with practical engineering sensibilities
• Autonomous, resourceful, and iterative in approach
• Communicates clearly across disciplines
• Passionate about building robust, realistic, and ethically aligned simulation tools

==============================================
Architecte Principal·e en Systèmes de Simulation

L'entreprise

Humanitas est une jeune startup innovante et primée basée à Montréal, spécialisée dans les technologies de réponse d’urgence et de résilience. En collaboration avec des leaders industriels et des chercheurs de renommée mondiale, notre équipe se spécialise en télécommunications avancées, simulation, visualisation, cybersécurité, robotique en essaim, edge computing, et bien plus encore. Notre équipe multidisciplinaire s’efforce également de rendre nos technologies universelles en élargissant leur application à des cas d’usage de routine au-delà des scénarios extrêmes.

Nous sommes un groupe ambitieux de jeunes professionnel·le·s qui souhaitent contribuer à un changement, même modeste, dans le monde en créant des solutions informatiques pour aider les gens, partout sur la planète, surtout lorsqu’ils en ont le plus besoin. La compassion est au cœur de notre mission, et notre collaboration est animée par le désir de repousser nos limites et d’explorer notre plein potentiel.

Poste : Architecte Principal·e en Systèmes de Simulation

Nous recherchons un·e Architecte en Systèmes de Simulation possédant une expertise approfondie dans la conception et l’intégration d’écosystèmes de simulation avancés destinés à la formation, aux tests, à l’apprentissage continu et au déploiement dans des environnements complexes et réels.

Ce rôle est essentiel au développement de notre pipeline de simulation complet — une plateforme permettant la génération de données synthétiques à grande échelle, les tests en temps réel, les boucles de rétroaction de modèles, ainsi que le déploiement automatisé de systèmes décisionnels. Elle prend en charge des applications en robotique, interaction linguistique, perception, ainsi que dans des systèmes fédérés ou distribués. Ce poste inclut également la responsabilité de la configuration des serveurs de simulation et de l’optimisation matérielle pour assurer la scalabilité et la performance de l’infrastructure.

Responsabilités clés

- Architecture & Conception de Simulation

• Concevoir une plateforme de simulation modulaire et évolutive avec des moteurs comme Unreal Engine, supportant la génération de données synthétiques multimodales (vision, audio, texte, tabulaire).
• Architecturer l’interopérabilité entre les sorties de simulation et les pipelines de machine learning, d’analyse ou de rétroaction en temps réel.
• Définir les standards de données, les API des simulateurs et les interfaces de déploiement des agents, collecte de métadonnées et techniques de randomisation de domaine.

- Implémentation du Pipeline

• Superviser les pipelines de bout en bout : de la génération de données synthétiques au nettoyage, à la normalisation, au stockage et à l'intégration dans les traitements en aval (entraînement de modèles, fine-tuning LLM, etc.).
• Construire des boucles d’apprentissage continu en intégrant les données de simulateurs avec les rétroactions des modèles et la télémétrie du monde réel.
• Intégrer les données de simulation avec des bases vectorielles et des systèmes de récupération pour des applications hybrides (ex. : retrieval-augmented generation).
• Configurer des serveurs de simulation locaux et cloud pour garantir des ressources suffisantes (mémoire, GPU, I/O) pour le rendu de données synthétiques et la rétroaction en temps réel.

- Déploiement & Infrastructure

• Collaborer avec les équipes DevOps et MLOps pour le déploiement des environnements de simulation sur le cloud, à la périphérie et sur site.
• Assurer la conteneurisation, la reproductibilité et le contrôle de version des environnements de simulation.
• Fournir des paquets prêts au déploiement pour les systèmes de perception, les agents conversationnels ou la robotique autonome.
• Concevoir et optimiser des clusters de simulation haute performance, incluant des serveurs bare-metal, des nœuds edge et des environnements conteneurisés.
• Sélectionner et configurer le matériel (CPU, GPU, mémoire, réseau) adapté aux charges de simulation (ex. : rendu, inférence, flux de données).

- Évaluation & Benchmarking

• Établir des métriques de validation et des bancs d’essai pour évaluer la performance système en simulation et en conditions réelles.
• Implémenter des standards de benchmarking pour des agents dans des tâches d’apprentissage supervisé, par renforcement ou dans des LLM fine-tunés.

- Intégration Inter-Équipes

• Collaborer étroitement avec les chercheurs ML, ingénieurs en robotique, data scientists et développeurs embarqués pour garantir la compatibilité des simulations avec les contraintes de déploiement et les objectifs de recherche.
• Offrir du mentorat technique et diriger des revues d’architecture liées aux projets de simulation.

Profil Idéal

Formation

• Diplôme de maîtrise requis, doctorat (PhD) souhaité en informatique, génie informatique, physique computationnelle, ingénierie de simulation ou tout autre domaine connexe.

Expérience

• 5+ années en conception et implémentation d’environnements de simulation haute fidélité pour la robotique, les systèmes multi-agents, les jeux vidéo ou les pipelines de données synthétiques.
• Maîtrise prouvée d’Unreal Engine ou d'autres plateformes de développement d’environnements 3D interactifs.
• Expérience en intégration de simulations avec des pipelines de ML, LLM ou d’apprentissage par renforcement.

Compétences techniques

• Maîtrise de C++, Python ou Rust
• Solide compréhension des graphiques 3D, moteurs physiques et systèmes d’animation
• Familiarité avec le rendu cloud et le calcul scalable (AWS, GCP, Azure)
• Expérience en conteneurisation (Docker, Kubernetes) et contrôle de version
• Forte expertise en configuration et gestion de systèmes matériels (ex. : serveurs GPU, stockage à haut débit, périphérie)
• À l’aise avec la surveillance système, le diagnostic matériel et le profilage de performance au niveau serveur
• Atouts : connaissance des simulateurs robotiques (Gazebo, Isaac Sim), des frameworks RL (OpenAI Gym, PettingZoo) ou des pipelines de fine-tuning de LLM

Qualités personnelles

• Visionnaire avec un esprit d’ingénierie pragmatique
• Autonome, débrouillard·e et itératif·ve dans l’approche
• Excellente communication interdisciplinaire

Job Types: Full-time, Permanent

Pay: $55,000.00-$110,000.00 per year

Benefits:

• Company events
• Dental care
• Discounted or free food
• Extended health care
• Flexible schedule
• Language training provided
• On-site parking
• Vision care

Ability to commute/relocate:

• Montréal, QC: reliably commute or plan to relocate before starting work (required)

Education:

• Doctoral Degree (required)

Experience:

• Simulation or AI: 5 years (required)

Location:

• Montréal, QC (required)

Work Location: Hybrid remote in Montréal, QC