Taux journalier (TJM): 650
Dans le cadre du renforcement d’une squad dédiée à la Supply Chain & Operational Excellence, nous recherchons un Machine Learning / MLOps Engineer confirmé pour accompagner l’évolution et l’industrialisation de produits de Machine Learning en environnement cloud.
Vous interviendrez au sein d’une équipe Data & AI sur des sujets à fort impact opérationnel, avec un rôle clé dans la mise en production, le monitoring, la scalabilité et la robustesse des systèmes ML.
La mission consistera notamment à accompagner le déploiement de produits ML sur une stack standard moderne comprenant AWS SageMaker Unified Studio, MLflow, GitLab, Terraform, Python et Airflow, depuis les phases de POC jusqu’au MVP, tout en assurant la gestion et l’amélioration des produits existants en environnement AWS.
Vos principales missions seront les suivantes :
Accompagner les équipes Data Science en mettant à disposition des environnements ML complets, de l’ingestion des données jusqu’au model serving.
Contribuer à l’implémentation, l’industrialisation et l’exploitation de solutions Machine Learning en production.
Déployer et maintenir des pipelines MLOps robustes pour la CI/CD, le monitoring et le réentraînement des modèles.
Optimiser la performance, la latence et la consommation de ressources des modèles et pipelines de données.
Participer au débogage et à l’amélioration continue des systèmes ML existants.
Former, accompagner et partager les bonnes pratiques avec les autres ingénieurs de l’équipe.
Collaborer au quotidien avec les équipes produit, data science, engineering et delivery.
Participer aux cérémonies Agile et contribuer au cadrage des évolutions techniques.
Soutenir les Product Owners et Project Managers dans les choix technologiques, en lien avec le Tech Lead.
La mission est prévue jusqu’au 31 décembre 2026, avec possibilité de renouvellement.
Nous recherchons un profil MLOps / DevOps confirmé, disposant de 3 à 5 ans d’expérience, idéalement dans un contexte de production de systèmes de Machine Learning.
Vous avez une expérience solide dans le déploiement, l’industrialisation, le monitoring et la mise à l’échelle de solutions ML, avec une forte sensibilité aux enjeux de robustesse, performance et maintenabilité.
Compétences attendues :
Solide expérience cloud, principalement sur AWS ; une connaissance de GCP est un plus.
Maîtrise des outils MLOps tels que AWS SageMaker, MLflow et Airflow.
Très bon niveau en Python, incluant les bonnes pratiques de développement, la refactorisation et la gestion d’environnements avec des outils comme uv ou poetry.
Expérience des pratiques CI/CD et du versioning avec Git, idéalement GitLab.
Maîtrise de la containerisation avec Docker ou Podman.
Expérience requise en Infrastructure as Code, notamment avec Terraform.
Bonne compréhension des problématiques de production ML : monitoring, réentraînement, performance, latence, scalabilité.
Qualités attendues :
Excellente communication, avec capacité à vulgariser et partager les bonnes pratiques.
Esprit critique et capacité d’analyse pour orienter les choix techniques et architecturaux.
Autonomie, proactivité et force de proposition.
Capacité à travailler dans un environnement agile et collaboratif.
Anglais professionnel requis.
Une belle opportunité pour un profil MLOps souhaitant intervenir sur des sujets concrets d’industrialisation ML, au sein d’un environnement cloud exigeant et structuré.
