Skills

Communication Python Tableau SQL Data Engineering GitHub GitLab DevOps Docker Kubernetes Monitoring Machine Learning PyTorch Scikit-Learn TensorFlow git FastAPI Data Science Spark PySpark Matplotlib seaborn gRPC

Job Specifications

Dans le cadre d’un programme stratégique de transformation numérique, nous recherchons un ML Ops Engineer pour accompagner l’industrialisation de cas d’usage Data Science et Machine Learning à fort impact.

La mission s’inscrit dans un environnement structuré et exigeant, avec un objectif clair :
faire passer des projets ML de l’expérimentation à la production, en garantissant robustesse, scalabilité, reproductibilité et exploitabilité dans la durée.

Vous interviendrez comme pivot technique entre les équipes Data (Data Engineers, Data Scientists, Ingénieurs IA) et les équipes Opérations / DevOps.

Vos missions

Industrialisation & pipelines ML

Structurer techniquement les projets ML (de l’expérimentation au déploiement)

Concevoir, maintenir et faire évoluer des pipelines CI / CD / CT

Automatiser les flux de données en collaboration avec les Data Engineers

Garantir la reproductibilité des entraînements (versioning code, données, modèles)

Infrastructure & déploiement

Conteneuriser les cas d’usage ML (Docker)

Orchestrer les déploiements via Kubernetes

Mettre en œuvre des stratégies de model serving :

API REST

traitements batch

éventuellement gRPC

Monitoring & cycle de vie des modèles

Mettre en place des outils de supervision des modèles en production

Détecter et gérer le data drift et le model drift

Piloter le cycle de vie des modèles :

réentraînement

montée de version

mise hors service

Valorisation des résultats

Développer des interfaces et API permettant de mettre à disposition les résultats ML

Contribuer à la lisibilité et à l’exploitabilité des outputs pour les équipes métiers et techniques

Environnement technique

Data & traitement distribué

Python, SQL

Spark / PySpark

DBT

Airflow

Outils analytiques distribués (Polars, Trino…)

Machine Learning & MLOps

scikit-learn, TensorFlow, PyTorch

XGBoost, LightGBM

MLflow (tracking, registry)

FastAPI

Outils de monitoring ML (ex. Giskard ou équivalent)

DevOps & industrialisation

CI / CD / CT

GitLab, GitHub

Tests unitaires et automatisés

Docker, Kubernetes

Visualisation & analyse

matplotlib, seaborn, plotly, Tableau

Profil recherché
Formation

Bac+5 minimum (informatique, data, systèmes d’information, ingénierie logicielle)

Expérience en :

Data Engineering

ML Engineering

AI Engineering

ou Data Science avec forte orientation production

Compétences clés

Très bonne maîtrise de Python

Solide culture data & ML

Expérience concrète en industrialisation et mise en production

Maîtrise des outils de versioning et de collaboration (Git, tests, environnements collaboratifs)

Sensibilité forte aux enjeux de robustesse, performance et maintenabilité

Savoir-être

Rigueur et fiabilité

Autonomie et proactivité

Esprit d’équipe

Communication claire sur des sujets techniques complexes

Orientation solutions et amélioration continue