Role overview
Dans le cadre du renforcement d’une équipe Data & AI au sein d’un environnement international, nous recherchons un Machine Learning Engineer / MLOps Engineer confirmé pour intervenir sur des produits liés à la Supply Chain et à l’Excellence Opérationnelle.
Vous rejoindrez une squad agile en charge de l’évolution, de l’industrialisation et du déploiement de produits Machine Learning dans des environnements cloud AWS. La mission portera principalement sur la mise en production, le monitoring, la scalabilité et l’optimisation de systèmes ML, en s’appuyant sur une stack moderne : AWS SageMaker Unified Studio, MLflow, GitLab, Terraform, Python et Airflow.
L’objectif est d’accompagner les équipes Data Science dans le passage de leurs cas d’usage du POC au MVP, tout en garantissant des environnements robustes, maintenables et conformes aux bonnes pratiques MLOps.
Responsibilities
- Accompagner les équipes Data Science dans la mise à disposition d’environnements Machine Learning complets, de l’ingestion des données jusqu’au model serving.
- Déployer et maintenir des pipelines MLOps robustes pour l’intégration continue, la livraison continue, le monitoring et le ré-entraînement des modèles.
- Contribuer à l’industrialisation de produits ML existants dans des environnements AWS.
- Participer au déploiement des produits ML sur une nouvelle stack standardisée.
- Déboguer, optimiser et améliorer la performance, la latence et la consommation de ressources des modèles et pipelines en production.
- Apporter une expertise technique sur les choix d’architecture, en lien avec le tech lead et les équipes produit.
- Collaborer au quotidien avec les Data Scientists, Product Owners, Project Managers et autres ingénieurs de l’équipe.
- Participer aux cérémonies Agile et contribuer à l’amélioration continue des pratiques.
- Former, accompagner et partager les connaissances avec les autres membres de l’équipe.
Basic qualifications
- Nous recherchons un profil <strong>MLOps / ML Engineer confirmé</strong>, disposant de <strong>3 à 5 ans d’expérience</strong>, avec une forte expérience sur des systèmes Machine Learning en production.
Preferred qualifications
- Solide expérience en <strong>MLOps</strong> et/ou <strong>DevOps appliqué au Machine Learning</strong>.
- Très bonne maîtrise d’<strong>AWS</strong>, notamment dans des contextes de scalabilité, robustesse et production.
- Expérience significative avec <strong>AWS SageMaker</strong>, <strong>MLflow</strong> et <strong>Airflow</strong>.
- Excellente maîtrise de <strong>Python</strong>, incluant les bonnes pratiques de développement, la refactorisation et la gestion d’environnements avec des outils tels que <strong>uv</strong> ou <strong>Poetry</strong>.
- Bonne connaissance des pratiques <strong>CI/CD</strong> et du versioning avec <strong>Git</strong>, idéalement <strong>GitLab</strong>.
- Maîtrise de la containerisation avec <strong>Docker</strong> et/ou <strong>Podman</strong>.
- Expérience requise en <strong>Infrastructure as Code</strong>, notamment avec <strong>Terraform</strong>.
- Expérience dans le déploiement, le monitoring, l’optimisation et la mise à l’échelle de modèles ML en production.
- La connaissance de <strong>GCP</strong> est un plus.
Benefits
- Mission freelance basée à <strong>Paris</strong>, avec une présence attendue sur site <strong>2 à 3 jours par semaine</strong>.
- La mission est prévue jusqu’au <strong>31 décembre 2026</strong>, avec possibilité de renouvellement.
- Démarrage souhaité : <strong>juin 2026 / dès que possible</strong>.