Nous recherchons un.e ingénieur.e MLOps expérimentée pour intégrer une IA FACTORY, dédiée à la mise en production de modèles d’intelligence artificielle dans un contexte à fort enjeu (contenus, automatisation, recherche d'information…)
Missions
- Industrialiser, fiabiliser et sécuriser la mise en production de modèles IA (LLM, RAG, NLP, Computer Vision…)
- Mettre en place des pipelines robustes et traçables, de l'entraînement à la mise en ligne.
- Implémenter une culture MLOps moderne : monitoring, feedback loops, versioning, reproductibilité.
- Accompagner les équipes Data Science et DevOps pour faire le lien entre recherche et production.
Profil recherché
- 3 ans d’expérience minimum en MLOps ou déploiement IA/ML en environnement production.
- Très bonne maîtrise de Python et des librairies ML/Data Science (NumPy, Pandas, scikit‑learn, PyTorch ou TensorFlow).
- Bon niveau en SQL pour l'accès et manipulation des données.
- Capacité à travailler en équipe produit / data / dev / ops, en méthode agile.
- Esprit structuré, rigoureux, orienté fiabilité et qualité long terme.
Stack technique
- Langages / Librairies : Python, NumPy, Pandas, Scikit‑learn, PyTorch / TensorFlow.
- MLOps : GitLab CI/CD, Docker, MLflow, Comet ML, versioning modèles / datasets.
- LLM / NLP : LangChain, LangSmith, Semantic Kernel, RAG architecture.
- Déploiement : Cloud provider (AWS, GCP ou Azure), serverless ou containers.
- Monitoring & retraining : dérive, feedback loop, human‑in‑the‑loop.
- Scalabilité / Orchestration (souhaité) : Kubernetes, Kubeflow, Argo.
- Optimisation (souhaitée) : quantization, distillation, LoRA, pruning.
- Autres compétences utiles : Computer Vision, Small Language Models (SLM).
Soft Skills
- Capacité à documenter, transmettre les bonnes pratiques, construire une culture d’industrialisation.
- Autonomie forte et sens des responsabilités.
- Rigueur, souci du détail et de la qualité des livrables.
- Aisance en collaboration inter-équipes.
- Curiosité naturelle pour les usages IA avancés.
Avantages / Contexte
- Projet IA structurant, visible, avec des cas d’usage concrets et un fort impact.
- Équipe data/ML en place et dynamique.
- Stack moderne, outils récents, bonne culture produit & technique.
- Flexibilité remote ou hybride selon localisation.
- Mission longue durée.