Ingénieur Machine Learning appliqué

Factory 319 SAS; Marseille; Sur place; EUR 55 000 - 90 000; Plein temps

Résumé du poste

Factory 319 SAS, startup studio basé à Marseille, recrute un ingénieur Machine Learning appliqué pour renforcer les capacités R&D et production autour de solutions IA pour la santé.

Vous concevrez et déployerez des modèles ML (vision, NLP, multimodal), traitez des données imparfaites et collaborez avec les équipes dev pour intégrer les modèles en production.

Qualifications

• Bac+5 en IA, Machine Learning, Data Science, Informatique, Mathématiques appliquées ou équivalent.
• École d’ingénieur, Master spécialisé ou formation universitaire équivalente.
• Spécialisation en Computer Vision, NLP, IA générative ou IA appliquée à la santé est un atout.

Responsabilités

• Data et annotation : Structurer et versionner les datasets, mettre en place des pipelines d’annotation et de validation, assurer la qualité et la cohérence des données.
• Modélisation et expérimentation : Développer, évaluer et faire évoluer des modèles ML (vision, NLP, multimodal), sélectionner et fine-tuner des modèles pré-entraînés, prototyper et comparer des approches.
• MLOps et mise en production : Déployer des modèles (API, batch, temps réel), mettre en place des pipelines d’entraînement et d’inférence, gérer le versioning des modèles.
• Monitoring et dérive : Mettre en place des métriques de suivi, détecter la dérive de données et de performance, définir des stratégies de réentraînement et des métriques métier.
• Intégration produit : Collaborer avec les équipes dev pour intégrer les modèles, prendre en compte les contraintes terrain (latence, UX, fiabilité).
• Veille & innovation : Assurer une veille scientifique et technologique, évaluer les approches et proposer les meilleures solutions.

Connaissances

Machine Learning

Python

PyTorch

TensorFlow

Deep learning

Entraînement de modèles ML

Évaluation de modèles ML

Prototyping ML models

Formation

Master/Engineer Bac+5 en IA / Data Science / Informatique

Outils

Git

Docker

API development

Description du poste

Factory 319 est un startup studio basé à Marseille, spécialisé dans la co‑création, le développement et l’accompagnement de startups dans les secteurs de la e‑santé, de la medtech, de la biotech et de la deeptech.

Le studio intervient auprès de projets innovants en santé en combinant expertise produit, développement technologique, accompagnement stratégique, validation terrain et accès à un réseau d’acteurs cliniques, industriels et institutionnels.

Dans ce cadre, Factory 319 développe et accompagne un portefeuille de startups spécialisées dans la santé numérique, dont Katomi, startup dédiée aux solutions d’intelligence artificielle appliquées aux usages médicaux.

À propos de Katomi

Katomi conçoit et accompagne le déploiement de solutions de vision par ordinateur et de traitement de la voix pour les acteurs de la santé, depuis le cadrage scientifique jusqu’à l’intégration en production.

Dans le cadre du développement de Katomi et des projets IA santé qui lui sont confiés, Ingénieur Machine Learning appliqué recrute un.e basé.e à Marseille afin de renforcer les capacités R&D et production autour de solutions robustes, fiables et intégrables dans des environnements réels de santé.

Compétences requises

• Expérience en machine learning appliqué sur des cas réels.
• Maîtrise de Python + framework ML (PyTorch, TensorFlow…).
• Capacité à entraîner, adapter et évaluer des modèles deep learning (vision, NLP ou multimodal).
• Expérience avec des jeux de données imparfaits, bruités ou partiellement annotés.
• Capacité à concevoir des solutions robustes, du prototype jusqu’à la mise en production.
• Capacité à prototyper et à itérer rapidement sans surcomplexifier.

Responsabilités

• Data et annotation :
  • Structurer et versionner les datasets.
  • Mettre en place des pipelines d’annotation et de validation.
  • Assurer la qualité et la cohérence des données.
• Modélisation et expérimentation :
  • Développer, évaluer et faire évoluer des modèles de machine learning (vision, NLP, multimodal).
  • Sélectionner, adapter et fine‑tuner des modèles pré‑entraînés selon les besoins des projets.
  • Prototyper rapidement et comparer différentes approches afin d’identifier les solutions les plus pertinentes.
• MLOps et mise en production :
  • Déployer des modèles (API, batch, temps réel).
  • Mettre en place des pipelines d’entraînement et d’inférence.
  • Gérer le versioning des modèles.
• Monitoring et dérive :
  • Mettre en place des métriques de suivi en production.
  • Détecter la dérive de données (data drift).
  • Détecter la dérive de performance (model drift).
  • Définir des stratégies de réentraînement.
  • Définir des métriques métier permettant d’évaluer les performances des modèles en conditions réelles.
  • Assurer la robustesse des modèles dans le temps.
• Intégration produit :
  • Collaborer avec les équipes dev pour intégrer les modèles.
  • Prendre en compte les contraintes terrain (latence, UX, fiabilité).
• Veille & innovation :
  • Assurer une veille scientifique et technologique sur les avancées en intelligence artificielle.
  • Évaluer de manière critique différentes approches et proposer les solutions les plus adaptées aux problématiques rencontrées.

Exigences supplémentaires

• Computer vision (segmentation, classification, détection).
• NLP (classification, embeddings, modèles pré‑entraînés).
• Expérience avec des pipelines de données et d’annotation.
• Fine‑tuning de modèles pré‑entraînés.
• Une expérience dans le domaine de la santé ou dans un environnement réglementé est un grand plus.
• Git, Docker, développement et déploiement d'APIs.
• Notions de monitoring ML et dérive.

Exigences académiques

Bac +5 en IA, Machine Learning, Data Science, Informatique, Mathématiques appliquées, Traitement du signal ou équivalent. École d’ingénieur, Master spécialisé ou formation universitaire équivalente. Une spécialisation en Computer Vision, NLP, IA générative ou IA appliquée à la santé est un atout.

Localisation

EU, Marseille, Région PACA

Contact

Les candidats intéressés peuvent envoyer leur CV à [e-mail] en mentionnant "Intitulé du poste" dans l’objet du mail.