ML Engineer / MLOps (H/F)

Thélio

Bordeaux

On-site

EUR 70,000 - 110,000

Full time

15 hours ago
Be an early applicant

Get a reply from this employer

Your resume and cover letter, tailored to exactly what they’re hiring for.

Get past ATS filters

Job summary

Thélio recrute un ML Engineer / MLOps pour accompagner nos clients grands comptes et structurer nos pratiques internes. Vous serez en charge d’industrialiser des modèles IA, de déployer des pipelines MLOps et d’assurer l’observabilité et la sécurité des services IA en production.

Vous travaillerez sur des architectures scalables, avec du data engineering, du Cloud et du GenAI, et vous collaborerez avec les Data Scientists et les Data Engineers pour livrer des solutions fiables et conformes au

Qualifications

  • Minimum 5 ans d'expérience en ML/IA et MLOps.
  • Maîtrise des pratiques MLOps, CI/CD et tests de données et code.
  • Capacité à concevoir et industrialiser des pipelines ML et des services IA.

Responsibilities

  • Industrialiser les modèles et services IA déployables et observables.
  • Concevoir et run des pipelines MLOps bout en bout (training, validation, déploiement, scoring, monitoring).
  • Mettre en place CI/CD/CT appliqué au ML et promotion d'environnements.
  • Conduire gouvernance, qualité des données et conformité RGPD dans les pipelines.

Skills

Python avancé
SQL solide
Docker & Kubernetes
CI/CD
Tests & packaging

Tools

Docker
Kubernetes
Helm
Airflow
Snowflake
Databricks
Dataiku
BigQuery
Microsoft Fabric

Job description

Présence client + R&D interne

Le contexte

Chez Thélio, nous accompagnons nos clients de l'expérimentation IA jusqu'à la mise en production industrielle. Le maillon qui fait souvent défaut, c'est l'industrialisation : transformer un notebook, un flow ou une chaîne RAG en service fiable, monitoré, sécurisé et maintenable.

Nous recherchons un ML Engineer / MLOps pour porter ce rôle chez nos clients grands comptes (industrie, énergie, retail, sport, banque, événementiel) et pour structurer notre socle de pratiques MLOps en interne. Ta valeur n'est pas de faire de la recherche modèle isolée, mais de rendre les modèles et chaînes IA déployables, observables, gouvernés et exploitables.

Industrialisation ML / IA / GenAI

Passer du prototype au produit : packaging de modèles, services de scoring batch ou temps réel, APIs, endpoints, jobs planifiés. Rendre robustes, scalables et monitorées des solutions ML et génératives conçues par les Data Scientists.

Conception et run des pipelines MLOps

Construire et maintenir les pipelines de bout en bout : entraînement, validation, tests, déploiement, scoring, monitoring, rollback. Mettre en place le CI/CD/CT appliqué au ML (tests de code, tests data, validation modèle, promotion d'environnements, versioning des artefacts).

Plateforme et outillage IA

Mettre en place les plateformes IA et l'outillage d'aide au développement : environnements dev/test/prod, secrets management, observabilité, briques de monitoring. Automatiser les process de déploiement autour de l'IA.

Architecture technique

Proposer des architectures appliquant les principes d'agilité, d'intégration et de déploiement continus, en anticipant les besoins de scalabilité. Concevoir des patterns réutilisables (training pipeline, batch scoring, orchestration hybride, RAG sécurisé).

Monitoring et qualité en production

Surveiller les modèles en production : performance, drift, biais, latence, erreurs, disponibilité, qualité des données d'entrée. Mettre en place les contrôles qualité sur les datasets, features et sorties modèles, ainsi que l'alerting opérationnel.

GenAIOps

Industrialiser les patterns GenAI : RAG, embeddings, vector DB, prompt management, guardrails, évaluation, supervision des hallucinations et contrôle des sources.

FinOps et veille

Contribuer à la maîtrise des coûts (inférence, appels LLM, compute, stockage) dans une démarche FinOps. Assurer une veille technologique active sur les architectures data et IA.

Gouvernance et conformité

Documenter les assets IA (datasets, owners, lineage, règles qualité, model cards, runbooks). Garantir l'auditabilité des pipelines et services, en lien avec les RSSI, DPO et équipes risque/conformité, dans le respect du RGPD et des principes d'IA responsable.

Ce que nous offrons

Un cabinet indépendant à taille humaine, des missions variées sur des sujets d'industrialisation IA à fort enjeu, une culture où la RSE et la transition écologique ont leur place, et un espace réel pour structurer nos pratiques MLOps et faire grandir l'offre.

La stack et les compétences attendues
Software engineering (cœur du poste)

Très bon niveau : design patterns, architecture logicielle, bonnes pratiques de dev, tests, packaging, APIs, gestion de configuration. Python avancé indispensable (ou autre langage orienté objet), SQL solide.

Culture data (socle indispensable)

Au-delà de l'ingénierie logicielle, une vraie culture data est attendue : compréhension des architectures et des outils de la donnée (data lake / lakehouse / data warehouse, ETL/ELT, orchestration, couches de stockage et de service), des principes de modélisation (modèles relationnels, dimensionnels type étoile/flocon, approches modernes type data vault), et des enjeux de qualité, de gouvernance et de lineage. Tu dois pouvoir dialoguer d'égal à égal avec les Data Engineers et les Data Architects, et comprendre comment une feature ou un dataset est produit en amont d'un modèle.

DevOps / MLOps

Docker, Kubernetes, Helm, pipelines as code, Git, CI/CD, environnements multi-stage, logs, monitoring, runbooks. La connaissance des pratiques MLOps est un vrai différenciateur.

Cloud et plateformes data/IA

À l'aise sur au moins un cloud majeur (Azure, GCP ou AWS). Connaissance d'écosystèmes data et IA tels que Snowflake, Databricks, Dataiku, BigQuery, Microsoft Fabric, ainsi que des outils d'orchestration (Airflow), de qualité (Soda) et de catalogue/gouvernance (Data Galaxy) selon les contextes clients.

GenAI

Frameworks RAG, vectorisation, embeddings, vector DB, prompt/version management, frameworks d'évaluation, guardrails, observabilité LLM.

Niveau et trajectoire

Minimum 5 ans d'expérience. Trois niveaux de lecture selon le profil :

Confirmé

industrialise des modèles et services IA, automatise les pipelines de déploiement, met en place le monitoring.

Senior

conçoit des architectures MLOps / GenAIOps robustes autour des plateformes data et IA du client.

Lead

définit les standards, pilote les patterns réutilisables, garantit la robustesse des services IA à l'échelle et fait monter l'équipe en compétence.

Exigeant sur la qualité, pragmatique sur le delivery. Tu penses produit, run, sécurité, coût et maintenabilité dès la conception. Tu sais challenger les besoins et les choix techniques avec pédagogie, vulgariser auprès d'interlocuteurs variés (Data Scientists, Data Engineers, métiers, DSI, sécurité), et faire grandir les autres par le mentoring, les revues de code et l'exemplarité.

Sens du service et de la relation client, curiosité, autonomie, aisance relationnelle et capacité d'écoute complètent le profil, dans une logique de conseil.

Get your free, confidential resume review.

or drag and drop your file here.

Similar jobs

Similar jobs worth comparing

ML Engineer / MLOps (H/F)
ML Engineer / MLOps (H/F)

Thélio • Toulouse

On-site
EUR 90,000 - 120,000
ML Engineer / MLOps (H/F)
ML Engineer / MLOps (H/F)

Thélio • Lyon

On-site
EUR 70,000 - 110,000
AI Engineer — MLOps & Industrialisation | Paris
AI Engineer — MLOps & Industrialisation | Paris

Mp Data • Boulogne-Billancourt

On-site
EUR 55,000 - 85,000
Ingénieur IA
Ingénieur IA

Alliance Services Plus • Montpellier

On-site
EUR 70,000 - 95,000
Lead AI Engineer - Architecture & Conseil H/F
Lead AI Engineer - Architecture & Conseil H/F

Mp Data • Boulogne-Billancourt

Hybrid
EUR 90,000 - 140,000
Rôle conseil
Projets ambitieux
Environnements réels
+1
Lead Tech IA / IA Gen - F/H
Lead Tech IA / IA Gen - F/H

Onepoint • Paris

On-site
EUR 65,000 - 85,000
Cloud Engineer GCP – Stage de fin d’études H/F, Internship
Cloud Engineer GCP – Stage de fin d’études H/F, Internship

Devoteam • Levallois-Perret

Remote
EUR 10,000 - 13,000
Ingénieur GenAI (F/H/X)
Ingénieur GenAI (F/H/X)

L'olivier Assurance | Admiral Group Plc • Paris

On-site
EUR 65,000 - 90,000
Senior Machine Learning Engineer / Tech lead
Senior Machine Learning Engineer / Tech lead

Sylog • Paris

On-site
EUR 90,000 - 140,000
Ingénieur·e IA / Machine Learning Confirmé·e
Ingénieur·e IA / Machine Learning Confirmé·e

GoMind • Paris

On-site
EUR 50,000 - 70,000