Senior Machine Learning Engineer / Tech lead
Description
Dans le cadre d’un programme de transformation numérique, une grande organisation industrialise des solutions d’intelligence artificielle avancées, notamment autour de l’IA générative, des agents et des approches RAG (Retrieval-Augmented Generation).
Nous recherchons un Tech Lead / Senior Machine Learning Engineer pour renforcer l’équipe et structurer le socle technologique ainsi que les bonnes pratiques d’ingénierie sur ces sujets. Vous interviendrez au sein d’une équipe pluridisciplinaire (Data Scientists, ML Engineers, Software Engineers) et jouerez un rôle central dans l’industrialisation, la performance et la robustesse des produits IA délivrés aux métiers.
Description de la mission:
En tant que Tech Lead / Senior ML Engineer, votre mission sera de :
1. Pilotage technique & leadership:
• Assurer le rôle de référence technique sur les sujets ML/LLM (RAG, IA générative, agents, orchestration de workflows).
• Animer la communauté technique de l’équipe :
- Organisation de rituels (tech talks, BBL, sessions de partage de bonnes pratiques).
- Diffusion de standards d’architecture, de qualité de code et de sécurité. • Participer activement aux revues de PR (Pull Requests) et garantir un niveau élevé de qualité logicielle (lisibilité, tests, performance, sécurité).
2. Conception & industrialisation des solutions IA:
• Concevoir, développer et industrialiser des pipelines ML/LLM robustes et scalables :
– Solutions RAG (indexation, vector stores, retrieval, re-ranking).
– Agents et workflows complexes (orchestration, gestion de contexte).
• Mettre en œuvre une architecture logicielle solide, adaptée aux enjeux d’IA en production (microservices, event-driven, modularisation, etc.).
• Structurer et maintenir un socle technologique d’innovation autour de l’IA (bibliothèques, templates de projets, guidelines, exemples réutilisables).
3. MLOps / LLMOps & Cloud:
• Définir et mettre en œuvre les pratiques MLOps / LLMOps :
– CI/CD pour modèles et services d’IA.
– Monitoring, observabilité, gestion de dérive et suivi de performance des modèles.
• Industrialiser les solutions sur des environnements conteneurisés : Docker, Kubernetes et OpenShift (déploiement, scaling, gestion des ressources).
• Contribuer à la mise en place d’un environnement Cloud cohérent avec les standards techniques et de sécurité de l’organisation.
4. Performance, sécurité & intégration:
• Optimiser la performance des services IA : latence, throughput, coût et consommation de ressources.
• Réaliser des benchmarks de modèles et de backends (LLM, embeddings, vector stores).
• Implémenter et/ou intégrer des mécanismes d’authentification et d’autorisation : OIDC / OAuth 2.0, gestion des tokens et intégration avec les systèmes IAM existants.
• Veiller au respect des bonnes pratiques de sécurité, de confidentialité et d’IA responsable (données sensibles, traçabilité, explicabilité).
5. Accompagnement des Data Scientists & des métiers:
• Travailler en étroite collaboration avec les Data Scientists pour transformer les prototypes en produits industrialisés et co-construire des API et services utilisables par les applications métiers.
• Accompagner les équipes métier dans la compréhension et l’adoption des solutions IA : vulgarisation des solutions et intégration dans les processus d’aide à la décision.
Profil recherché
Profil recherché
Compétences techniques:
• Formation supérieure en informatique ou discipline apparentée (école d’ingénieurs, université).
• Expérience significative en industrialisation de modèles d’IA (ML & LLM) dans des environnements de production.
• Excellente maîtrise de Python et des bonnes pratiques de Software Engineering.
• Maîtrise des approches BDD, TDD, revues de code et Clean Code.
• Maîtrise des architectures logicielles (microservices, hexagonale, event-driven, etc.) et des design patterns.
• Maîtrise indispensable de LangChain, LangGraph et des problématiques RAG (indexation, retrieval, ranking, gestion du contexte).
• Pratique avancée de Docker, Kubernetes et idéalement OpenShift.
• Pratique avancée des environnements CI/CD et DevOps (pipelines d’intégration et déploiement, monitoring, logging).
• Connaissances solides des mécanismes d’authentification / autorisation : OIDC, OAuth 2.0.
• Bonne culture MLOps / LLMOps, avec participation à la définition de bonnes pratiques au sein d’une organisation.
Soft skills:
• Forte orientation client et business : capacité à relier choix techniques et impact métier.
• Leadership naturel, capacité à fédérer et animer une communauté technique et à faire monter en compétence l’équipe (mentoring, coaching).
• Excellentes capacités de communication, clarté, pédagogie et assertivité.
• Sensibilité aux enjeux d’IA responsable (éthique, biais, transparence, gouvernance).
Nice to have:
• Expérience avec le cloud Azure, notamment Azure Machine Learning.
• Contributions Open Source / Inner Source, présentations techniques (meetups, BBLs).
• Participation active à une ou plusieurs communautés de Software Engineering / Data / IA.
• Expérience dans de grands groupes ou environnements fortement régulés (assurance, finance, santé).
Nice to have:
• Expérience avec le cloud Azure, notamment Azure Machine Learning.
• Contributions Open Source / Inner Source, présentations techniques (meetups, BBLs).
• Participation active à une ou plusieurs communautés de Software Engineering / Data / IA.
• Expérience dans de grands groupes ou environnements fortement régulés (assurance, finance, santé).
Skills
Sign in to read and join the discussion.