Machine Learning Engineer (F/N/H)
Role details
Job location
Tech stack
Job description
Tu aimes travailler en équipe, comprendre des problématiques produit concrètes et transformer des idées en features Machine Learning utilisées à grande échelle ? Tu souhaites rejoindre une entreprise tech où la data et le machine learning sont au cœur du produit, avec un fort impact utilisateur ? Nous souhaitons te rencontrer
Nous recherchons un·e Machine Learning Engineer pour rejoindre l'équipe Cognition et contribuer à l'automatisation du dépôt d'annonces sur leboncoin.
L'équipe développe et opère des features ML de bout en bout, de la phase de discovery jusqu'à la mise en production et au monitoring, pour des millions d'utilisateurs.
L'équipe Cognition est une feature team ML au sein de la Tribe Machine Learning. Son périmètre couvre l'automatisation et l'amélioration du dépôt d'annonces, à travers des cas d'usage mêlant :
- NLP
- Computer Vision
- Deep Learning
- GenAI / LLM
De nombreux use cases sont déjà en production et utilisés quotidiennement.
Tu rejoindras une équipe expérimentée, attachée aux bonnes pratiques d'ingénierie, pratiquant le pair programming régulier et des revues de code systématiques.
L'environnement favorise une montée en compétences progressive, dans un cadre collaboratif et bienveillant.
Poste basé à Paris, au sein d'un environnement de travail flexible et collaboratif. Nous demandons 3 jours de présentiel sur site par semaine., En tant que Machine Learning Engineer dans l'équipe Cognition, tu interviendras sur l'ensemble du cycle de vie des features ML.
Delivery & Produit- Comprendre les enjeux business liés au dépôt d'annonces leboncoin
- Participer au cadrage des features ML avec les équipes produit
- Concevoir, entraîner et améliorer des modèles ML / DL (NLP, Computer Vision, GenAI)
- Mettre en production ces modèles et les intégrer dans des pipelines robustes
- Monitorer la performance des modèles et assurer leur maintenance dans le temps
Engineering & MLOps- Contribuer à l'industrialisation des modèles (CI/CD, déploiement, monitoring)
- Utiliser et faire évoluer les outils de la plateforme ML (MLflow, Kubeflow, Airflow…)
- Écrire du code propre, testé, maintenable et documenté
- Participer aux revues de code et au pair programming
Collaboration & Culture- Communiquer clairement avec le produit et les parties prenantes métier
- Partager tes apprentissages et bonnes pratiques au sein de l'équipe
- Être acteur·rice de la culture ML et engineering chez leboncoin, * Travailler sur des features ML à fort impact produit, visibles directement par les utilisateurs
- Être impliqué·e sur tout le cycle de vie ML, de l'idée à la production
- Monter en compétences sur des sujets Deep Learning et GenAI, appliqués à des cas concrets
- Évoluer dans un environnement ML moderne et industrialisé :
- Python, PyTorch, TensorFlow, scikit-learn
- MLflow, Kubeflow, Airflow, KServe
- AWS, FastAPI, Kubernetes
- Rejoindre une entreprise labellisée Great Place To Work
- Intégrer une forte communauté Data et ML, notamment la Guilde Data Science
- Participer à des conférences Machine Learning / Tech
- Un focus important est porté sur la GenAI
Requirements
- 2 à 4 ans d'expérience sur un poste de Machine Learning Engineer ou équivalent
- Maîtrises Python et au moins un framework ML/DL (PyTorch, TensorFlow…)
- Familier avec des modèles en production
- A l'aise avec les bases du Machine Learning et du Deep Learning, notamment en NLP ou Computer Vision
- Intérêt pour LLM / GenAI et à leurs usages concrets
- Appétence pour la modélisation ET l'industrialisation
- Application des bonnes pratiques d'ingénierie : tests, CI/CD, revues de code
- Autonome dans ton apprentissage
- Orienté(e) travail en équipe et collaboration
- Maîtrise de la langue française à l'oral et à l'écrit
Bonus- Expérience avec AWS
- Familiarité avec MLflow, Kubeflow, Airflow, KServe
- Intérêt pour l'amélioration des outils et de la plateforme ML
Benefits & conditions
Le poste est volontairement équilibré entre modélisation et industrialisation ( 50/50), avec un fort focus sur la mise en production de features ML utiles.
