Machine Learning Engineer F/H
Role details
Job location
Tech stack
Job description
- Modélisation ML (prévision & analyse)
- Concevoir des modèles de prévision et d'analyse (activité, absentéisme, anomalies)
- Développer des modèles de scoring et de classification pour les cas d'usage métier
- Évaluer et améliorer la performance des modèles dans la durée
- IA générative & LLM
- Développer et faire évoluer les composants d'IA générative (RAG, assistants conversationnels)
- Concevoir les chaînes de traitement (prompts, orchestration, validation des réponses)
- Garantir la qualité, la pertinence et la fiabilité des outputs IA
- Industrialisation & MLOps
- Industrialiser les modèles et mettre en place des pipelines de production
- Gérer le versioning des modèles, données et prompts
- Suivre la performance et la qualité du service IA en production
- Collaboration & intégration produit
- Collaborer avec les équipes produit, data et développement pour intégrer les modèles
- Traduire les besoins métier en solutions IA concrètes
- Participer aux échanges techniques et à la structuration des cas d'usage
- Veille & amélioration continue
- Assurer une veille active sur les technologies ML et IA générative
- Tester et expérimenter de nouvelles approches
- Contribuer à la diffusion des bonnes pratiques au sein de l'équipe
Requirements
Vous justifiez de minimum 3 ans d'expérience en Machine Learning ou en IA, avec une expérience en mise en production de modèles. Vous maîtrisez Python et les principales techniques de modélisation ainsi que les bases de l'industrialisation des modèles.
Vous avez également une bonne compréhension des architectures LLM, des approches RAG et des enjeux liés à la qualité des outputs IA. À l'aise dans des environnements techniques complexes, vous savez intervenir de bout en bout, du prototype à la production.
Curieux(se) et pragmatique, vous êtes capable d'arbitrer entre rigueur scientifique et contraintes produit, tout en collaborant efficacement avec des profils techniques et métiers.
Une expérience sur des projets IA en production, des architectures SaaS ou des cas d'usage métier (RH, planification, opérations) constituera un atout.