> Markdown version of [/jobs/ext/1211126-ingenieur-deep-learning-infrastructure-ia-dans-le-cadre-de-l-initiative-pl-ntnet](https://www.wearedevelopers.com/jobs/ext/1211126-ingenieur-deep-learning-infrastructure-ia-dans-le-cadre-de-l-initiative-pl-ntnet). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Ingénieur Deep Learning & Infrastructure IA dans le cadre de l'initiative Pl@ntNet - **Company:** Inria - **Location:** Fabrègues, France (Remote available) - **Salary:** €32,304.0 - **Contract:** Temporary contract - **Skills:** Application Programming Interfaces (APIs), Agile Methodology, Artificial Intelligence, Systems Engineering, Systems Theories, Deep Learning, Operational Systems - **Published:** July 9, 2026 - **Apply:** https://fr.indeed.com/viewjob?jk=055d64c875d82460 ## About the Role Formation Bac+5, école d'ingénieur ou doctorat en informatique, intelligence artificielle, apprentissage automatique ou domaine connexe. Première expérience significative dans le développement de modèles d'apprentissage profond ou dans l'ingénierie de systèmes d'IA. Une expérience de plusieurs années dans un environnement de recherche ou industriel est appréciée., Forte maîtrise des méthodes modernes d'apprentissage profond. Capacité à développer du code robuste et maintenable. Intérêt pour les systèmes d'IA déployés à grande échelle. Capacité à travailler à l'interface entre recherche et ingénierie. Curiosité scientifique et technologique. Autonomie, rigueur et esprit d'équipe. Intérêt pour les applications de l'intelligence artificielle au service de la biodiversité et de l'environnement. ## Description L'équipe développe et opère des systèmes d'IA à grande échelle couvrant l'identification d'espèces à partir d'images, la recherche par similarité, les modèles multimodaux, ainsi que de nouvelles approches de modélisation spatiale de la biodiversité (GeoPl@ntNet). Les infrastructures s'appuient sur des ressources de calcul haute performance (Jean Zay) et des services d'inférence en production déployés sur plusieurs dizaines de serveurs distribués Le poste offre l'opportunité de travailler à l'interface entre recherche de pointe en intelligence artificielle et déploiement opérationnel de systèmes utilisés à l'échelle mondiale, dans un contexte à fort impact environnemental et sociétal. Mission confiée Le ou la candidat(e) contribuera au développement, à l'entraînement, au déploiement et à l'exploitation des modèles d'intelligence artificielle de la plateforme Pl@ntNet. En collaboration étroite avec les ingénieurs et chercheurs de l'équipe, il ou elle participera à l'évolution des infrastructures IA de la plateforme et à l'intégration de nouvelles générations de modèles fondés sur l'apprentissage profond, les modèles de fondation et l'apprentissage multimodal. À moyen terme, la personne recrutée sera amenée à prendre progressivement en charge une partie croissante des composants stratégiques de l'écosystème IA de Pl@ntNet. Principales activités Concevoir, entraîner et évaluer des modèles d'apprentissage profond à grande échelle. Développer et maintenir les pipelines d'entraînement sur infrastructures HPC et GPU. Participer à l'intégration et à l'évaluation de modèles de fondation (vision, multimodal, etc.). Développer et optimiser les systèmes de recherche par similarité fondés sur des représentations vectorielles. Contribuer au déploiement et à l'exploitation des services d'inférence en production. Participer à la conception et à l'évolution des API et services logiciels associés aux modèles d'IA. Assurer la veille technologique sur les avancées récentes en apprentissage profond et en ingénierie des systèmes d'IA. Collaborer avec les chercheurs, doctorants et post-doctorants de l'équipe pour transférer les avancées méthodologiques vers les systèmes opérationnels. ## Related Videos - [Getting Started with Machine Learning](https://www.wearedevelopers.com/videos/260-getting-started-with-machine-learning) - [Developer Experience, Platform Engineering and AI powered Apps](https://www.wearedevelopers.com/videos/990-developer-experience-platform-engineering-and-ai-powered-apps) - [Strong decisions - decisive distinctions between digital and analog aspects](https://www.wearedevelopers.com/videos/1687-strong-decisions-decisive-distinctions-between-digital-and-analog-aspects) - [ShapeShift: Reinventing Agile for a B2B SaaS Scale-Up](https://www.wearedevelopers.com/videos/1655-shapeshift-reinventing-agile-for-a-b2b-saas-scale-up) - [Geometric deep learning for drug discovery](https://www.wearedevelopers.com/videos/264-geometric-deep-learning-for-drug-discovery) - [AI beyond the code: Master your organisational AI implementation.](https://www.wearedevelopers.com/videos/1248-ai-beyond-the-code-master-your-organisational-ai-implementation) ## Related Articles - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [How to start an AI project for a good cause and boost your career](https://www.wearedevelopers.com/magazine/15-how-to-start-an-ai-project-for-a-good-cause-and-boost-your-career) - [From Prototype to Production: Build AI Agents with This Free 4-Course Learning Path](https://www.wearedevelopers.com/magazine/655-from-prototype-to-production-build-ai-agents-with-this-free-4-course-learning-path) - [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development) - [Coffee with Developers - Maria Apazoglou - Making AI understandable for all in production](https://www.wearedevelopers.com/magazine/475-coffee-with-developers-maria-apazoglou-making-ai-understandable-for-all-in-production) - [Stephan Gillich - Bringing AI Everywhere](https://www.wearedevelopers.com/magazine/489-stephan-gillich-bringing-ai-everywhere)