> Markdown version of [/jobs/ext/3159531-machine-learning-engineer-mlops](https://www.wearedevelopers.com/jobs/ext/3159531-machine-learning-engineer-mlops). 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).

---

# Machine Learning Engineer - MLOps

- **Company:** Okara
- **Location:** Lille, France
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Airflow, Bash Shell, Software Quality, Continuous Integration, Information Engineering, DevOps, Python (Programming Language), Machine Learning, Ansible, Software Engineering, Management of Software Versions, Google Cloud, Gitlab-ci, Kubernetes, Machine Learning Operations, Terraform, Docker
- **Published:** September 22, 2026
- **Apply:** https://www.indeed.com/viewjob?jk=0ff0736e9bc9060a

## About the Role

Solide expérience en ingénierie logicielle avec une spécialisation en MLOps, DevOps ou Data Engineering. Maîtrise impérative de l'environnement Python et des outils de conteneurisation (Docker, Kubernetes). Expérience concrète dans la mise en production de modèles de Machine Learning et la gestion de pipelines d'orchestration. Capacité à travailler dans un environnement complexe (Data Mesh) avec une approche pragmatique de la qualité logicielle. Maîtrise du français et de l'anglais professionnel indispensable.

## Description

L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance.

La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform).

Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI.

Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI.

Data Quality & Feature Store : Great Expectations, Feast.

Ta Mission & Ton Impact :
Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production.

Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions.

Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation).

Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.