> Markdown version of [/jobs/ext/3182763-ml-engineer-mlops-f-h](https://www.wearedevelopers.com/jobs/ext/3182763-ml-engineer-mlops-f-h). 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).

---

# ML Engineer / MLOps (F/H

- **Company:** Sfeir
- **Location:** Bordeaux, France (Remote available)
- **Experience:** Experienced
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Continuous Integration, Management of Software Versions, Kubernetes, Machine Learning Operations
- **Published:** September 10, 2026
- **Apply:** https://www.indeed.com/viewjob?jk=88c70c63bedde118

## About the Role

* Formation & Parcours : Titulaire d'un Bac+5 en informatique (Master, école d'ingénieur) ou un parcours équivalent avec une solide expérience acquise sur le terrain.
 * Expérience : Tu justifies de 4 à 5 ans d'expérience réussie (hors stage et alternance) sur un rôle similaire idéalement dans des environnements exigeants.

 * ️ L'ancrage Bordelais

## Description

Pour accompagner le développement de notre collectif Sud-Ouest, nous recherchons notre futur MLOps Engineer spécialisé IA (F/H/NB).

L'enjeu de la mission : faire passer les modèles IA de l'expérimentation à la production, en construisant les infrastructures et les pipelines nécessaires pour les entraîner, les déployer, les faire évoluer et les monitorer dans la durée.

Tu interviendras sur l'ensemble du cycle de vie des modèles, dans des environnements cloud et à forts enjeux de performance, de fiabilité et de sécurité.

Au quotidien, tu pourras notamment :

 * Concevoir et industrialiser des pipelines MLOps couvrant l'entraînement, l'évaluation et le déploiement des modèles
 * Containeriser et déployer les modèles avec Docker, Kubernetes, KServe ou BentoML
 * Exposer les modèles via des APIs REST/gRPC, notamment avec FastAPI ou TorchServe
 * Mettre en place le versioning, les model registries et le suivi du cycle de vie des modèles
 * Orchestrer les workflows ML avec Kubeflow, MLflow ou Airflow
 * Optimiser les performances d'inférence : quantization, distillation, batching, etc.
 * Intégrer les workflows ML dans les chaînes CI/CD et automatiser les mises en production
 * Exploiter les ressources GPU/TPU dans le cloud pour des entraînements à grande échelle
 * Mettre en place le monitoring en production : data drift, model drift, performances et alerting
 * Sécuriser les modèles et leurs APIs : authentification, contrôle des accès et bonnes pratiques de sécurité, * ️ Le processus de recrutement

 * Échange RH : Alignement sur ton parcours, tes attentes et les opportunités SFEIR.

 * Session Technique ("PlayOffs") : Évaluation pratique en pair-programming (Algo, Python, SQL) avec trois Sfeirians.

 * Échange Métier & Projection : Discussion approfondie sur les cas d'usage, les missions cibles et le contexte client à Bordeaux.

 * Entretien Final : Échange stratégique avec le Directeur d'Agence.

Prêt·e à passer au niveau supérieur sans renoncer à tes valeurs ? Postule et viens rencontrer le collectif !
SFEIR collecte vos données à caractère personnel afin de traiter votre candidature. Pour en savoir plus sur la gestion de vos données personnelles et pour exercer vos droits, nous vous invitons à consulter notre Politique de confidentialité.