> Markdown version of [/jobs/ext/3527007-ingenieur-ia-machine-learning-ia-industrielle-embedded-ai-h-f](https://www.wearedevelopers.com/jobs/ext/3527007-ingenieur-ia-machine-learning-ia-industrielle-embedded-ai-h-f). 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 IA / Machine Learning - IA industrielle & Embedded AI (H/F) - **Company:** HAPPY SERVICES - **Location:** Puteaux, France - **Salary:** €45,000.0 - €65,000.0 - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Artificial Neural Networks, Computer Vision, Bash Shell, C++ (Programming Language), Continuous Integration, Python (Programming Language), Machine Learning, Performance Tuning, Tensorflow, Model Compression, SQL Databases, Type Systems, Visual Systems, Pytorch, Retrieval-Augmented Generation, Large Language Models, Deep Learning, Generative AI, Git, Pytest, Scikit Learn, ONNX (Open Neural Network Exchange) Format, Xgboost, Embedded AI, Machine Learning Operations, Recurrent Neural Networks - **Published:** October 2, 2026 - **Apply:** https://www.triskell-consulting.com/jobs/ingenieur-ia-machine-learning-ia-industrielle-embedded-ai-h-f/ ## About the Role Nous recherchons un ingénieur IA avec un très bon niveau technique, capable de développer, tester et challenger des modèles, au-delà de la simple utilisation d'API ou de frameworks haut niveau. Le poste est ouvert à un jeune diplômé, à condition d'avoir déjà acquis une réelle profondeur technique au travers de stages, d'une alternance, projets de recherche, ou premières expériences. Les compétences indispensables pour relever le challenge technique sont : * Machine Learning / Deep Learning industriel ; * IA embarquée / Edge AI ; * Physics-Informed Neural Networks (PINNs) ; * mathématiques appliquées, statistiques et optimisation applique à des systèmes de type mécatronique * Architectures CNN, LSTM/GRU, Transformers ; Une expérience reposant principalement sur l'utilisation d'API d'IA générative ou sur quelques projets scolaires ne sera pas suffisante. ## Description L'objectif n'est pas d'appliquer d'appliquer des solutions de l'IA, mais de développer et d'intégrer de réelles solutions de Machine Learning : maintenance prédictive, diagnostic de défauts, modélisation hybride physique/IA, traitement de données capteurs, IA embarquée et nouvelles aproches d'IA agentique. Les sujets sont à la croisée de la Data Science, du Machine Learning, du traitement du signal, de la physique et des systèmes embarqués. Au sein d'une équipe R&D pluridisciplinaire, vous participerez au développement et à l'industrialisation de nouvelles briques d'intelligence artificielle appliquées aux équipements industriels. Selon les sujets, vous serez amené à : * Analyser et exploiter des données issues de systèmes physiques et de capteurs industriels ; * Développer des algorithmes de détection d'anomalies, de diagnostic et de maintenance prédictive ; * Travailler sur des séries temporelles, des signaux et/ou des données issues de systèmes de vision ; * Concevoir, entraîner et comparer différentes architectures de Machine Learning et Deep Learning ; * Développer des approches hybrides combinant modèles physiques et modèles issus des données ; * Explorer et mettre en œuvre des Physics-Informed Neural Networks (PINNs) permettant d'intégrer directement des connaissances ou contraintes physiques dans l'apprentissage ; * Travailler sur des réseaux neuronaux embarqués / Embedded Neural Networks, avec des contraintes de mémoire, de temps de calcul et de consommation ; * Optimiser et compresser les modèles pour leur exécution sur des architectures Edge ou embarquées : quantification, réduction de modèles, optimisation des performances ; * Participer à l'évaluation de nouvelles architectures de réseaux neuronaux adaptées aux données industrielles ; * Mettre en place des protocoles d'expérimentation, de validation et de comparaison des modèles ; * Assurer la traçabilité et la reproductibilité des expérimentations ; * Contribuer à des sujets d'IA agentique, notamment pour automatiser ou assister certaines tâches d'ingénierie, d'analyse, de génération ou de validation ; * Participer aux échanges techniques avec les experts métier et les équipes de développement ; * Documenter et présenter les résultats obtenus. L'objectif est de travailler sur des solutions qui pourront, très prochainement, être réellement intégrées dans les produits et outils industriels. Les thèmes à la pointe de l'innovation sont : * La maintenance prédictive et diagnostic ; * Physics-Informed AI ; * Embedded AI / Edge AI ; * Traitement du signal et vision industrielle ; * IA agentique ; Les points forts de la mission : * Environnement de travail stimulant, au sein d'une entreprise dynamique * Evoluer sur des projets d'innovation d'actualité * Collaborer avec des équipes transverses * 1 jour de TT/ semaine La Stack technique est : * Développement : Python, C/C++, SQL, Bash * Machine Learning / Deep Learning : PyTorch, TensorFlow, scikit-learn, XGBoost, LightGBM * Architectures : CNN, RNN / LSTM / GRU, Transformers, réseaux de neurones compacts, éventuellement Spiking Neural Networks * Scientific & Physics-Informed AI : PINNs, modèles hybrides physique / données, séries temporelles, traitement du signal, modèles prédictifs * MLOps / expérimentation : MLflow, Git, CI/CD, pytest, DVC, Hydra * Embedded / Edge AI : ONNX Runtime, TensorFlow Lite, quantification INT8, optimisation et compression de modèles * IA générative / agentique : LLM, RAG, agents IA et orchestration de workflows selon les projets ## Related Videos - [Photonic Computing: Programming a New Class of AI Accelerators (incl. Live Coding)](https://www.wearedevelopers.com/videos/100196-photonic-computing-programming-a-new-class-of-ai-accelerators-incl-live-coding) - [pytest: Simple, rapid and fun testing with Python](https://www.wearedevelopers.com/videos/213-pytest-simple-rapid-and-fun-testing-with-python) - [How a Small Team Shrank a Microsoft Monorepo by 94%](https://www.wearedevelopers.com/videos/1236-how-a-small-team-shrank-a-microsoft-monorepo-by-94) - [Hiring AI Native Talents](https://www.wearedevelopers.com/videos/100268-hiring-ai-native-talents) - [Serverless deployment of (large) NLP models ](https://www.wearedevelopers.com/videos/158-serverless-deployment-of-large-nlp-models) - [Agents for the Sake of Happiness](https://www.wearedevelopers.com/videos/1387-agents-for-the-sake-of-happiness) ## Related Articles - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [What Industries Outside of AI Are Hiring The Most AI Experts?](https://www.wearedevelopers.com/magazine/98-what-industries-outside-of-ai-are-hiring-the-most-ai-experts) - [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development) - [Navigating the AI Shift](https://www.wearedevelopers.com/magazine/629-navigating-the-ai-shift) - [Stephan Gillich - Bringing AI Everywhere](https://www.wearedevelopers.com/magazine/489-stephan-gillich-bringing-ai-everywhere) - [Got AI ideas but no money? Here are 10 free ways to level up your AI skills with Google Cloud](https://www.wearedevelopers.com/magazine/600-got-ai-ideas-but-no-money-here-are-10-free-ways-to-level-up-your-ai-skills-with-google-cloud)