> Markdown version of [/jobs/ext/3642265-mlops-engineer-h-f](https://www.wearedevelopers.com/jobs/ext/3642265-mlops-engineer-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).

---

# MLOps Engineer H/F

- **Company:** Monetaryamount
- **Location:** Paris, France (Remote available)
- **Experience:** Expert
- **Salary:** €60,000.0 - €80,000.0
- **Contract:** Permanent contract
- **Skills:** Airflow, Computer Vision, Data Infrastructure, Data Systems, Linux, Python (Programming Language), Machine Learning, Azure Machine Learning, Pytorch, Generative AI, Git, Fastapi, Gitlab-ci, Machine Learning Operations, Docker
- **Published:** October 9, 2026
- **Apply:** https://www.hellowork.com/fr-fr/emplois/84248329.html

## About the Role

Et vous !Formation : diplôme d'ingénieur (Master ou équivalent grande école) en informatique, data ou systèmes complexes.Expérience : au moins 5 ans d'expérience professionnelle dans la construction de systèmes de données ou plateformes ML en environnement de production, idéalement avec un profil orienté ingénierie et fiabilité des données (MLOps / Data Platform).Compétences techniques indispensables :Solide maîtrise du langage Python (code propre, testé et maintenable) et de ses outils d'ingénierie (Pydantic, Typer, FastAPI).Expérience avérée dans la conception et le débogage de pipelines de données et l'automatisation de workflows complexes.Pratique quotidienne de Docker, Git, GitLab CI et des environnements Linux.Bonnes notions des workflows d'entraînement ML et des formats d'annotation en vision par ordinateur (YOLO, COCO, masques de segmentation).Maîtrise de frameworks ML Ops / Data (outils type ClearML, FiftyOne, MLflow, Airflow,
PyTorch).Profil & Langues : profil éligible aux exigences de sécurité du secteur de la défense (nationalité française ou européenne). Anglais courant et français opérationnel (B2 minimum) pour évoluer dans une équipe internationale.Qualités personnelles : rigueur méthodologique, excellentes capacités d'analyse et de documentation, goût prononcé pour l'automatisation et la résolution de problématiques complexes., * Formation : diplôme d'ingénieur (Master ou équivalent grande école) en informatique, data ou systèmes complexes.

 * Expérience : au moins 5 ans d'expérience professionnelle dans la construction de systèmes de données ou plateformes ML en environnement de production, idéalement avec un profil orienté ingénierie et fiabilité des données (MLOps / Data Platform).
 * Compétences techniques indispensables :
 + Solide maîtrise du langage Python (code propre, testé et maintenable) et de ses outils d'ingénierie (Pydantic, Typer, FastAPI).
 + Expérience avérée dans la conception et le débogage de pipelines de données et l'automatisation de workflows complexes.
 + Pratique quotidienne de Docker, Git, GitLab CI et des environnements Linux.
 + Bonnes notions des workflows d'entraînement ML et des formats d'annotation en vision par ordinateur (YOLO, COCO, masques de segmentation).
 + Maîtrise de frameworks ML Ops / Data (outils type ClearML, FiftyOne, MLflow, Airflow, PyTorch).
 * Profil & Langues : profil éligible aux exigences de sécurité du secteur de la défense (nationalité française ou européenne). Anglais courant et français opérationnel (B2 minimum) pour évoluer dans une équipe internationale.
 * Qualités personnelles : rigueur méthodologique, excellentes capacités d'analyse et de documentation, goût prononcé pour l'automatisation et la résolution de problématiques complexes.

EUR

Français
Machine learning
Anglais
Contrôle qualité
Git
Python
Computer vision
Command Line Interface (CLI)
Docker
Esprit d'analyse

## Description

Auprès de l'équipe Machine Learning & GenAI, vous serez au coeur de l'industrialisation de la production des jeux de données synthétiques, à la croisée de la Data Engineering, du ML Platform Engineering et de la Computer Vision :

 - Traduire les besoins clients en plans de génération : clarifier les spécifications complexes, définir les taxonomies et convertir les exigences en configurations structurées (distributions de classes, angles, éclairages, capteurs RGB/Infrarouge).
 - Industrialiser et livrer les jeux de données : exécuter et surveiller les étapes de génération et de post-traitement, valider la conformité des livrables (formats d'annotation COCO/YOLO, couverture des classes) et préparer les packages de livraison complets.
 - Construire la plateforme ML et Data : développer des pipelines de données structurés et reproductibles, concevoir des outils CLI réutilisables et automatiser les contrôles de qualité (détection des anomalies, fuites de données, métadonnées).
 - Assurer l'intégration et l'écosystème technique : connecter les pipelines aux outils d'orchestration et de suivi (ClearML, FiftyOne, GitLab CI) et assurer l'interopérabilité avec les workflows clients.
 - Garantir le déploiement multi-environnement : packager et optimiser les composants pour des exécutions portables sur postes locaux, serveurs GPU, infrastructure Cloud, souveraine ou déconnectée (air-gapped).