> Markdown version of [/jobs/ext/4005895-senior-applied-ml-engineer](https://www.wearedevelopers.com/jobs/ext/4005895-senior-applied-ml-engineer). 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).

---

# Senior Applied ML Engineer

- **Company:** Hiboo Systems SAS
- **Location:** Paris, France
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Amazon Web Services, Continuous Delivery, Continuous Integration, Information Engineering, DevOps, Python (Programming Language), Machine Learning, Raw Data, Large Language Models, Backend, Kubernetes, Docker
- **Published:** October 29, 2026
- **Apply:** https://www.welcometothejungle.com/fr/companies/hiboo/jobs/senior-applied-ml-engineer_paris

## About the Role

* Expérience solide : Au moins 5 ans d'expériences (dont idéalement une expérience en start-up/scale-up) mêlant Data Science, Machine Learning, Data Engineering.
 * Maîtrise de Python : Niveau de production (tu peux écrire du code propre sans dépendre d'IA), tout en sachant manipuler des API tierces et d'autres langages si nécessaire.
 * Culture Produit : Priorité donnée à la valeur concrète utilisateur plutôt qu'à la complexité théorique d'un modèle. Capacité à dialoguer avec les Product Managers et à arbitrer la faisabilité technique des besoins métier.
 * Culture DevOps & Cloud : Familier avec la conteneurisation et les déploiements sur des architectures cloud modernes (AWS, Kubernetes, Docker, CI/CD).
 * Anglais professionnel : Aisance à l'écrit comme à l'oral pour consulter la documentation technique, rédiger et échanger au quotidien dans un cadre international.

## Description

* Analyse de données & Logique métier : Explorer la donnée brute, en extraire la valeur business, challenger les intuitions et concevoir la logique de calcul des KPI indispensables au produit.
 * ML & AI Engineering : Exploration de volumineux jeux de données, modélisation des problématiques terrain (prédiction, détection d'anomalies, scoring) et intégration de briques d'IA applicative ou de LLM.
 * Data Engineering/ Backend : Utilisation et consolidation des pipelines de données nécessaires à l'alimentation et à l'entraînement des modèles en autonomie. Déploiement direct du code en production via le développement d'API Python propres, typées et testées pour un déploiement continu sur une infrastructure AWS / Kubernetes.