> Markdown version of [/jobs/ext/4018384-machine-learning-engineer-lille-f-h](https://www.wearedevelopers.com/jobs/ext/4018384-machine-learning-engineer-lille-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).

---

# Machine Learning Engineer - Lille F/H

- **Company:** ALTRION
- **Location:** Lille, France
- **Salary:** €50,000.0 - €80,000.0
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, BigQuery, Cloud Computing, Code Review, Databases, Distributed Systems, Python (Programming Language), Machine Learning, DataOps, Software Engineering, Data Processing, Google Cloud, Deep Learning, Generative AI, Git, Kubernetes, Real-time Inference, Apache Kafka, Machine Learning Operations, Terraform, Stream Processing, Docker
- **Published:** October 30, 2026
- **Apply:** https://www.apec.fr/candidat/recherche-emploi.html/emploi/detail-offre/179670439W

## About the Role

Compétences techniquesData Engineering : BigQuery, dbt et tests (dbt test, Elementary), Kafka/streaming, modélisation des données, conception de pipelines Data et Terraform.ML Engineering/MLOps : Python, modèles de Deep Learning et architectures basées sur les embeddings, conception de pipelines ML, Docker, Kubernetes, Git, outils d'orchestration/MLOps tels que ZenML et industrialisation de modèles pour l'inférence en temps réel.Cloud : Google Cloud Platform et compréhension des architectures cloud distribuées.Compétences fondamentalesBonne compréhension des architectures Data modernes et des systèmes distribués.Compréhension du Deep Learning et des modèles basés sur les embeddings, notamment leur mise en production.Compréhension des principes du stream processing.Maîtrise des concepts de data modeling et du cycle de vie d'un dataset.Compréhension des enjeux de qualité, d'observabilité, de gouvernance et d'exploitation des données.Bonne compréhension du cycle de vie d'un modèle ML, de l'expérimentation à la production.Capacité à concevoir des solutions scalables, robustes et maintenables.Sensibilité aux enjeux de performance et de maîtrise des coûts cloud.Capacité à travailler dans un environnement pluridisciplinaire Data/ML/Software Engineering.Anglais courant.Le poste est ouvert uniquement aux candidats autorisés à travailler en France.

## Description

Machine Learning Engineer - Data & MLOpsLe consultant intégrera l'équipe en charge du système de recommandation du site web et contribuera à la conception, au développement et à l'exploitation des solutions Data & ML du périmètre. L'équipe est composée de profils pluridisciplinaires (PO, Tech Lead, développeurs et Data Scientists).Il participera également aux échanges avec l'équipe dédiée à l'IA, à la recommandation et aux nouveaux usages de l'IA générative, ainsi qu'à la définition et à la diffusion des bonnes pratiques DataOps/MLOps.Missions et responsabilitésParticiper aux rituels agiles et aux activités de conception et de delivery.Analyser les besoins utilisateurs et métiers afin de proposer des solutions techniques adaptées aux enjeux business.Concevoir et développer des data pipelines de bout en bout, de l'ingestion à la mise à disposition des données.Concevoir et développer des pipelines ML : préparation des données, entraînement, évaluation, publication et inférence des modèles.Mettre en place les mécanismes nécessaires à la qualité, à la reproductibilité et à l'observabilité des pipelines Data & ML.Participer à la conception et à l'évolution des architectures Data/ML sur Google Cloud.Garantir la qualité des développements : tests, revues de code, documentation et bonnes pratiques d'ingénierie.Améliorer et optimiser le patrimoine technique existant en matière de performance, de fiabilité, de maintenabilité et de coûts.Participer au Run et à la résolution des incidents sur les pipelines et services existants.Contribuer à l'évolution du socle d'orchestration, des composants DataOps/MLOps et des services Google Cloud.Collaborer avec les équipes Data, ML et Software Engineering pour partager les bonnes pratiques.Accompagner les équipes métiers et techniques dans l'adoption des bonnes pratiques liées à l'exploitation et à la qualité des données.