> Markdown version of [/jobs/ext/428650-machine-learning-engineer-h-f](https://www.wearedevelopers.com/jobs/ext/428650-machine-learning-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). --- # Machine Learning Engineer (H/F) - **Company:** Daveo - **Location:** Lille, France - **Contract:** Permanent contract - **Skills:** Artificial Intelligence, BigQuery, Code Review, Continuous Integration, Github, Python (Programming Language), Machine Learning, Tensorflow, Software Engineering, SQL Databases, Datadog, Generative AI, Perf (Linux), Machine Learning Operations, Docker - **Published:** June 18, 2026 - **Apply:** https://fr.indeed.com/viewjob?jk=5ac0292af7594d40 ## About the Role Profil expert en ingénierie ML avec une solide expérience en mise en production et run de modèles à l'échelle. * Excellente maîtrise de la construction de pipelines ML (data ingestion, entraînement, évaluation, déploiement, réentraînement, monitoring). * Compétences en data science permettant de comprendre et challenger les algorithmes de ML courants et leurs contraintes opérationnelles. * Solides bases en ingénierie logicielle : code de qualité production, gestion de versions, CI/CD, revues de code, packaging, automatisation. * Maîtrise de Python (TensorFlow) et SQL ; pratique des services GCP (BigQuery, GCS, Dataflow, Vertex AI) dans un contexte ML. * Expérience confirmée avec Docker, GitHub, GitHub Actions ; mise en place de workflows d'industrialisation ML. * Connaissance et usage d'outils d'observabilité et de monitoring (ex. Datadog) appliqués aux données et aux modèles. * Bonne compréhension du cycle de vie ML (ML lifecycle) et des bonnes pratiques MLOps (traçabilité, reproductibilité, gouvernance). * Capacité à collaborer avec des profils pluridisciplinaires, à vulgariser des sujets techniques, et à mentorer les pairs. * Esprit orienté impact business, sens de la qualité, de la fiabilité et de la mesure de performance des modèles. Informations supplémentaires En rejoignant Magellan, vous intégrerez des équipes pluridisciplinaires et contribuerez à des projets concrets, au cœur des grandes transformations : IA générative, plateformes intelligentes, impératifs sociaux et environnementaux, etc. Ce que Magellan vous garantit : une expérience professionnelle humaine, apprenante et épanouissante. ## Description Rejoignez une équipe MLOps au sein d'un grand groupe, pour accélérer l'industrialisation de la data science et faire passer des modèles à l'échelle en production. Vos missions clés : * Accompagner les data scientists sur les sujets techniquement complexes de leurs projets : entraînement sur gros volumes, optimisation des pipelines, déploiement et exploitation. * Concevoir, construire et fiabiliser des pipelines ML de bout en bout (entraînement, réentraînement, packaging, déploiement, monitoring). * Mettre à disposition et faire évoluer l'outillage ML permettant d'entraîner/réentraîner et de mettre en production des modèles dans un environnement cloud. * Assurer la mise en production et le run des modèles (MLOps/CI-CD, observabilité, traçabilité, alerting, coût/perf). * Mettre en place une observabilité avancée des données et des modèles (qualité, dérive, performance) et un monitoring en temps réel. * Contribuer à la stratégie et à la feuille de route ML, partager les bonnes pratiques d'ingénierie, améliorer la productivité de l'écosystème data/ML. * Coacher et mentorer les membres de l'équipe pour soutenir la montée en compétence et l'excellence technique. ## Related Videos - [Innovating Developer Tools with AI: Insights from GitHub Next](https://www.wearedevelopers.com/videos/1268-innovating-developer-tools-with-ai-insights-from-github-next) - [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered) - [Debugging in the Dark](https://www.wearedevelopers.com/videos/1658-debugging-in-the-dark) - [DevOps for Machine Learning](https://www.wearedevelopers.com/videos/179-devops-for-machine-learning) - [Software Engineering Social Connection: Yubo’s lean approach to scaling an 80M-user infrastructure](https://www.wearedevelopers.com/videos/1583-software-engineering-social-connection-yubo-s-lean-approach-to-scaling-an-80m-user-infrastructure) - [Docker build without Docker](https://www.wearedevelopers.com/videos/100114-docker-build-without-docker) ## Related Articles - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [What Are Large Language Models?](https://www.wearedevelopers.com/magazine/304-what-are-large-language-models) - [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production) - [Data Engineer Salary UK](https://www.wearedevelopers.com/magazine/253-data-engineer-salary-uk) - [Best Companies to Work For in Paris: Top 25 Companies in 2023 ](https://www.wearedevelopers.com/magazine/190-best-companies-to-work-for-in-paris-top-25-companies-in-2023) - [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)