> Markdown version of [/jobs/ext/4780541-engineer-mlops-industrialisation-paris-h-f](https://www.wearedevelopers.com/jobs/ext/4780541-engineer-mlops-industrialisation-paris-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). --- # Engineer - MLOps & Industrialisation Paris H/F - **Company:** MP DATA - **Location:** Paris, France - **Salary:** €40,000 - €70,000 - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Amazon Web Services, Microsoft Azure, Cloud Computing, Software Quality, Code Review, Continuous Integration, Github, Supervisory Control and Data Acquisition (SCADA), Python (Programming Language), Tensorflow, Management of Software Versions, Pulumi, Google Cloud, Pytorch, Retrieval-Augmented Generation, Large Language Models, Google Vertex AI, Llamaindex, HybridCloud, Gitlab-ci, Scikit Learn, Kubernetes, Machine Learning Operations, Restful APIs, Terraform, Docker, Microservices - **Published:** November 19, 2026 - **Apply:** https://candidat.francetravail.fr/offres/recherche/detail/7880573 ## About the Role Diplôme d'ingénieur ou Master en informatique, data science ou domaine connexe (Bac +5) d'une école du top 10. 2 à 4 ans d'expérience sur des missions d'AI Engineering ou MLOps, Compétences techniques indispensables Maîtrise de Python et des frameworks ML/IA (scikit-learn, PyTorch, TensorFlow ou équivalent) Expérience solide sur les outils MLOps : MLflow, Kubeflow, Airflow, DVC ou équivalents Connaissance du cloud (Azure AI Foundry, AWS SageMaker ou GCP Vertex AI) Pratique des outils CI/CD (GitHub Actions, GitLab CI, Docker, Kubernetes) Déploiement de modèles en production (APIs REST, monitoring, versioning) Compétences techniques appréciées Expérience avec les LLMs et RAG (LangChain, LlamaIndex) Connaissance des environnements industriels (données de capteurs, SCADA, contraintes on-premise) Pratique de l'Infrastructure as Code (Terraform, Pulumi) Savoir-être Rigueur sur la qualité du code et des livrables Capacité à tenir engagement sur le résultat Pédagogie face à des interlocuteurs non techniques Autonomie et sens des responsabilités dans la gestion de ton périmètre ## Description Faire tourner un modèle en local, c'est bien. Le faire tenir en prod avec un déploiement à l'échelle, c'est mieux. Tes projets couvrent l'ensemble du cycle de vie des solutions IA : du cadrage technique jusqu'à la mise en production et le passage à l'échelle, dans des environnements industriels souvent contraints (on-premise, cloud hybride, données sensibles, systèmes legacy). Tu travailleras en binôme avec des Data Scientists et des Data Engineers, pour délivrer des solutions scalable qui répondent à des problématiques concrètes. Tes missions Industrialisation & MLOps Concevoir des pipelines MLOps pour le déploiement et le monitoring de modèles Implémenter les infrastructures CI/CD adaptées aux projets IA Garantir la reproductibilité, la scalabilité et la maintenabilité des solutions Architecture & développement IA Cadrage technique : choix d'architecture, frameworks & dimensionnement infra Solutions robustes et documentées - du POC à la mise en production industrielle Intégrer les solutions IA dans les SI clients (APIs, microservices, orchestration) Delivery & qualité Travailler en mode agile sur des forfaits & régies avec des objectifs clairs Être garant(e) de la qualité technique des livrables selon les standards MP Data Participer aux revues de code et contribuer à la montée en compétences des profils juniors Veille & innovation Suivre les évolutions des outils MLOps (Kubeflow, MLflow, Airflow, BentoML, Seldon) et des plateformes cloud (Azure, AWS, GCP) Contribuer au Lab Innovation MP Data : benchmark, POC, tests de nouvelles approches d'industrialisation IA