Operator machine learning (h/f)

En tant que ML Operator / Backend ML Junior, vous contribuerez au bon fonctionnement, à la maintenance et à l'amélioration de nos pipelines ML existants. Le poste est conçu pour un profil débutant (Bac+5) souhaitant développer des compétences solides en ingénierie autour du ML en production.

Vos missions principales porteront sur :
- la prise en charge et la résolution de tickets liés aux pipelines ML (correctifs, fiabilisation, comportement inattendu, problèmes de données),
- le monitoring des systèmes ML en production et le débogage technique,
- l'intégration de nouveaux modules ou composants dans notre backend,
- l'amélioration continue des traitements de données (préprocessing, normalisation, vérifications),
- la contribution au développement et à la maintenance d'APIs internes.

Vous participerez également à des travaux transverses d'ingénierie :
- amélioration de notre stack MLOps (CI/CD, logs, tests, automatisation),
- optimisation des performances des pipelines existants,
- outillage interne pour faciliter l'analyse et le suivi des modèles en production.

Selon vos appétences, vous pourrez être impliqué(e) ponctuellement dans :
- l'évaluation ou l'intégration de nouveaux modules ML,
- l'amélioration de nos datasets internes.

Vous ferez partie d'une équipe d'ingénieurs backend et data, dans un environnement collaboratif et pragmatique. Les bureaux sont à Paris et le télétravail est largement pratiqué.

Profil recherché :
Le poste s'adresse à un profil junior diplômé d'un Bac+5 (école d'ingénieur ou université), intéressé par l'ingénierie logicielle appliquée aux systèmes ML.

Compétences requises :
- Très bonne maîtrise de Python et des bonnes pratiques de développement (tests, qualité de code, Git).
- Bonnes bases en machine learning (niveau ingénieur).
- Intérêt pour le fonctionnement et la fiabilité de pipelines ML en production.
- Premières bases en **MLOps** : Docker, CI/CD, monitoring, gestion d'environnements.
- Compréhension des architectures backend et des APIs.
- Bonnes capacités d'analyse et de résolution de problèmes.
- Bon niveau de communication et anglais professionnel.

Compétences appréciées (non requises) :
- Première expérience (stage, alternance, projet) en déploiement d'APIs ou de pipelines de données.
- Connaissance d'outils de data engineering.
- Projets autour du ML, du traitement de données ou de Python.
- Notions de frameworks de deep learning (PyTorch/TensorFlow), utiles mais non centrales.

Étapes du recrutement :
1. Envoi du CV et de la lettre de motivation
2. Entretien de motivation
3. Entretien technique
4. Échange avec un co-fondateur