Ingénieur mlops (h/f)

Rejoins Staff & Go : MLOps Engineer expérimenté / Sénior (H/F) - Full Remote


Qui sommes-nous ?

Staff & Go est une Start Up innovante spécialisée dans la digitalisation des process liés aux ressources humaines. Notre solution RH, la plus modulable du marché français s’adresse à tous les professionnels de la paie et des ressources humaines.

Notre impact : diviser par 5 la charge de travail sur la gestion administrative du personnel.


Pourquoi nous rejoindre ?

* Intégrer un environnement de travail qui met l’humain au cœur des priorités
* Bénéficier de conditions de travail destinées à libérer ta créativité et à booster ton développement
* Partager nos valeurs : Performance, Agilité et Innovation


Pourquoi ce poste est stratégique :

* Staff & Go accélère le développement de fonctionnalités IA avancées au cœur de ses produits RH.
* L’enjeu est de passer de prototypes IA à des systèmes industrialisés, fiables et scalables.
* Le MLOps Engineer est central pour garantir la mise en production, l’exploitation et l’évolution continue des modèles.


Contexte de création / remplacement

* Création de poste dans un contexte de forte croissance et de structuration de la stack IA.


Problématiques actuelles à adresser

* Industrialisation des pipelines ML et GenAI
* Déploiement de systèmes IA à faible latence et haute disponibilité
* Gouvernance, sécurité et qualité des données
* Observabilité et monitoring des modèles en production


Ton rôle chez nous


Tes missions

MLOps & IA générative

* Concevoir, développer et opérer des pipelines MLOps robustes (entraînement, inférence, monitoring)
* Déployer et faire évoluer des systèmes GenAI de bout en bout (LLM, RAG, agents IA)
* Industrialiser des fonctionnalités IA/ML intégrées aux produits Staff & Go
* Mettre en place le versioning, le monitoring et la mise à jour continue des modèles
* Garantir la fiabilité, l’observabilité et les performances à faible latence


Architecture & Pipelines Data

* Concevoir et maintenir des pipelines data fiables, scalables et observables
* Participer à l’architecture data (ingestion, transformation, exposition)
* Garantir la qualité, la sécurité et la gouvernance des données


Infrastructure & DevOps

* Déployer des infrastructures via Terraform
* Automatiser les pipelines CI/CD (GitLab CI)
* Optimiser performances, sécurité et coûts des infrastructures cloud


Collaboration & bonnes pratiques

* Collaborer étroitement avec les équipes Produit, Data et Engineering
* Participer aux revues de code et à la standardisation des pratiques MLOps
* Documenter les architectures, workflows et standards internes
* Assurer une veille technologique active (MLOps, GenAI, agents, LLM)


Outils / Stack

* Python / C#
* Docker
* Librairies pour : API / MCP
* Conception / Evaluation / Orchestration des agents
* Observabilité / Monitoring


Ce qui est un plus

* Kubernetes
* Terraform (Infrastructure as a Service)


Profil recherché

* Tu présentes au moins 3 ans d’expérience en ML Engineering / MLOps
* Tu es à l’aise dans des contextes de forte croissance et d’évolution rapide et/ou dans des environnements tech exigeants
* Tu es sensible à l’IA responsable, la protection des données et la souveraineté numérique
* Tu possèdes de l’expérience en création de process : structuration de pipelines, standards et bonnes pratiques


Conditions & avantages

* Type de contrat : CDI – Temps plein – Statut Cadre
* 39h/semaine
* RTT
* Rémunération : package compris entre 45k et 65k annuel brut


Avantages

* Tickets restaurant 12 € (50 % pris en charge)
* Télétravail : 100 % possible
* Prise en charge à 100 % de la mutuelle (niveau de base, sans option)
* Plateforme de billetteries et d’avantages (Hello CSE + 300 000 offres)


Process de recrutement

1. Entretien RH avec Camille ou Jeanne (30 min) : Premier contact pour mieux te connaître et comprendre ton parcours.
2. Entretien métier avec Hakim (Cofounder)
3. Test technique / cas pratique : mise en situation : approche, logique, analyse et présentation.
4. Prise de références professionnelles en fin de process.