Ml ops engineer / machine learning engineer – supply chain - freelance

Description du poste Dans un contexte de forte croissance des besoins métiers autour de la Supply Chain et de l’Operational Excellence, nous recherchons un(e) ML Ops Engineer confirmé(e) pour rejoindre une équipe Engineering et contribuer au déploiement, à l’industrialisation et à l’amélioration continue de produits Machine Learning. Vous interviendrez au sein d’une squad Supply Chain sur des enjeux à fort impact, avec un rôle clé dans la mise en production de solutions ML robustes, scalables et maintenables. La mission couvre l’accompagnement des équipes Data Science, l’optimisation des pipelines existants et la migration vers une stack MLOps standardisée. Vos principales missions seront les suivantes : Accompagner les équipes Data Science dans la mise à disposition d’environnements ML complets, de l’ingestion des données jusqu’au model serving. Déployer et maintenir des pipelines MLOps robustes pour la CI/CD, le monitoring, le ré-entraînement et la mise en production des modèles. Contribuer au passage de POC vers MVP sur une stack moderne : SageMaker Unified Studio, MLflow, GitLab, Terraform, Python et Airflow. Gérer et faire évoluer des produits existants dans des environnements cloud, principalement AWS. Déboguer, optimiser et fiabiliser la performance, la latence et la consommation de ressources des modèles et pipelines de données. Participer aux choix techniques et architecturaux en lien avec le Tech Lead. Collaborer au quotidien avec l’équipe dans un cadre Agile. Partager les bonnes pratiques, accompagner les autres ingénieurs et contribuer à la montée en compétence collective. Profil recherché Profil recherché : Vous disposez de 3 à 5 ans d’expérience sur des rôles ML Ops, DevOps ou Machine Learning Engineering, avec une forte exposition à des environnements de production. Compétences techniques attendues : Solide expérience en MLOps, notamment sur le déploiement, le monitoring et la mise à l’échelle de systèmes de Machine Learning. Très bonne maîtrise d’ AWS, idéalement avec une expérience sur SageMaker. Expérience avec MLflow et Airflow. Très bon niveau en Python, incluant les bonnes pratiques de développement, la refactorisation et les outils d’environnement comme Poetry ou uv. Bonne maîtrise des pratiques CI/CD, de Git et idéalement de GitLab. Expérience en containerisation avec Docker ou Podman. Expérience requise sur Terraform et les pratiques Infrastructure as Code. Capacité à travailler dans un environnement anglophone. Qualités attendues : Excellente communication, avec une capacité à interagir efficacement avec des profils techniques et métiers. Esprit critique et analytique pour challenger les solutions et faire les bons choix techniques. Autonomie, proactivité et capacité à être force de proposition sur les sujets d’architecture. Goût pour le travail en équipe, le partage de connaissances et les environnements Agile. Dynamisme, rigueur et envie de contribuer à des projets à forts enjeux métiers.