Ingénieur mlops en ia industrielle

Fab Group recherche pour son client, startup dans un contexte industriel, spécialisé dans les solutions innovantes destinées aux professionnels. 1. Conception et optimisation des pipelines IA Concevoir, maintenir et optimiser les pipelines de traitement de données et d'entraînement des modèles (MLOps). Automatiser les workflows d'entraînement, de validation et de déploiement. Garantir la reproductibilité et la traçabilité des expériences. 2. Évaluation et performance des modèles Étudier et analyser les performances des algorithmes (offline et online). Créer et maintenir des benchmarks de performance. Identifier les axes d'amélioration et proposer des optimisations. 3. CI/CD et industrialisation Mettre en place des solutions CI/CD adaptées aux modèles de deep learning. Automatiser le packaging, le test et le déploiement des modèles sur différents environnements (Cloud, Edge, On-Premise). 4. Intégration et déploiement Intégrer les modèles dans l'écosystème logiciel embarqué (Edge & Cloud). Assurer la compatibilité avec les contraintes matérielles et logicielles du système cible. 5. Supervision et maintenance Monitorer les performances des modèles en production. Détecter les dérives de données et de performances. Définir et mettre en œuvre des stratégies de mise à jour continue (retraining, A/B testing…). 6. Stratégie et gouvernance data Contribuer à la stratégie data : structuration, annotation, versioning et sécurité des données. Participer à la mise en place d'une culture de qualité et de conformité des données. 7. Collaboration interdisciplinaire Travailler en étroite collaboration avec les data scientists, ingénieurs embarqués et experts métier. Participer aux revues techniques et aux choix d'architectures. 8. Veille technologique et innovation Évaluer et expérimenter de nouveaux outils et approches (IA générative, simulateurs, frameworks MLOps, etc.). Contribuer à la diffusion des bonnes pratiques IA et MLOps au sein de l'équipe. Formation Diplôme d'ingénieur ou équivalent Bac5 / Doctorat en informatique, data science, mathématiques appliquées ou disciplines connexes. Expérience Expérience significative en MLOps, déploiement de modèles d'IA ou ingénierie de données dans un environnement industriel complexe. Pratique confirmée de l'industrialisation et du suivi de modèles IA à grande échelle. Compétences techniques Langages & frameworks IA : excellente maîtrise de Python, et de bibliothèques telles que PyTorch, TensorFlow, Scikit-learn. Outils MLOps : maîtrise des outils de gestion du cycle de vie des modèles (ex. : MLflow, DVC, Docker, Git, Airflow, Kubeflow ou équivalents). Infrastructure & déploiement : bonnes connaissances de Linux, CI/CD, API REST, et de la conteneurisation ( Docker, Kubernetes ). Données & modélisation : bonne compréhension de la théorie des séries temporelles et de leurs caractéristiques. Environnements spécifiques (atouts) : sensibilité au temps réel / Edge computing ; expérience en vision par ordinateur ou traitement de données industrielles. Qualités personnelles Autonomie, rigueur et esprit d'équipe. Goût pour l'innovation, le prototypage rapide et l' amélioration continue. Capacité à évoluer dans un environnement technique exigeant et multidisciplinaire. Bon niveau d' anglais technique (écrit et oral).