1. Mission générale du poste
Le Machine Learning Engineer agit en tant que Référent IA au sein de la DSI. Sa mission principale est d'industrialiser l'Intelligence Artificielle. Il ne se contente pas d'expérimenter ; il transforme des modèles de Machine Learning (ML) en fonctionnalités logicielles exploitables, robustes et intégrées au Système d'Information.
Il opère à l'intersection du développement logiciel (Backend), de la Data Science et de l'architecture Cloud (GCP). Son but est de concevoir, déployer et maintenir des pipelines d'IA en production, en choisissant les modèles les plus pragmatiques pour répondre aux besoins métier (modèles sur étagère, fine-tuning, ou AutoML).
2. Liste des tâches et responsabilités
A. Ingénierie IA & Sélection de Modèles (Pragmatisme)
Analyser les besoins métier pour identifier les cas d'usage pertinents (classification, prédiction, IA Générative/LLM, OCR, etc.).
Sélectionner les modèles adaptés sans nécessairement les recréer de zéro : utilisation de modèles pré-entrainés (via Vertex AI Model Garden, Hugging Face) ou solutions managées (APIs Vision, NLP, etc.).
Réaliser le paramétrage fin (fine-tuning) et l'adaptation des modèles aux données de l'entreprise.
B. Intégration Logicielle & Développement (Backend)
"Wrapper" les modèles d'IA dans des APIs performantes (ex: FastAPI, Flask) pour les rendre consommables par les équipes Front/Back.
Assurer l'intégration technique avec le Back-end existant (microservices, bases de données).
Appliquer les bonnes pratiques de développement logiciel au code de Data Science : versioning (Git), tests unitaires, code review.
C. Architecture Cloud & MLOps (Focus GCP)
Concevoir et déployer l'architecture Data/IA sur Google Cloud Platform.
Industrialiser le cycle de vie des modèles (MLOps) : automatisation de l'entraînement, du déploiement et du monitoring via Vertex AI.
Mettre en place des pipelines de données (ETL/ELT) connectés aux modèles (BigQuery, Dataflow, Cloud Functions).
Gérer la conteneurisation des applications (Docker) et leur orchestration (Cloud Run ou GKE).
D. Veille et Rôle de Référent
Assurer une veille technologique active sur l'écosystème GCP et les avancées en IA générative et agentique.
Acculturer les équipes de développement "classiques" aux spécificités de l'IA (latence, incertitude des résultats, coûts API).
Garantir la gouvernance des modèles (sécurité des données, maîtrise des coûts Cloud).
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.