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