Missions principales : Concevoir, maintenir et faire évoluer les pipelines d?entraînement, de validation et de déploiement des modèles de forecasting, en assurant leur automatisation et leur industrialisation. Mettre en place et optimiser les workflows CI/CD pour accélérer le cycle de vie des modèles et garantir leur qualité en production. Gérer la containerisation des applications (Docker) et l?orchestration via Kubernetes pour assurer la portabilité, la scalabilité et la résilience des solutions déployées. Implémenter et maintenir des solutions de tracking et de gestion du cycle de vie des modèles avec MLflow (expériment tracking, versioning, déploiement, monitoring). Comprendre et optimiser la parallélisation des traitements sur Spark pour garantir la performance des pipelines de données et d?entraînement. Assurer la surveillance, l?observabilité et la sécurité de l?infrastructure (monitoring, alerting, gestion des accès). Documenter les processus, les workflows et former les équipes sur les bonnes pratiques MLOps.