DGTL / Signe + est le facilitateur pour tous les acteurs qui recherchent des ressources ou des missions DATA. Spécialiste du marché Data et BI, nous intervenons dans toute la France comme à l'étranger ; en sous-traitance, pré-embauche, recrutement, portage commercial, portage salarial, etc. Depuis 2018, nous accompagnons nos clients avec proximité, juste prix et préoccupation éthique de tous les instants. https://www.dgtl-performance.com Le poste : Notre client, un acteur majeur du secteur du luxe, recherche un Machine Learning Engineer pour rejoindre son équipe Data et contribuer au déploiement de solutions d'intelligence artificielle sur une plateforme cloud de dernière génération (Google Cloud Platform). Au cœur d'une organisation en pleine transformation data, vous interviendrez en collaboration étroite avec le responsable Data, les Product Owners Data et les équipes métier pour concevoir, développer et industrialiser des solutions IA/ML à fort impact opérationnel. Vous évoluerez dans un environnement Agile, au sein d'une équipe pluridisciplinaire, et serez impliqué(e) à toutes les étapes du cycle de vie des projets : de la collecte des besoins jusqu'à la mise en production et au monitoring des modèles. Ce rôle implique également une dimension de sensibilisation et d'accompagnement des équipes internes aux enjeux et bénéfices du Machine Learning et de la Generative AI, faisant de vous un véritable relais de la culture data au sein de l'organisation. Responsabilités : - Recueillir et analyser les besoins métiers afin d'identifier les cas d'usage IA/ML les plus pertinents - Participer à l'acculturation des équipes aux concepts et bénéfices du Machine Learning et de la Generative AI - Étudier et évaluer les solutions du marché en réponse aux besoins identifiés - Préparer, transformer et fiabiliser les données en vue de leur exploitation par les algorithmes - Tester, valider et sélectionner les algorithmes de machine learning et d'intelligence artificielle adaptés aux contextes métiers - Déployer et industrialiser les modèles en production sur Google Cloud Platform via Google Gemini Enterprise (ex Vertex AI) - Mettre en place un système de monitoring des performances des modèles en production (MLOps) - Développer des modules de code réutilisables couvrant l'ensemble du pipeline (préprocessing, entraînement, postprocessing, déploiement) - Concevoir des interfaces utilisateurs permettant aux équipes métier d'interagir avec les modèles développés - Rédiger une documentation technique et fonctionnelle rigoureuse à destination des équipes projet et métier Profil recherché : Indispensables : - Maîtrise avancée du langage Python, notamment pour le développement de pipelines de données et de modèles ML - Solides compétences en SQL pour l'interrogation et la manipulation de données à grande échelle - Bonne connaissance de Terraform et des pratiques d'Infrastructure as Code (IaC) - Maîtrise de l'environnement Google Cloud Platform (GCP) : BigQuery, Cloud Storage, Cloud Run, etc. - Expérience dans la construction et le déploiement de modèles en production avec Google Gemini Enterprise (ex Vertex AI) - Capacité à mettre en place des dispositifs MLOps : suivi de performances, gestion des versions de modèles, alerting - Aptitude à communiquer efficacement à l'oral comme à l'écrit, en français et en anglais - Sens de l'organisation, rigueur et autonomie dans la gestion des livrables - Esprit d'initiative, force de proposition et aisance dans un environnement collaboratif et transverse Fortement appréciés : - Expérience en Computer Vision (classification d'images, détection d'objets, etc.) - Connaissance et pratique de la plateforme Dataiku (pipelines no-code/low-code, déploiement de modèles) - Expérience dans des environnements opérationnels de type Supply Chain ou industrie - Maîtrise des bonnes pratiques de développement logiciel : gestion de version Git, tests unitaires, CI/CD - Expérience avec des frameworks ML reconnus tels que TensorFlow, PyTorch ou Scikit-learn - Capacité à produire des supports de présentation clairs et synthétiques à destination de publics non techniques