Tu rejoins une équipe pluridisciplinaire . En tant que ML Engineer, tu interviens sur l'ensemble du cycle de vie des features ML - de l'idée à la mise en production - en collaboration étroite avec les équipes back-end, front-end et produit. Parmi les sujets sur lesquels tu pourras contribuer : personnalisation des résultats de recherche / recommandations (nouveaux signaux, nouvelles architectures de modèles, A/B tests), refonte du système d'auto-complétion, amélioration des pipelines ML (automatisation, monitoring, observabilité), ou encore exploration proactive de nouvelles approches ML pour résoudre des problèmes utilisateurs concrets. Le poste est volontairement équilibré entre modélisation et industrialisation , dans un stack moderne : Python, PyTorch, TensorFlow, MLflow, Kubeflow, Airflow, KServe, AWS, FastAPI, Kubernetes Tu justifies d'au moins 3 ans d'expérience sur un poste de Machine Learning Engineer ou équivalent. Tu maîtrises Python et un ou plusieurs frameworks ML/DL (PyTorch, TensorFlow.), et tu es aussi à l'aise sur la partie modélisation que sur l'industrialisation. Tu as déjà déployé des modèles en production et tu appliques naturellement les bonnes pratiques d'ingénierie : tests, CI/CD, revues de code. Tu portes un intérêt marqué pour les LLM et la GenAI dans des cas d'usage concrets, et tu sais travailler en autonomie comme en équipe. Sont des plus appréciés : une pratique de projets ML sous fortes contraintes de latence et à l'échelle, ainsi qu'une familiarité avec des outils comme MLflow, Kubeflow, Airflow, KServe ou Kubernetes.