Descriptif du poste: En tant qu'Ingénieur Machine Learning confirmé, vous jouez un rôle central dans le passage des modèles de la phase de recherche et développement à un environnement de production fiable, scalable et sécurisé. Vous concevez, développez et maintenez des pipelines MLOps complets et automatisés couvrant l'entraînement, la validation, le déploiement et le monitoring des modèles en production. Vous collaborez étroitement avec les Data Scientists afin d'optimiser les modèles et les jeux de données, notamment en vous appuyant sur les services cloud de type GCP tels que BigQuery, Airflow, Cloud Storage ou Vertex AI, ainsi que sur des plateformes d'AutoML. Vous produisez un cadrage technique structuré, accompagné d'une documentation de conception exploitable par l'ensemble des parties prenantes, et travaillez en lien avec les architectes d'entreprise et architectes data afin de concevoir des architectures robustes et cohérentes avec le cadre global. Vous assurez le packaging des modèles sous forme de conteneurs Docker et orchestrez leur déploiement sur des environnements Kubernetes ou OpenShift. Vous mettez en place des mécanismes d'intégration et de déploiement continus, de tests unitaires et fonctionnels, tout en garantissant la conformité réglementaire applicable aux systèmes d'IA et à la protection des données. Vous veillez à la disponibilité, à la performance et à la scalabilité des services déployés. Vous développez des dispositifs de supervision permettant de détecter les dérives de données et de modèles, et mettez en oeuvre des boucles de réentraînement automatisées. En tant que référent technique MLOps au sein de l'équipe Data, vous participez aux revues de code, contribuez à la documentation des architectures et diffusez les bonnes pratiques auprès des équipes. Profil recherché: Issu d'une formation supérieure en informatique, data science ou ingénierie logicielle (Bac +5), vous justifiez d'environ quatre années d'expérience en ingénierie logicielle et en déploiement de modèles de Machine Learning en environnement de production. Vous maîtrisez Python ainsi que les principales bibliothèques de Machine Learning telles que TensorFlow ou PyTorch, et vous accordez une attention particulière à la qualité, à la maintenabilité et à la testabilité du code. Vous possédez une expérience confirmée des plateformes data et des environnements cloud, notamment sur GCP, ainsi que des outils d'AutoML et d'orchestration de workflows. Vous êtes à l'aise avec le déploiement de services conteneurisés via Docker, Kubernetes ou OpenShift et savez automatiser l'ensemble du cycle de vie d'un modèle grâce aux pratiques MLOps et CI/CD. Vous mettez en place des solutions de monitoring et d'observabilité adaptées aux systèmes de Machine Learning et disposez de solides compétences en Data Engineering, notamment sur les processus ETL/ELT, le SQL avancé et la qualité des données. Vous comprenez les fondamentaux du Machine Learning et de l'Intelligence Artificielle, qu'il s'agisse d'apprentissage supervisé ou non supervisé, de deep learning, de modélisation, de réseaux neuronaux ou de modèles de langage. Vous savez faire le lien entre les équipes Data Science, Infrastructure, Architecture et DevOps grâce à votre capacité de communication. Proactif, rigoureux et orienté performance, vous contribuez activement à la résolution des incidents et à l'amélioration continue des environnements de production.