Le poste est rattaché à l’équipe Data décomposée en 4 équipes :

• Doc & Fraude : développer des microservices pour le traitement de documents et l’identification de comportement frauduleux

• AI Platform : mettre en place des environnements pour l’entraînement et le déploiement de services intégrant de l’IA

• Data Run : dédié à la gestion du run sur la data plateforme : reporting financier et BI avec la stack actuelle

• Data Platform : une équipe dédiée à la refonte de la data plateforme pour assurer le suivi de performance de notre plateforme ainsi que la livraison des informations de facturation à l’équipe Finance.

Le poste est rattaché à l’équipe AI Platform

Deux profils senior/staff sont également présents pour appuyer les équipes sur les sujets Data et IA ainsi que deux Product Owner IA et Data.

Le poste a donc pour missions de :

• Maintenir et faire évoluer le système d’orchestration des pipelines ML (ré-entraînement, évaluation, etc)

• Mettre en place des outils pour faciliter l’ensemble des activités d’entraînement et d’industrialisation de modèle

• Accompagner les équipes devops dans l’évolution de l’infrastructure de la platform

• Garantir la sécurisation des données à caractère personnel ainsi que les systèmes de purges avec l’équipe de sécurité

• Mettre à disposition des services sur les usages d’IA interne (LLM)

• Appuyer l’équipe d’exploitation, infrastructure et développement dans la mise en production des services de l’équipe

• Assurer un monitoring de fonctionnement des services dans l’ensemble des environnements

• Faire évoluer l’ensemble des services avec la montée en charge de nos clients

• Réaliser une veille technologique régulière et documenter les projets

Le candidat, diplômé d’un master ou diplôme d’ingénieur spécialisé en data science / machine learning, aura à la fois travaillé sur la mise en production de modèles de deep learning avec une expérience totale de 4 à 6 ans.

Compétences techniques requises :

• Python 3

• Connaissances de librairies de machine learning ou deep learning. Par exemple : Tensorflow 2 / PyTorch, ONNX

• Usage de Git

• Docker

Et appréciées :

• Outil de versioning d’environnement (poetry/uv) ou pour le ML (DVC/MLFlow)

• NoSQL (pour info, nous utilisons MongoDB)

• Kubernetes

Soft skills requis :

• rigueur et esprit d’analyse

• communication fluide, capacité de vulgarisation et de transmission de savoir

• curieux et à l’écoute des nouvelles sur les sujets IA

• esprit d’équipe et pragmatisme

• entretien à distance avec Alexandre, Head of Data

• entretien en présentiel, restitution du test technique avec l’équipe

• entretien à distance avec Frédéric, CTO

• entretien en présentiel avec David et Nathalie, DGA et DRH respectivement