Consultants pour transformations numériques et industrielles.
En entreprise, comme en musique, tout est une question de tempo. Depuis 2018, nous réunissons des consultant·e·s passionné·e·s, curieux·ses et ambitieux·ses, uni·e·s par une même conviction : mettre leur expertise au service des défis numériques, sectoriels et industriels de nos clients.
Notre mission ? Accélérer les transformations en combinant excellence opérationnelle, curiosité et audace. Nous accompagnons des acteurs majeurs du luxe, du retail, de l’énergie, du transport, du tourisme, de la banque ou encore de l’assurance — partout où la technologie rencontre l’humain.
Nous aimons la tech quand elle connecte et libère les potentiels. Nos consultant·e·s ne se contentent pas de conseiller : ils construisent, testent, mettent en production, mesurent, ajustent et recommencent. Avec nos clients, nous faisons partie du jeu, du début à la fin.
Notre organisation repose sur une culture de la confiance, de l’apprentissage et de la collaboration. Nous avons conçu un cadre unique qui accompagne chaque eXalté·e à chaque étape de sa carrière, avec des rôles clairs, des communautés actives et des rituels qui renforcent le collectif.
Nos eXaltemps trimestriels, notre eXalt Academy et nos projets internes sont autant d’occasions d’apprendre, de partager et de grandir ensemble.
Aujourd’hui présents en France, au Canada, aux États-Unis, au Royaume-Uni, en Belgique, en Espagne, au Portugal et à Monaco, nous sommes portés par un engagement fort et une énergie contagieuse.
Parce qu’apprendre est notre discipline, agir notre obsession et réussir ensemble notre plus belle victoire.
Pulse. Make. Learn.
Trois mots qui rythment notre quotidien. Et peut-être bientôt le tien?
Nous recherchons un(e) Machine Learning Engineer expérimenté(e) (MINIMUM 3 ANS EN CDI) pour concevoir, industrialiser et mettre en production des solutions basées sur le Machine Learning.
Vous intervenez sur l’ensemble du cycle de vie des modèles, de l’expérimentation jusqu’à leur déploiement et leur exploitation en production. Vous êtes à l’interface entre les équipes Data, Software et Infrastructure, avec une forte dimension MLOps / Ops.
Vous aurez notamment pour missions de :
Concevoir et développer des solutions de Machine Learning répondant à des problématiques métier concrètes.
Préparer, transformer et exploiter les données nécessaires à l’entraînement des modèles.
Expérimenter, entraîner et évaluer différents modèles et approches.
Industrialiser le cycle de vie des modèles, de l’expérimentation au déploiement.
Déployer et maintenir des modèles de Machine Learning en production.
Concevoir des pipelines d’entraînement, de validation et de déploiement automatisés.
Mettre en place des mécanismes de monitoring et d’observabilité des modèles.
Suivre les performances des modèles et détecter les dérives de données ou de performance.
Automatiser les infrastructures et les processus liés au Machine Learning.
Participer à la conception d’architectures ML robustes, scalables et maintenables.
Collaborer avec les Data Scientists, Data Engineers, Software Engineers et équipes Infrastructure/DevOps.
L’objectif est de faire passer les modèles du prototype à la production, tout en garantissant leur fiabilité, leur reproductibilité et leur maintenabilité dans le temps.
Vous disposez d’au moins 3 ans d’expérience en CDI en tant que Machine Learning Engineering, Data Science orientée production, MLOps ou dans un rôle similaire.
Vous avez une solide maîtrise de Python et une expérience significative dans la mise en production de modèles de Machine Learning.
Vous maîtrisez notamment :
Python
Machine Learning et principales méthodes de modélisation
Scikit-learn et/ou des frameworks de Deep Learning tels que PyTorch ou TensorFlow
Conception de pipelines de données et de Machine Learning
Déploiement et industrialisation de modèles
Git
Environnements Linux
Bonnes pratiques de développement logiciel et de tests
Une expérience sur les technologies et sujets suivants est appréciée :
MLOps
MLflow, Kubeflow ou équivalent
Docker
Kubernetes
CI/CD
Infrastructure as Code : Terraform, Ansible ou équivalent
Cloud : AWS, Azure ou GCP
Airflow ou outils d’orchestration
Feature Store
Monitoring et observabilité des modèles
Model serving et APIs
GPU / environnements de calcul distribués
Au-delà de la maîtrise d’une stack particulière, nous recherchons avant tout un(e) Machine Learning Engineer capable de faire le lien entre Machine Learning et production.
Vous êtes à l’aise avec les problématiques d’industrialisation, d’automatisation et d’exploitation des modèles. Vous aimez comprendre les enjeux d’infrastructure et savez travailler avec les équipes DevOps, Data et Software.
La maîtrise de l’ensemble des technologies mentionnées n’est pas indispensable : une solide expérience en Machine Learning et une réelle appétence pour les sujets MLOps, infrastructure et production sont les éléments essentiels.
En bref
Année de création
2018
Nombre d'employés
1500
Âge moyen
30
Chiffre d'affaires
140 M€
Index de l’égalité professionnelle
100
Genre
40%
60%