Rejoins Thélio, un cabinet de conseil indépendant spécialisé dans l'industrialisation de l'IA. En tant que ML Engineer / MLOps, tu seras en charge de transformer des prototypes en produits fiables et scalables, de concevoir et maintenir des pipelines MLOps, et de mettre en place des plateformes IA. Tu travailleras avec des clients grands comptes dans divers secteurs et contribueras à structurer nos pratiques MLOps en interne.

About the role

**La stack et les compétences attendues** **Software engineering (cœur du poste)** Très bon niveau : design patterns, architecture logicielle, bonnes pratiques de dev, tests, packaging, APIs, gestion de configuration. Python avancé indispensable (ou autre langage orienté objet), SQL solide. **Culture data (socle indispensable)** Au-delà de l'ingénierie logicielle, une vraie culture data est attendue : compréhension des architectures et des outils de la donnée (data lake / lakehouse / data warehouse, ETL/ELT, orchestration, couches de stockage et de service), des principes de modélisation (modèles relationnels, dimensionnels type étoile/flocon, approches modernes type data vault), et des enjeux de qualité, de gouvernance et de lineage. Tu dois pouvoir dialoguer d'égal à égal avec les Data Engineers et les Data Architects, et comprendre comment une feature ou un dataset est produit en amont d'un modèle. **DevOps / MLOps** Docker, Kubernetes, Helm, pipelines as code, Git, CI/CD, environnements multi-stage, logs, monitoring, runbooks. La connaissance des pratiques MLOps est un vrai différenciateur. **Cloud et plateformes data/IA** À l'aise sur au moins un cloud majeur (Azure, GCP ou AWS). Connaissance d'écosystèmes data et IA tels que Snowflake, Databricks, Dataiku, BigQuery, Microsoft Fabric, ainsi que des outils d'orchestration (Airflow), de qualité (Soda) et de catalogue/gouvernance (Data Galaxy) selon les contextes clients. **GenAI** Frameworks RAG, vectorisation, embeddings, vector DB, prompt/version management, frameworks d'évaluation, guardrails, observabilité LLM. **Niveau et trajectoire** Minimum 5 ans d'expérience. Trois niveaux de lecture selon le profil : * **Confirmé** : industrialise des modèles et services IA, automatise les pipelines de déploiement, met en place le monitoring. * **Senior** : conçoit des architectures MLOps / GenAIOps robustes autour des plateformes data et IA du client. * **Lead** : définit les standards, pilote les patterns réutilisables, garantit la robustesse des services IA à l'échelle et fait monter l'équipe en compétence. **La posture attendue** Exigeant sur la qualité, pragmatique sur le delivery. Tu penses produit, run, sécurité, coût et maintenabilité dès la conception. Tu sais challenger les besoins et les choix techniques avec pédagogie, vulgariser auprès d'interlocuteurs variés (Data Scientists, Data Engineers, métiers, DSI, sécurité), et faire grandir les autres par le mentoring, les revues de code et l'exemplarité. Sens du service et de la relation client, curiosité, autonomie, aisance relationnelle et capacité d'écoute complètent le profil, dans une logique de conseil.

Key missions

Industrialisation des modèles et services IA, automatisation des pipelines de déploiement, mise en place du monitoring.
Conception et maintenance des pipelines MLOps, mise en place du CI/CD/CT appliqué au ML.
Mise en place des plateformes IA et de l'outillage d'aide au développement, automatisation des process de déploiement autour de l'IA.

Benefits

Incentive bonus
Cooptation bonus
Paid industry certifications
Sustainable mobility package
Afterworks, Team lunches