Senior Machine Learning Engineer / MLOps – GenAI & systèmes agentiques

Rejoignez une entreprise internationale majeure du commerce omnicanal en tant que Senior Machine Learning Engineer / MLOps. Vous travaillerez au sein d'une équipe pluridisciplinaire pour développer des plateformes Data et ML scalables. Vos missions incluront la conception d'architectures de production, l'intégration de modèles génératifs, l'automatisation du cycle de vie des modèles, la mise en place de l'observabilité et le leadership technique. Vous devez avoir une solide expérience en tant que ML Engineer ou MLOps Engineer, une excellente maîtrise de Python et des pratiques d'ingénierie logicielle appliquées au Machine Learning, ainsi qu'une bonne connaissance des environnements cloud.

• Concevoir et maintenir des architectures de production hautement disponibles et scalables, et industrialiser le cycle de vie complet des modèles de Machine Learning.
• Participer à la conception de systèmes autonomes et multi-agents, intégrer des modèles génératifs et des agents dans des produits Data existants.
• Automatiser l’entraînement, l’évaluation, la validation et le déploiement des modèles, et mettre en place et faire évoluer les workflows CI/CD.
• Diplôme de niveau Master ou diplôme d’ingénieur en informatique, Data Science, Machine Learning ou domaine équivalent.
• Solide expérience professionnelle en tant que ML Engineer ou MLOps Engineer.
• Expérience de la mise en production de modèles ML à grande échelle.
• Excellente maîtrise de Python et des pratiques d’ingénierie logicielle appliquées au Machine Learning.
• Expertise de Kubernetes, Docker, MLflow et des pipelines CI/CD.
• Bonne connaissance des environnements cloud AWS et/ou Google Cloud Platform.
• Expérience des architectures distribuées, des API et de la conteneurisation.
• Maîtrise des problématiques de scalabilité, de résilience et d’observabilité.
• Bonne compréhension de PyTorch et des bases de données vectorielles.
• Solide culture de l’IA générative, du LLMOps, du RAG et des systèmes agentiques.
• Connaissance de Google ADK, de MCP ou de technologies comparables.
• Capacité à évaluer rapidement de nouveaux frameworks et à faire des choix techniques argumentés.
• Leadership naturel, autonomie, esprit critique et sens du collectif.

Environnement technique

• **Langage :** Python
• **Machine Learning :** PyTorch, MLflow
• **IA générative :** LLMOps, RAG, agents et systèmes multi-agents
• **Frameworks et protocoles :** Google ADK, MCP, outils d’orchestration agentique
• **Données :** bases de données vectorielles
• **Cloud :** AWS, Google Cloud Platform
• **Infrastructure :** Kubernetes, Docker
• **Industrialisation :** CI/CD, automatisation des entraînements, évaluations et déploiements
• **Observabilité :** data drift, qualité des réponses, guardrails, performances et suivi des coûts