Trouvez votre prochaine offre d’emploi ou de mission freelance MLOps

Dans le cadre du développement stratégique de notre offre en Intelligence Artificielle, nous recrutons un(e) Ingénieur(e) IA pour intervenir chez nos clients sur des projets à fort impact. En plus de son rôle opérationnel, la personne recrutée aura une responsabilité transverse : elle portera l’offre IA de FUZYO , contribuera à son évolution, et interviendra en avant-vente et en delivery management . Vos missions :🔹 Portage de l’offre IA FUZYO Être le référent interne sur les sujets IA. Participer à la structuration et à l’évolution de l’offre IA. Assurer une veille stratégique et technologique. Contribuer à la communication externe (articles, conférences, supports commerciaux). 🔹 Avant-vente & relation client Identifier les opportunités IA chez les clients. Participer aux phases de cadrage, rédaction de propositions techniques et soutenances. Vulgariser les concepts IA auprès des interlocuteurs métiers. Contribuer à la réponse aux appels d’offres et à la rédaction de propositions commerciales. 🔹 Delivery & expertise technique chez le client Concevoir, développer et déployer des modèles d’intelligence artificielle (Machine Learning, Deep Learning, IA générative). Participer à la mise en production de solutions IA (MLOps, CI/CD, monitoring). Réaliser des analyses exploratoires et des prototypes (PoC/PoV). Optimiser les performances des modèles (précision, latence, coût). Documenter les travaux et assurer une veille technologique active.

Responsabilités principales Concevoir et déployer des architectures robustes autour des LLM, RAG, agents et chatbots. Construire des pipelines de traitement de documents complexes (PDF, OCR, images, multimodal). Industrialiser et monitorer les chatbots (latence, coût, taux de réponse, satisfaction utilisateur). Mettre en place et faire respecter les bonnes pratiques de dev : code propre, tests, revues, CI/CD. Industrialiser l’IA via MLOps/LLMOps : suivi d’expériences, déploiement, monitoring, observabilité. Garantir la qualité des données, la conformité (GDPR) et la sécurité des solutions. Accompagner et mentorer l’équipe sur les méthodes, outils et patterns d’IA générative. Compétences techniques attendues IA générative, LLM, RAG, Prompt optimisation, Agents & orchestration Chatbots

Contexte de la mission L’équipe DataOps / DataLab , au sein de la division AI & Innovation, accompagne la mise en place et l’évolution des plateformes et services Data Science & IA du Groupe. Une équipe de 20 experts répartis en 5 pôles : Solutions Engineering, Automation Engineering, Infrastructure Engineering, Product Office, Client Services. Plus de 15 plateformes de Data Science / MLOps en production (Cloud & On-Premise), utilisées par plus de 600 Data Scientists . Déploiement d’infrastructures et de services d’ IA générative à l’échelle du Groupe. Un GPU Grid On-Premise utilisé pour le training et l’inférence. Adoption des meilleures pratiques : DevSecOps, GitOps, MLOps, LLMOps . Forte culture de l’ automatisation (APIs, Kubernetes, OpenShift, infrastructures et produits). Missions principales Conception & automatisation : développer et maintenir les chaînes d’automatisation pour le déploiement, le pilotage et la supervision des produits : Infrastructure as Code. Cloud Native (Kubernetes). Release as Code. DevSecOps, GitOps, observabilité. Maintien en conditions opérationnelles (MCO) : assurer la supervision et la fiabilisation des plateformes Data Science en production. Cycle de vie des plateformes : participer aux déploiements, releases, migrations et évolutions des environnements Data Science. Pratiques d’ingénierie : contribuer à la mise en place et au renforcement des standards DevSecOps, GitOps, MLOps et LLMOps. Environnement technique Containerisation & orchestration : Docker, Kubernetes, OpenShift, Cloud, Bare Metal. Programmation : Python. Automatisation & scripting : Shell scripting. High Performance & GPU Computing . CI/CD & DevSecOps / GitOps : Hashicorp Vault, GitLab, GitLab-CI, Kaniko, Keycloak, Ansible, Artifactory, ArgoCD, Argo Workflow.

Le consultant interviendra comme Senior Machine Learning Engineer , avec un rôle clé dans la conception, le développement et le déploiement de solutions ML appliquées aux magasins Decathlon dans le monde entier. Domaines d’application : Computer Vision LLMs (Large Language Models) Prévision de séries temporelles (time series forecasting) Détection d’anomalies Role: Concevoir, développer et déployer des modèles ML de bout en bout (MVP et production industrialisée). Travailler avec de larges datasets : qualité, preprocessing, feature engineering. Optimiser les performances des modèles et industrialiser via les pratiques MLOps . Contribuer à des projets innovants (vision, NLP, forecasting, anomalies). Assurer une veille continue sur les algorithmes et outils ML. Collaborer pour transformer les besoins en solutions scalables. Mentorer les profils juniors (DS, AI engineers).

CONTEXTE EXPERIENCE : 5 ans et plus Métiers Fonctions : Data Management, Machine Learning Engineer Spécialités technologiques: Cloud, Machine learning, Big Data, Simulation Deep learning Description et livrables de la prestation Notre client, dans le secteur de l’assurance, est à la recherche d’un Machine Learning Engineer Lead Expert pour un projet de recherche appliquée sur les événements climatiques extrêmes à l’aide de modèles d’IA. Les équipes travaillent sur des simulations météo afin d’identifier les risques de catastrophes, avec pour objectif de développer et d’entraîner des modèles de Machine Learning dédiés. Il s’agit de gestion de big data sur de très gros modèles, avec un code intégralement en Python. La maîtrise du cloud AWS et des environnements on-premise est indispensable. - Permettre à l’équipe R&D de développer et d’évaluer des modèles en fournissant et en gérant du code et des données de qualité. - Refactoriser, structurer et documenter la bibliothèque existante en Python pour les simulations, l’inférence de modèles et l’analyse. - Développer des pipelines robustes pour la simulation, la détection d’événements extrêmes, l’entraînement et l’évaluation des modèles (y compris sur GPU). L’accent sera mis sur le développement logiciel (les modèles seront fournis par l’équipe). - Mettre en œuvre et appliquer les meilleures pratiques de développement logiciel scientifique (tests, CI/CD, conception modulaire, reproductibilité). - Optimiser l’utilisation d’un serveur (multi-)GPU pour les simulations et entraînements IA à grande échelle (I/O, planification, parallélisme). - Former et accompagner l’équipe sur les bonnes pratiques de développement scientifique et d’utilisation des GPU. Expertise souhaitée Obligatoires : - Python avancé et meilleures pratiques de développement logiciel - Pipelines scientifiques : orchestration, traitement en lots, suivi d’expérimentations - Outils : Git, Docker - Cloud AWS et environnements on-premise Souhaitées : - Gestion de données climatiques ou géospatiales : xarray, Zarr, S3 - Deep learning sur GPU : PyTorch, entraînement multi-GPU, optimisation des performances - Ingénierie logicielle scientifique, MLOps ou infrastructures de données en environnement R&D - Expérience avérée en collaboration sur des bases de code robustes, performantes et scalables - Familiarité ou fort intérêt pour les sciences du climat, la simulation ou la modélisation physique est un plus - Solides compétences en transmission de connaissances et en communication - Exigence élevée en termes de qualité et de clarté du code

Data Scientist Expérience souhaitée : 3 ans minimum 2 à 3 jours sur site Compétences requises Expérience confirmée en Machine Learning / Deep Learning et IA Générative. Bonne maîtrise de Python, SQL, Pandas, Scikit-learn, Numpy, Jupyter Notebook, Streamlit. Maîtrise des frameworks : TensorFlow, PyTorch. Connaissance du cycle de vie complet des modèles IA (conception, mise en prod, suivi). Curiosité, autonomie, capacité à faire de la veille technologique. Esprit d'équipe et envie de partager vos connaissances. Missions Analyser les problématiques métiers et démontrer la valeur ajoutée d’approches ML/DL ou IA Générative. Concevoir et mettre en production des modèles d’apprentissage automatique. Traiter de grandes quantités de données pour créer des jeux d'entraînement. Appliquer les bonnes pratiques de MLOps et assurer l’explicabilité des modèles. Présenter les résultats de façon claire aux parties prenantes et suivre la performance des modèles dans le temps. Réaliser du prompt engineering pour les modèles d’IA Générative. Effectuer des benchmarks pour évaluer les modèles IA Gen. Optimiser les modèles (paramétrage, ajustements).

Contexte : Le Product Owner sera responsable de la définition, la priorisation et la livraison des fonctionnalités d’une plateforme supportant : Les workflows de machine learning classique. Les outils low-code/no-code destinés aux citizen developers et utilisateurs métiers. Il travaillera en étroite collaboration avec les équipes d’ingénierie, MLOps, gouvernance des données et conformité afin d’assurer des solutions robustes, scalables et orientées utilisateurs. Missions principales : Backlog Definition & Prioritization Définir et maintenir un backlog clair et actionnable aligné avec les besoins utilisateurs et les priorités stratégiques. Traduire les retours des data scientists, analystes et utilisateurs métiers en fonctionnalités concrètes. Contribuer à la planification PI et aux activités de refinement selon les pratiques Agile SAFe. Product Discovery & Validation Mener des activités de découverte pour valider les besoins utilisateurs et tester les idées de solution. Garantir que les fonctionnalités proposées soient désirables, faisables et viables. Collaboration transversale Coordonner avec les parties prenantes internes (engineering, sécurité, gouvernance). Favoriser l’alignement et la convergence entre les domaines techniques et métiers. Adoption & Enablement Accompagner l’onboarding, la formation et la promotion interne des capacités de la plateforme. Suivre l’usage et collecter les retours afin d’alimenter l’amélioration continue. Promouvoir la culture de l’IA et autonomiser les citizen developers grâce à des outils intuitifs et une documentation adaptée. Contribution stratégique Définir et communiquer la vision sur le ML classique et le low-code/no-code. Identifier des opportunités d’innovation et d’efficacité. Suivre les tendances marché et les technologies émergentes. Compétences requises : Expérience confirmée en Product Ownership ou Product Management, idéalement sur des plateformes IA/Data. Bonne compréhension du cycle de vie du machine learning et des technologies low-code/no-code. Expérience en environnements cloud (Azure, AWS, GCP). Connaissance de la méthodologie Agile SAFe. Excellentes compétences en communication et gestion de parties prenantes. Langues : Anglais courant (impératif). Français : un plus.