🚀 Machine Learning Engineer - Freelance

Overview

Contexte: Un groupe international accélère la construction de ses produits IA/ML (plateforme MLOps et solutions LLM internes) dans un contexte de croissance rapide et de technologies en évolution fréquente. L’objectif est de concevoir, industrialiser et opérer des composants IA/ML robustes, documentés et monitorés, au service des usages métiers à grande échelle.

Les livrables clés incluent la mise en œuvre de composants IA/ML (fonctions, classes, tests) et une documentation complète (développements & configurations) dans le référentiel interne (GitHub / GitBook). Contexte linguistique : français courant et anglais professionnel requis.

Missions / Responsabilités

• Concevoir, développer et industrialiser des modèles et services IA/ML : du prototype à la mise en production.
• Construire et maintenir des pipelines de données & MLOps (entraînement, évaluation, déploiement, rollback).
• Contribuer à l’architecture et au développement produit (plateforme MLOps, solutions LLM type RAG/assistant interne).
• Garantir scalabilité, robustesse et performance (optimisation, observabilité, SLO/SLA) en lien avec Ops & Data.
• Assurer la qualité logicielle : revues de code, tests automatisés (unitaires/intégration), monitoring des modèles (drift, qualité données).
• Participer à la CI/CD selon les pratiques DevOps/MLOps (notamment GitHub Actions), et à l’automatisation sur GCP.
• Produire et maintenir la documentation (modèles, pipelines, configs) dans GitHub / GitBook.
• Prendre en charge le cycle de vie complet des modèles (build & run) : supervision, alerting, maintenance, amélioration continue.

Livrables attendus

• Composants IA/ML (fonctions, classes) + tests associés
• Pipelines d’entraînement/déploiement documentés
• Documentation centralisée (code, modèles, configurations) dans GitHub / GitBook

Profil recherché / Qualifications

• Python (confirmé, impératif) : écosystème data/IA (Pandas, scikit-learn, TensorFlow/PyTorch).
• GitHub Actions (confirmé, impératif) pour la CI/CD.
• MLOps : MLflow / Kubeflow / Vertex AI (au moins un écosystème maîtrisé).
• Cloud (idéalement GCP : Vertex AI, BigQuery, GCS, Cloud Run).
• Conteneurs & orchestration : Docker, Kubernetes ; Terraform pour l’IaC.
• Données : SQL & NoSQL (ex. PostgreSQL, MongoDB).
• Temps réel : Kafka apprécié.
• LLM & RAG : appétence forte ; LangChain (confirmé, souhaitable).

Pratiques d’ingénierie

• Code de qualité production, tests (unitaires/intégration), code review, clean code.
• Observabilité des modèles et des données (drift, performance, coûts).
• Documentation claire et à jour (GitHub / GitBook).

Langues

• Français : courant (impératif)
• Anglais : professionnel (impératif)

Soft Skills

• Curiosité et veille active (LLM, RAG, MLOps) ; esprit pragmatique et sens de la valeur.
• Autonomie et initiative ; goût du travail en équipe et du partage.
• Pédagogie, communication écrite/orale soignée, capacité à challenger et à co-construire avec les parties prenantes.