Machine Learning Engineer - MLOps Senior H/F - collectivite

Information importante

Type de contrat:

Freelance

Taux journalier :

Salaire selon profil

Localisation :

Paris, France

Date de démarrage :

2 à 4 semaines

Mode de travail :

Hybride

Publié le :

15 juin 2026

Le besoin

Tu rejoindras une équipe d'une dizaine d'expert·es data (Data Scientists, ML Engineers, Data Analysts, Analytics Engineers) au coeur de la stratégie produit d'un grand acteur international du retail, pour industrialiser des cas d'usage IA à fort trafic et fort impact business.

L'objectif est de construire et faire évoluer des plateformes ML/LLM scalables pour des use cases comme la modération automatique de contenus, la lutte contre la fraude et l'optimisation de l'expérience client, en production sur des millions d'utilisateurs.

Missions principales :

- Concevoir et mettre en oeuvre des architectures MLOps / LLMOps robustes pour des modèles classiques et génératifs (déploiement, monitoring, scalabilité, sécurité).

- Mettre en place et maintenir des pipelines de données et de modèles end-to-end (training, évaluation, validation, déploiement) avec CI/CD automatisée.

- Développer et opérer des systèmes d'agents et de multi-agents en production, intégrés via des APIs et protocoles modernes (type MCP, frameworks d'orchestration).

- Garantir les bonnes pratiques d'ingénierie logicielle : clean code, architecture modulaire, tests, revue de code et documentation.

- Assurer l'observabilité des modèles et agents (monitoring, dérive de données, qualité des réponses, guardrails, coûts infra) et piloter les boucles de retraining.

- Jouer un rôle de référent technique auprès de l'équipe (support aux Data Scientists, mentoring, aide au choix de stack et d'outils).

Profil recherché

Diplôme Bac +5 (informatique, data, ML) ou équivalent par l'expérience Expérience confirmée en tant que ML Engineer ou MLOps sur des systèmes en production à grande échelle Très bon niveau en ingénierie logicielle appliquée au ML (APIs, architectures distribuées, clean code, tests) Esprit pragmatique, solutions simples et maintenables, sans over-engineering Leadership technique naturel, autonomie, aisance à challenger et accompagner des profils data variés Bonne culture de l'IA générative et curiosité pour les frameworks récents (agents, orchestration)