Ingénieur ML / MLOps - Secteur Défense

Contexte

Notre équipe développe des algorithmes de détection d'objets d'intérêt militaire sur images satellites.

Pour faire face à une hausse de charge, l'équipe renforce sa squad dédiée au Retraining Kit, un outil qui permettra aux clients de réentraîner certains détecteurs sur leurs propres données et cas d'usage. Le kit s'appuie sur les modules internes de l'AI Factory (préparation des données, lancement et suivi des entraînements, évaluation, packaging du détecteur réentraîné).

Le socle technique et le cadrage sont déjà définis. Vous rejoignez une squad pour construire et fiabiliser l'outillage.

Missions

• Développer l'outillage du Retraining Kit en vous appuyant sur les modules existants de l'AI Factory.

• Adapter les librairies et composants pour un déploiement chez des clients : packaging, suppression des dépendances réseau, images Docker autonomes.

• Fiabiliser le kit pour un déploiement client : tests de bout en bout, amélioration des workflows, qualité logicielle, documentation d'installation et d'utilisation.

• Contribuer à la vie de la squad (revues de code, rituels agiles, partage avec les Deep Learning Scientists).

Environnement technique

• Python, PyTorch, Docker

• CI/CD

• Linux, GPU

• Il n'y a aucune dimension LLM / GenAI sur ce poste dans un premier temps.

Conditions de travail

• Lieu : Paris, au minimum 2 jours par semaine sur site

• Démarrage : Octobre / Novembre

• Habilitation / Nationalité : Secteur Défense

1. Au moins 2 ans d'expérience en ML Engineering ou MLOps, avec développement d'outils MLOps (pipelines d'entraînement, évaluation, packaging, suivi d'expériences)

2. Très bonne maîtrise de Python et des bonnes pratiques de développement (tests, revues de code, CI/CD, documentation)

3. Pratique solide de Docker (construction d'images, optimisation, export/import, gestion des dépendances)

4. Expérience de PyTorch dans un contexte de Deep Learning ou de Computer Vision

5. Expérience appréciée de déploiement en environnement isolé ou on-premise (défense, industrie, secteur régulé)

6. Connaissance appréciée de l'imagerie satellite ou de la détection d'objets

7. Autonomie et rigueur

8. Posture centrée utilisateur : simplicité d'installation et clarté de la documentation

9. Communication, esprit d'équipe, agilité sans dogmatisme

10. Bac+5 en software engineering, machine learning, computer vision ou domaine proche, ou expérience équivalente