Machine Learning Engineer / MLOps Senior

Contexte

Rejoins une équipe dynamique d'une dizaine d'expert·es data (Data Scientist, ML Engineer, Data Analysts, Analytics Engineer) au cœur de la stratégie technologique de Decathlon. Notre mission est de construire des plateformes scalables pour transformer l'expérience client et sécuriser nos opérations. Nous relevons des défis passionnants tels que la modération automatique d'avis et la lutte contre la fraude, avec un impact direct sur des millions d'utilisateurs·trices à travers le monde. Chez nous, l'innovation se conjugue avec l'esprit d'équipe et le droit à l'erreur pour grandir ensemble.

Missions

• Concevoir, bâtir et maintenir des architectures de production hautement disponibles et scalables pour le cycle de vie complet des modèles ML classiques et génératifs (LLMOps), en évitant l'over-engineering.
• Participer à la conception et à l'architecture de systèmes autonomes et multi-agents.
• Mettre en œuvre l'interopérabilité des services via des protocoles modernes (comme le Model Context Protocol - MCP) et des frameworks d'orchestration de manière simple et robuste.
• Automatiser l'entraînement, l'évaluation, la validation et le déploiement des pipelines de données et d'agents, en concevant des workflows CI/CD fiables et sécurisés.
• Promouvoir les meilleures pratiques d'ingénierie logicielle (clean code, architecture modulaire, tests rigoureux).
• Mentoriser les membres plus juniors de l'équipe.
• Prôner des choix technologiques pragmatiques et orientés valeur.
• Mettre en œuvre des systèmes de monitoring adaptés (détection de dérive de données, évaluation de la pertinence des réponses/guardrails, suivi des coûts d'infrastructure).

Outils & Environnement

• Kubernetes (niveau expert)
• AWS (confirmé)
• Full Stack Python (expert)
• MLFLOW (expert)
• Vector Databases (confirmé)
• CI/CD (expert)
• Google (confirmé)
• Google ADK (expert)
• PyTorch (confirmé)
• Docker (expert)

1. Diplômé·e d'un Master ou d'un diplôme d'Ingénieur en Informatique, Data Science ou Machine Learning
2. Solide expérience professionnelle en tant que ML Engineer ou MLOps, idéalement dans un environnement de production à grande échelle avec des défis de scalabilité
3. Maîtrise experte de l'ingénierie logicielle appliquée au ML (conception d'APIs, conteneurisation, gestion des environnements distribués)
4. Excellente culture générale des concepts de l'IA Générative
5. Forte capacité d'apprentissage, esprit critique et curiosité pour les frameworks récents (ex: Agent Development Kit, frameworks d'orchestration) ou protocoles d'intégration (ex: MCP)
6. Démonstration d'un leadership technique naturel, forte autonomie et capacité à concevoir des solutions simples et maintenables face à des technologies complexes ou nouvelles
7. Compétences expertes en Kubernetes, Full Stack Python, MLflow, CI/CD, Docker
8. Compétences confirmées en AWS, Vector Databases, Google, PyTorch
9. Compétence experte en Google ADK