MLOps Engineer / Ingénieur DevOps Data Science

📍 Présence sur site obligatoire les lundi, mardi et jeudi

À propos de la mission

Vous intervenez auprès des équipes Data Science d'un acteur majeur du e-commerce pour industrialiser et fiabiliser la mise en production de leurs modèles. Une mission transverse, au cœur des enjeux de pricing et de qualité de l'offre.

🎯 Vos missions

• Concevoir et industrialiser les processus de déploiement des modèles de data science en appliquant les bonnes pratiques CI/CD

• Automatiser les tests fonctionnels

• Optimiser le code Python

• Assurer le débogage et l'assistance technique auprès des équipes Data Science

• Assurer la maintenance applicative (migrations Python, MCO)

• Former et accompagner les data scientists aux bonnes pratiques de développement (Clean Code, SOLID, Refactoring…)

• Concevoir et animer des formations auprès des Data Scientists

• Exploiter l'IA générative (Claude) pour assister la conception et le développement (génération et revue de code, tests, documentation) et diffuser ces bonnes pratiques au sein des équipes

🎯 Enjeux de la mission

• Stratégique : renforcer la compétitivité tarifaire et la qualité de l'offre grâce à un pilotage réactif et précis des prix face à la concurrence

• Opérationnel : garantir la disponibilité, la robustesse et la reproductibilité de la mise en production des modèles, pour assurer la continuité de service et la fiabilité des traitements

• Organisationnel & technique : industrialiser les pratiques de déploiement (CI/CD, tests automatisés, MCO) et faire monter en compétences les data scientists sur les bonnes pratiques de développement

🧩 Environnement technique

• Langages : Python / SQL

• Bases de données : PostgreSQL, Snowflake

• Cloud / Infrastructure : on-premise + Azure AI Foundry

• Outils CI/CD : Azure DevOps

📋 Organisation

• Méthodologie : Agile Scrum

• Rituels : Daily, sprint planning, rétrospective…

• Interlocuteurs : Data Scientists, Product Manager, Team Lead, Lead Dev

👤 Profil recherché

• Capacité à réaliser un état des lieux de l'existant et à proposer des solutions techniques adaptées

• Pédagogie et sens de la vulgarisation

• Curiosité et autonomie

• Intérêt marqué pour la data science

• Aisance relationnelle et capacité d'écoute