Senior Manager ML Engineering & Practice Lead

Bâtir et Piloter la Practice ML Engineering au cœur de l'Elite Squad d’un acteur international majeur de la Data, vous prenez la responsabilité de concevoir, structurer et porter notre nouvelle offre ML Engineering. Ce rôle stratégique s'éloigne définitivement de la modélisation ou de la Data Science classique pour se concentrer sur le "Build" logiciel, l'infrastructure scalable et l'IA Générative industrielle

Répartition de votre temps :

• 50% Avant-vente & Relation Client (C-Level) :
  Vous traduisez des besoins métiers complexes en architectures cibles, pitchez l'offre technique auprès de clients Grands Comptes et menez les soutenances d’appels d’offres (RAO).
  

• 30% Pilotage & Leadership :
  Vous encadrez des managers de proximité et pilotez la croissance d'une équipe globale d'environ 10 experts (Data Engineers, ML Engineers).
  

• 20% Direction de Practice & Alliance Google Cloud :
  Vous définissez les "Golden Standards" d'industrialisation.
  En tant que Lead Partner de référence avec Google, vous pilotez l'alignement sur la roadmap produit (Vertex AI, briques agentiques) et organisez les certifications des équipes

Ce rôle exige une légitimité technique indiscutable combinée à une posture commerciale et managériale.
Vous êtes idéalement issu(e) du monde du conseil, des agences ou d'un éditeur de logiciel, habitué(e) aux environnements à forte contrainte (sécurité, réseau, gouvernance).

• Séniorité & Posture :
  Expérience confirmée en cabinet de conseil ou ESN sur des fonctions de Tech Lead / Manager, avec un historique solide en avant-vente technique et réponses aux appels d'offres (C-Level).
  

• Hard Skills MLOps & Infra (Impératif) :
  Maîtrise avancée de l'Infrastructure as Code et de la conteneurisation : Terraform et Kubernetes (GKE/AKS).
  

• Software Engineering & Data :
  Excellentes compétences en programmation orientée objet (Python), conception de microservices (API REST) et maîtrise des outils de transformation modernes (dbt, CI/CD).
  

• IA Générative Industrielle :
  Pratique concrète du passage à l'échelle industrielle de systèmes LLM, de frameworks d'observabilité/monitoring (Data/Model Drift), du RAG et d'architectures agentiques.
  

• Management :
  Expérience validée dans l'encadrement d'ingénieurs (évaluations, recrutement, plans de formation, animation de practice)