Une carrière chez IBM Consulting s'appuie sur des relations à long terme et une collaboration étroite avec des clients du monde entier. Vous travaillerez avec des visionnaires dans de multiples secteurs pour améliorer le parcours du cloud hybride et de l'IA pour les entreprises les plus innovantes et les plus précieuses au monde. Votre capacité à accélérer l'impact et à apporter des changements significatifs pour vos clients est rendue possible par notre écosystème de partenaires stratégiques et nos plateformes technologiques robustes à travers le portefeuille IBM ; y compris Software et Red Hat. La curiosité et la recherche constante de connaissances sont les fondements de la réussite au sein d'IBM Consulting.
Dans votre rôle vous serez encouragé à remettre en question la norme à rechercher des idées en dehors de votre rôle et à trouver des solutions créatives qui auront un impact révolutionnaire pour un large réseau de clients. Notre culture de l'évolution et de l'empathie est axée sur l'évolution de carrière à long terme et les opportunités de développement dans un environnement qui prend en compte vos compétences et votre expérience uniques.
In this role you'll work in one of our IBM Consulting Client Innovation Centers (Delivery Centers) where we deliver deep technical and industry expertise to a wide range of public and private sector clients around the world. Our delivery centers offer our clients locally based skills and technical expertise to drive innovation and adoption of new technology.
En tant que MLEngineer confirmé vous serez responsable de mettre en place des pipelines efficaces pour le déploiement la maintenance et le suivi des modèles de Machine Learning. Vous contribuerez également à l'amélioration continue de nos infrastructures et processus tout en favorisant une culture de collaboration et d'innovation.
A ce titre vous participerez Ă toutes les Ă©tapes du projet :
Industrialisation des modèles IA
- Collaborer avec les Data Scientists pour intégrer les modèles entraînés dans des environnements de production.
- Développer et maintenir les scripts d'inférence des modèles déployés.
- Garantir la performance la fiabilité et l’optimisation des modèles en production.
Respect des normes et standards du SI
- S’assurer que les modèles et pipelines respectent les normes de sécurité de performance et de conformité du Système d’Information (SI).
- Collaborer avec les équipes Cloud pour garantir une intégration harmonieuse dans les infrastructures existantes.
- Documenter les processus et solutions pour répondre aux exigences de gouvernance du SI.
Pipelines de données
- Concevoir et automatiser des pipelines pour le traitement et la transformation des données.
- Garantir la qualité des données utilisées dans les modèles notamment via le feature engineering.
Optimisation & Monitoring
- Implémenter des solutions de surveillance des modèles en production (monitoring détection de dérive…).
- Optimiser les performances des modèles : latence consommation de ressources scalabilité.
Développement d’API
- Exposer les modèles via des API robustes et performantes (Flask FastAPI...).
- Intégrer les modèles dans les systèmes existants en collaboration avec les équipes backend.
Collaboration technique
- Travailler en étroite collaboration avec les Data Scientists Data Engineers ML OPS et les OPS pour assurer une transition fluide du développement à la production.
- Documenter les workflows pipelines et solutions développés.
Vous disposez d'une expérience en tant que Machine Learning Engineer d'au moins 5 ans. Vous savez démontrer vos compétences et capacités dans les domaines suivants :
DevOps & MLOps
· GitLab GitLab-CI Docker CI/CD pipelines
· Environnements cloud (AWS GCP Azure)
· Outil de versioning de modèles : MLflow
· Bonne connaissance de Domino Data Lab (optionnel mais apprécié)
DĂ©veloppement logiciel
· Bonnes pratiques d’architecture logicielle (clean code modularité)
· Développement et documentation d’API
· Tests unitaires et tests d'intégration :  Pytest Unnitest
· Outils de qualité de code : Ruff Black MyPy SonarQube
Data Science & Machine Learning
· Solides compétences en Data Science ou très bonne maîtrise des concepts fondamentaux :
Machine Learning Deep Learning NLP LLM
· Connaissance du cycle de vie complet d’un projet ML
Vous êtes à l’aise en français et en anglais à l’oral comme à l’écrit.
Vous aimez travailler dans un environnement agile.
Vous êtes rigoureux dans le respect des process et aimez l’innovation.
Vous avez déjà travaillé sur des projets implémentant l’intégration continue.