Ingénieur MLOps

Ingénieur MLOps – Nantes (H/F) – Services Financiers

Entreprise: Sopra Steria
Type de contrat: CDI
Localisation: Nantes (44)
Niveau d’études requis: Bac +5
Salaire: Non précisé

---

Rejoignez une équipe nantaise dédiée au développement d’une IA Factory dans le secteur des services financiers. En tant qu’Ingénieur MLOps, vous serez au cœur de l’intégration, de la production et de l’optimisation de modèles de machine learning, garantissant leur performance, évolutivité et maintenance dans des environnements critiques.

---

Missions principales

1. Automatisation des pipelines ML

• Concevoir, développer et maintenir des pipelines CI/CD dédiés aux modèles de machine learning.
• Déployer des outils d’automatisation pour l’entraînement, la validation et le déploiement en production.

2. Gestion des modèles en production

• Superviser le déploiement, le suivi et la mise à jour des modèles en environnement opérationnel.
• Assurer la gestion des versions, la surveillance et l’évolutivité des modèles.

3. Collaboration avec les équipes Data & DevOps

• Travailler en étroite collaboration avec les équipes DevOps pour intégrer les modèles dans des infrastructures cloud (AWS, Azure, GCP) et locales (Kubernetes).
• Participer à l’optimisation des architectures techniques pour une déploiement fluide.

4. Optimisation de la performance

• Identifier et résoudre les problèmes de latence ou de qualité des prédictions.
• Mettre en place un monitoring performant et ajuster les modèles en conséquence.

5. Assurance qualité et gouvernance

• Déployer des systèmes de gestion de la qualité pour les modèles ML.
• Appliquer les bonnes pratiques de gouvernance (traçabilité, sécurité, conformité réglementaire).

6. Maintenance et évolutions

• Assurer la maintenance continue des modèles déployés.
• Participer à des processus de retraining pour adapter les modèles aux nouvelles données ou besoins métiers.

---

Profil recherché (compétences clés):

• Maîtrise des pipelines MLOps (CI/CD, automatisation).
• Expérience en déploiement et monitoring de modèles en production.
• Connaissance des environnements cloud (AWS/Azure/GCP) et des conteneurs (Kubernetes).
• Sens de la qualité, sécurité et conformité (RGPD, normes financières).
• Capacité à collaborer avec des équipes Data Science, DevOps et métiers.