Paris MLOps Engineer - Data Factory - Freelance

L'équipe Data Platform recherche un·e MLOps Engineer basé·e à Paris ou Lille.

Au cœur de l’entité Decathlon Digital, nous recherchons un·e MLOps Engineer pour rejoindre les équipes Data Factory. Cette plateforme technologique, globale à tout le groupe de manière internationale, soutient le développement de l’usage de la Data chez Decathlon, du calcul du chiffre d’affaires à l’aide de la conception de produits innovants.

🚀 CONTEXTE & TA FUTURE CONTRIBUTION

Nous opérons une Modern Data Stack de pointe, avec un Lakehouse comme centre de gravité.

Notre mission ? Garantir la scalabilité, l'automatisation et l'excellence des pratiques de développement pour l'ensemble de nos communautés (Data Engineers, Analysts, Data Scientists, ML Engineers).

Notre équipe IA / MLOps au cœur de la Data Factory est une brique essentielle de cette mission. Elle est chargée d’outiller directement les Data Scientists et ML Engineers en leur fournissant une plateforme d'entraînement et de déploiement fluide, industrielle et sécurisée.

En tant que MLOps Engineer, au sein de la squad IA / ML, tu joueras un rôle clé pour automatiser le passage à l'échelle du Machine Learning traditionnel tout en facilitant l'adoption des briques IA émergentes. L’équipe est actuellement composée de 4 AI Platform Engineers et de 2 Product Managers.

🎯 Objectifs et livrables

Tu seras en charge de :

Infrastructures ML & Gestion des GPU : Concevoir et administrer des infrastructures d'entraînement et d'inférence robustes sur AWS et GCP, en orchestrant la mise à disposition efficace des ressources de calcul (GPU, clusters auto-scalables).

Industrialisation & IaC : Piloter le déploiement, le maintien et l'évolution des plateformes MLOps via Terraform, en garantissant une cohérence parfaite entre nos différents environnements Cloud.

CI/CD/CT & MLOps Pipelines : Concevoir et automatiser des pipelines CI/CD/CT (Continuous Training) pour le suivi de l'entraînement, la validation, le déploiement et l'évaluation automatisée des modèles ML.

Gestion du Lifecycle du ML (MLflow & Registry) : Administrer et promouvoir les outils de Model Registry, de Tracking d'expérimentations (MLflow) et de Feature Store pour fluidifier le travail des Data Scientists.

Gouvernance, Monitoring & Excellence : Mettre en place les outils pour aider à la surveillance des performances des modèles en production (dérive des données/modèles), définir les standards MLOps (templates, bonnes pratiques) et assurer une veille technique sur les outils de la communauté.

Expertise & Rayonnement : Incarner nos solutions MLOps auprès des Data Scientists et ML Engineers, notamment en animant des Office Hours et en simplifiant l'adoption de la plateforme au quotidien.

🛠 STACK TECHNIQUE

Cloud : AWS et GCP

MLOps & Tracking : MLflow, Model Registry, Feature Store

Orchestration & Data : Databricks, Airflow

Infrastructure & Compute : Terraform, Docker, Kubernetes, clusters GPU

CI/CD : Git, GitHub Actions

👤 CE QUE TU APPORTES

Expérience : Tu justifies de 3 ans minimum d’expérience sur un rôle similaire (MLOps Engineer, ML Engineer, DevOps / Platform Engineer appliqué au ML).

Compétences Ops & ML : Tu maîtrises le cycle de vie complet d'un modèle ML (du notebook à la production), les contraintes liées à l'entraînement GPU et l'intégration de MLflow.

Pédagogie et Sens du service : Tu sais accompagner les Data Scientists avec clarté, traduire des contraintes d'infrastructure en solutions simples et rédiger une documentation solide.

Curiosité : La veille technologique sur les frameworks et outils MLOps fait partie de ton ADN.

Esprit collaboratif : Tu t'épanouis dans un environnement agile où le partage est la règle.

Communication : Un excellent relationnel pour fédérer autour de tes solutions. Ton anglais est fluide pour évoluer dans notre contexte international.

MLOPS Avancé

AWS Avancé

GCP Avancé

DATABRICKS Avancé

Infrastructure en tant que code Terraform et Ansible Élémentaire

GPU Avancé