/// Data & AI
MLOps Engineer
Industrialiser et maintenir en condition opérationnelle les modèles d'intelligence artificielle en production, via une approche CI/CD, du monitoring et une gouvernance des solutions IA.
/// missions
Ce que vous ferez chez Uneety
Trois temps forts du poste, pensés pour bâtir du concret, pas pour cocher des cases.
- Automatiser le déploiement de modèles ML en production
- Mettre en œuvre une CI/CD complète pour les modèles ML
- Intégrer les étapes d’évaluation, de validation et de test modèle
- Monitorer la dérive des données et des performances modèles
- Définir et gérer des feature stores centralisés
- Gérer le versionnement des modèles, données et artefacts ML
- Implémenter une architecture de pipelines ML industrialisés
- Intégrer la traçabilité et l’audit des décisions IA
- Industrialiser les tests d’intégration et d’acceptation IA
- Gérer l’orchestration multi-cloud ou on-prem des pipelines ML
- Implémenter une politique de gouvernance IA (modèle + données)
- Déployer des modèles de NLP ou LLM en production
- Gérer la sécurité des API IA et endpoints de prédiction
- Configurer un environnement de staging pour validation IA
- Intégrer des modèles IA dans des systèmes temps réel
- Gérer le scaling horizontal des services IA
- Réentraîner automatiquement un modèle via des triggers métier
- Gérer le déploiement progressif et rollback d’un modèle
- Documenter les workflows ML de manière reproductible
- Créer un environnement collaboratif sécurisé pour Data Scientists
/// stack & outils
Votre terrain de jeu technique
Les technologies et plateformes que vous manipulerez au quotidien, selon les missions et les contextes clients.
/// dimension ia
L’IA n’est pas une option, elle fait partie du métier
Contribution à l'AI Readiness : industrialisation de la donnée et des modèles, ouverture au GenAI/RAG, dans une logique d'IA responsable.
Capacité 01
Préparer données et features pour l'IA / GenAI
Outils · Feast, data quality
Capacité 02
Industrialiser les modèles (MLOps / LLMOps)
Outils · MLflow, Kubeflow
Capacité 03
GenAI / RAG (du prototype à la production)
Outils · LangChain, base vectorielle
Capacité 04
Explicabilité, biais et confidentialité (IA responsable)
Outils · SHAP, Fairlearn, Differential Privacy
Capacité 05
Monitoring de dérive et qualité en production
Outils · Evidently, WhyLabs
/// pourquoi nous rejoindre
Ce que ce poste vous apportera
Des missions à fort impact
Des contextes exigeants, des sujets de pointe, et la liberté de proposer.
L’IA intégrée à votre pratique
GenAI, MLOps, AIOps : montez en compétence sur le terrain, avec les bons outils.
Un collectif d’experts
Une communauté technique active, des retours d’expérience et un mentoring continu.