About the Role
<div><span style="font-size: 16px;"><strong>Qui sommes nous ?</strong></span></div>
<div> </div>
<div><span style="font-size: 16px;">Chez MARGO, nos consultants travaillent sur ce qui compte vraiment : des projets complexes qui allient challenge intellectuel et impact business réel.</span></div>
<div><span style="font-size: 16px;">C’est pourquoi nous accompagnons les plus grands acteurs de la finance, de l’industrie et de la tech sur leurs projets les plus stratégiques en Data Science, Machine Learning et Intelligence Artificielle.</span></div>
<div> </div>
<div><span style="font-size: 16px;"><strong>Pourquoi rejoindre la practice IA ?</strong></span></div>
<div> </div>
<div><span style="font-size: 16px;">Vous évoluerez au sein d’une équipe encadrée par Hamza Bouanani, Practice Manager IA chez MARGO, également Lead Data Scientist chez BNP Paribas.</span></div>
<div> </div>
<div><span style="font-size: 16px;">Travailler à ses côtés, c’est intégrer une équipe d’experts passionnés, être challengé sur le plan technique et méthodologique, et contribuer à des projets à fort impact pour les clients.</span></div>
<div> </div>
<div><span style="font-size: 16px;"><strong>Vos missions</strong></span></div>
<div> </div>
<div><span style="font-size: 16px;">Nous recherchons un </span><strong><span style="font-size: 16px;">Machine Learning Engineer</span></strong><span style="font-size: 16px;"> pour rejoindre nos équipes et intervenir au cœur de la stratégie Data de nos clients (Industrie, Finance, Énergie). Votre objectif principal sera d'industrialiser les algorithmes de Machine Learning et de garantir leur cycle de vie en production.</span></div>
<div> </div>
<div><span style="font-size: 16px;">Vous interviendrez sur trois axes techniques majeurs :</span></div>
<div> </div>
<div><strong><span style="font-size: 16px;">1. Industrialisation & Déploiement (Model Serving)</span></strong></div>
<div><span style="font-size: 16px;">- Transformation des modèles de recherche (Proof of Concept) en code de production robuste, testé et optimisé.</span></div>
<div><span style="font-size: 16px;">- Développement d'APIs performantes (FastAPI, Flask) pour exposer les modèles aux applications métiers.</span></div>
<div><span style="font-size: 16px;">- Conteneurisation des solutions (Docker) et orchestration sur des clusters (Kubernetes) pour assurer la scalabilité et la haute disponibilité.</span></div>
<div> </div>
<div><strong><span style="font-size: 16px;">2. Architecture MLOps & Automatisation</span></strong></div>
<div><span style="font-size: 16px;">- Conception et maintenance de pipelines CI/CD dédiés au Machine Learning (réentraînement automatique, validation des modèles).</span></div>
<div><span style="font-size: 16px;">- Mise en place et gestion d'outils d'orchestration de flux de données (Airflow, Kubeflow, Dagster).</span></div>
<div><span style="font-size: 16px;">- Gestion du versioning des données et des modèles (DVC, MLflow) pour assurer la reproductibilité des expériences.</span></div>
<div> </div>
<div><strong><span style="font-size: 16px;">3. Performance & Optimisation</span></strong></div>
<div><span style="font-size: 16px;">- Optimisation des temps de réponse (latence) et de l'utilisation des ressources de calcul (CPU/GPU).</span></div>
<div><span style="font-size: 16px;">- Refactoring de code pour respecter les standards de Software Craftsmanship (Clean Code, TDD).</span></div>
<div><span style="font-size: 16px;">- Gestion des Feature Stores pour centraliser et servir les variables calculées en temps réel.</span></div>
<div> </div>
<div><strong><span style="font-size: 16px;">Votre rôle inclura également :</span></strong></div>
<div><strong><span style="font-size: 16px;">Monitoring avancé :</span></strong><span style="font-size: 16px;"> Mise en place de sondes pour détecter le "Data Drift" (dérive des données) ou le "Model Drift" et déclencher des alertes proactives.</span></div>
<div><strong><span style="font-size: 16px;">Collaboration transverse :</span></strong><span style="font-size: 16px;"> Faire le pont entre les Data Scientists (mathématiques/modélisation) et les Data Engineers (infrastructure/données) pour fluidifier les mises en production.</span></div>
<div><strong><span style="font-size: 16px;">Évangélisation :</span></strong><span style="font-size: 16px;"> Diffuser les bonnes pratiques de développement logiciel au sein des équipes Data Science.</span></div>
<div> </div>
<div><strong><span style="font-size: 16px;">Profil recherché</span></strong></div>
<div> </div>
<div><span style="font-size: 16px;">Nous cherchons un profil hybride, à la frontière entre le Software Engineering et la Data Science, capable de comprendre les mathématiques sous-jacentes tout en maîtrisant les contraintes de production informatique.</span></div>
<div> </div>
<div><span style="font-size: 16px;">- Formation : Bac+5 (école d’i