Asks for

The ad says“Expérience pratique sur l'Agentic RAG, le Semantic Caching pour réduire la latence et les coûts API, ou l'utilisation de frameworks d'optimisation de prompts (ex: DSPy).”
The ad says“Orchestration: Airflow”
The ad says“Execution Engine: Databricks, AWS EKS, Sagemaker”
The ad says“Conception de backends robustes (Python), maîtrise opérationnelle de la conteneurisation (Docker, Kubernetes) et des pipelines (CI/CD, tests automatisés, observabilité, gestion des logs) pour assurer des mises en production robustes.”
The ad says“Infrastructures & Cloud : GCP (Google Cloud Platform), Docker, Kubernetes, CI/CD pipelines.”
The ad says“Expérience appliquée à la supply chain, au retail, ou au déploiement de modèles via Databricks / MLFlow.”
The ad says“Conception de backends robustes (Python), maîtrise opérationnelle de la conteneurisation (Docker, Kubernetes) et des pipelines (CI/CD, tests automatisés, observabilité, gestion des logs) pour assurer des mises en production robustes.”
The ad says“Expérience pratique sur l'Agentic RAG, le Semantic Caching pour réduire la latence et les coûts API, ou l'utilisation de frameworks d'optimisation de prompts (ex: DSPy).”
The ad says“Aisance opérationnelle sur GCP et compréhension des environnements conteneurisés (Docker, Kubernetes) pour déployer de façon autonome la couche Agentique.”
The ad says“Expertise Python axée production, maîtrise des plateformes de déploiement (Vertex AI Agent Builder, Gemini Enterprise Agent Platform) et des protocoles d'intégration client/serveur comme le Model Context Protocol (MCP).”
The ad says“Documentation / code: Git, Confluence”
The ad says“CICD: Github Actions”
The ad says“Sécurité & Accès : Google Cloud Model Armor.”
The ad says“Infrastructures & Cloud : GCP (Google Cloud Platform), Docker, Kubernetes, CI/CD pipelines.”
The ad says“Serving: Docker, Protobuf, gRPC”
The ad says“Capacité à construire des frameworks de test pour LLMs (LLM-as-a-Judge, Golden Datasets), maîtrise des métriques déterministes et validation stricte des formats de sortie (JSON schema enforcement).”
The ad says“Conception de backends robustes (Python), maîtrise opérationnelle de la conteneurisation (Docker, Kubernetes) et des pipelines (CI/CD, tests automatisés, observabilité, gestion des logs) pour assurer des mises en production robustes.”
The ad says“Capacité à construire des frameworks de test pour LLMs (LLM-as-a-Judge, Golden Datasets), maîtrise des métriques déterministes et validation stricte des formats de sortie (JSON schema enforcement).”
The ad says“IA & Protocoles d'intégration : Model Context Protocol (MCP), LLMs (Gemini), LLM routing & memory management.”
The ad says“Expérience appliquée à la supply chain, au retail, ou au déploiement de modèles via Databricks / MLFlow.”
The ad says“Expertise Python axée production, maîtrise des plateformes de déploiement (Vertex AI Agent Builder, Gemini Enterprise Agent Platform) et des protocoles d'intégration client/serveur comme le Model Context Protocol (MCP).”
The ad says“Serving: Docker, Protobuf, gRPC”
The ad says“Conception de backends robustes (Python), maîtrise opérationnelle de la conteneurisation (Docker, Kubernetes) et des pipelines (CI/CD, tests automatisés, observabilité, gestion des logs) pour assurer des mises en production robustes.”
The ad says“Payload: Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark”
The ad says“Execution Engine: Databricks, AWS EKS, Sagemaker”
The ad says“Payload: Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark”
The ad says“Expérience pratique sur l'Agentic RAG, le Semantic Caching pour réduire la latence et les coûts API, ou l'utilisation de frameworks d'optimisation de prompts (ex: DSPy).”
The ad says“Payload: Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark”
The ad says“Data Visualisation: Tableau”
The ad says“Payload: Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark”
The ad says“Expertise Python axée production, maîtrise des plateformes de déploiement (Vertex AI Agent Builder, Gemini Enterprise Agent Platform) et des protocoles d'intégration client/serveur comme le Model Context Protocol (MCP).”

À propos de Decathlon

Decathlon aspire à devenir la meilleure plateforme numérique sportive et l'écosystème ouvert du monde. Nous voulons permettre aux clients de vivre l'expérience Decathlon à travers de nombreuses expériences locales centrées sur le sport en connectant de nombreux acteurs et services tiers, de manière sécurisée et performante.

Nos équipes numériques basées à Lille et Paris(et plus encore…) regroupant plus de 5000 collaborateurs, sont unies pour concevoir et développer des produits numériques avec l'objectif de toujours offrir la meilleure valeur à nos utilisateurs. Présent dans plus de 70 pays, Decathlon s'engage pour l'innovation, la durabilité et la satisfaction client.

Description du Poste

Notre équipe PRISM (Supply Chain) recherche un·e IA Engineer basé·e à Paris. En tant qu'IA Engineer dédié au déploiement d'agents, vous serez au cœur d'une équipe technique resserrée. Vous jouerez un rôle critique dans l'industrialisation, le déploiement et le suivi de nos capacités agentiques. Vous travaillerez en étroite collaboration avec les équipes numériques (Data, Produit, Ingénierie) pour architecturer l'infrastructure de déploiement, concevoir le routage de l'intelligence et construire une infrastructure sécurisée permettant à nos agents d'interagir nativement avec nos données d'entreprise et nos systèmes historiques (legacy)

Responsabilités

Concevoir et déployer les fondations solides qui permettront à nos agents IA d'être hébergés, de s'exécuter et d'interagir de manière fluide avec nos systèmes lors de la mise en production.
Concevoir des pipelines robustes permettant l'exécution agentiques asynchrones multi-étapes (ex: flux d'ingestion et d'écriture transactionnels), en implémentant des patterns de résilience distribuée.
Intégrer les SDKs d'orchestration agentiques (notamment Google Vertex AI Agent SDK / ADK), en contournant les limitations "boîte noire" des frameworks managés.
Orchestrer de façon efficiente les agents mis en production tout en garantissant la bonne gestion du traitement de l’information, du routage vers les modèles les plus adapté et garantir une gestions des coûts et utilisation des tokens optimal. Garantir et assurer la qualité et la vitesse d’exécution des tâches à réaliser.
Cadrer strictement le périmètre d'action de chaque agent. Vous garantissez qu'ils accèdent uniquement aux données et aux actions pour lesquelles ils sont formellement autorisés, dans le respect de nos règles de confidentialité. En garantissant la sécurité des données.
Bâtir des pipelines de mesure de performance et tracking avancés pour tracer de bout en bout les réflexions et décisions de l'agent afin de débugger la logique en production.
Travailler avec l’équipe pour définir les métriques d'évaluations data pertinentes et cohérentes par rapport aux spécificités et métriques fonctionnelles définies.

Savoir Faire

Conception de backends robustes (Python), maîtrise opérationnelle de la conteneurisation (Docker, Kubernetes) et des pipelines (CI/CD, tests automatisés, observabilité, gestion des logs) pour assurer des mises en production robustes.
Expertise Python axée production, maîtrise des plateformes de déploiement (Vertex AI Agent Builder, Gemini Enterprise Agent Platform) et des protocoles d'intégration client/serveur comme le Model Context Protocol (MCP).
Expérience d'optimisation des fenêtres de contexte pour des modèles frontières massifs. De routage de requêtes vers les modèles adaptés aux solution envisagées
Capacité à construire des frameworks de test pour LLMs (LLM-as-a-Judge, Golden Datasets), maîtrise des métriques déterministes et validation stricte des formats de sortie (JSON schema enforcement).
Expérience pratique sur l'Agentic RAG, le Semantic Caching pour réduire la latence et les coûts API, ou l'utilisation de frameworks d'optimisation de prompts (ex: DSPy).

Expérience appliquée à la supply chain, au retail, ou au déploiement de modèles via Databricks / MLFlow.

Savoir être

Excellentes compétences en communication et en collaboration.
Capacité à travailler efficacement dans un environnement dynamique et rapide.
Solides compétences en résolution de problèmes et souci du détail.
Adaptabilité et volonté d'apprendre de nouvelles technologies et méthodologies et à les partager.
Capacité à traduire des concepts techniques complexes en termes compréhensibles pour les parties prenantes non techniques.
Capacité à comprendre les enjeux utilisateurs et les besoins associés

Qualifications

Profil Senior : Vous justifiez d'une expérience solide (Machine Learning Engineering) avec une forte orientation vers la mise en production d'infrastructures.
Capacité à exploiter des solutions managées (Vertex AI) tout en sachant aller dans les détails pour corriger des architectures distribuées, développer des connecteurs custom et contourner les limitations des frameworks.
Capacité démontrée à évoluer dans des environnements techniques mouvants
Aisance opérationnelle sur GCP et compréhension des environnements conteneurisés (Docker, Kubernetes) pour déployer de façon autonome la couche Agentique.

Environnement technique

Agent orchestration : Gemini Enterprise Agent Platform, Vertex AI Agent Builder
Infrastructures & Cloud : GCP (Google Cloud Platform), Docker, Kubernetes, CI/CD pipelines.
IA & Protocoles d'intégration : Model Context Protocol (MCP), LLMs (Gemini), LLM routing & memory management.
Sécurité & Accès : Google Cloud Model Armor.
Execution Engine: Databricks, AWS EKS, Sagemaker
Payload: Python, Spark, Scikit-Learn, Tensorflow / Pytorch, Pyspark
CICD: Github Actions
Serving: Docker, Protobuf, gRPC
Model registry, Model Tracking: MLFlow
Orchestration: Airflow
Documentation / code: Git, Confluence
Data Visualisation: Tableau

CE QUE NOUS T’OFFRONS

2 jours de télétravail par semaine ;
Matériel fourni en accord avec tes missions et nos engagements sociétaux (Mac, Windows, ou Chromebooks) ;
Une équipe de projet locale au sein d'un réseau mondial (possibilité de carrière internationale) ;
Développement des compétences et accompagnement (diversité des projets, certifications techniques dès la première année, formations internes et externes, etc.)
Package de rémunération (participation des employés aux actions de l'entreprise, bonus mensuels/trimestriels).

Rejoindre Decathlon, c'est faire partie d'une équipe dynamique passionnée par le sport, l'innovation et ayant un impact positif sur la vie de nos clients. Si vous êtes enthousiaste à l'idée de tirer parti de la data science pour optimiser les processus de la chaîne d'approvisionnement et stimuler la croissance de l'entreprise, nous vous invitons à postuler et à faire partie de notre aventure.

DECATHLON DIGITAL

Imaginez si la technologie nous permettait de repousser les frontières et d'offrir des expériences sportives inédites. C'est précisément notre ambition chez Decathlon Digital ! Nous sommes une équipe de plus de 5 000 experts en ingénierie logicielle, gestion de produits, données, cloud et cybersécurité, répartis à Paris, Lille et Amsterdam. Ensemble, nous créons la plus vaste plateforme sportive numérique, en exploitant les innovations technologiques pour optimiser la chaîne de valeur, concevoir des expériences connectées et donner une seconde vie à nos produits.

Changeons la donne pour de bon. Notre passion du sport nous guide et nous voulons qu’elle perdure. C’est pourquoi nous nous engageons à bâtir un modèle technologique plus durable, en réduisant notre impact direct sur l'environnement, et en créant un espace sûr et inclusif pour apprendre et nous épanouir ensemble. Rejoins l’équipe et façonnons le futur du sport.