Lead Machine Learning Engineer

Aive est une deeptech française pionnière en IA créative pour la vidéo, avec une technologie propriétaire MGT (Multimodal Generative Technology). Notre plateforme SaaS combine IA analytique et IA générative pour transformer la création, l’adaptation et l’optimisation vidéo, permettant aux marques, agences et studios de produire en quelques minutes des contenus personnalisés, multi-formats et prêts à diffuser.

Déjà adoptée par des leaders mondiaux (LVMH, L’Oréal, P&G, Meta, Warner Bros, TF1, Publicis…), Aive s’impose comme la référence en Creative AI for Video : qualité créative, cohérence de marque, automatisation avancée et performance marketing.

Notre organisation est structurée en squads autonomes, chacune responsable d’un périmètre produit précis, favorisant l’agilité, la responsabilité collective et l’innovation continue sur l’ensemble de la plateforme.

Chez Aive, chaque ingénieur fait partie d’une squad dirigée par un lead, subtil mélange d’expert technique et de manager. Chaque squad est autonome et responsable de son produit, qu’il s’agisse du storyboard, de la médiathèque ou d’un module d’analyse IA. Nous croyons qu’un ingénieur responsable de son travail est plus impliqué et plus fier.

Le pipeline data est le cœur technologique d’Aive. Sa mission est de permettre à la MGT d’analyser, d’interpréter et d’améliorer n’importe quelle vidéo, de manière spatio-temporelle et multimodale. L’équipe traite simultanément l’image, le son et les émotions pour identifier ce qui rend un contenu réellement performant. Elle conçoit des modèles évolutifs, capables d’apprendre sans réentraînement lourd grâce à un algorithme d’optimisation génétique interne. Chaque modèle est personnalisé en fonction du client et du contexte d’usage, tout en respectant des standards de fiabilité, d’éthique et de sécurité élevés. Travailler sur le pipeline data, c’est transformer la vidéo en connaissance et la créativité en science.

Vos responsabilités

La priorité est donnée à l’adaptation de modèles existants plutôt qu’au développement from scratch. Votre mission principale consistera à ajuster ces modèles à nos besoins spécifiques ; l’entraînement complet et le fine-tuning restant réservés à certaines tâches ciblées.

Data & Modèles

L’essentiel du travail Data R&D concerne la computer vision (Python) :

• Détection d’objets (modèles type YOLO), de personnes, de logos et d’actions.

• Intégration de Visual Transformers (VT) dans notre stack de production.

• Extraction automatisée de clips ou scènes et détection de points d’intérêt (POI).

• Analyse du signal audio, OCR, et mise en œuvre de modèles variés (Speech-to-text, Image-to-text).

Backend & Infrastructure

• MLOps & Industrialisation : Conteneurisation Docker (optimisation des images, intégration continue), orchestration sous Kubernetes.

• Backend (Go) : Orchestration des données, modèles et analyseurs ; développement de tâches backend ponctuelles (dimension secondaire du poste).

Compétences Transverses

• Référent technique pour l’équipe Data.

• Collaboration quotidienne avec les équipes front et back pour garantir la cohérence produit.

• Interface avec les équipes Business et Sales pour traduire les besoins clients en fonctionnalités concrètes.

Notre stack

• à l’UX: Figma

• au front: React, Reduct, Radix, Typescript, canvas

• au back: Graphql, Go, Postgres, Ffmpeg / libav

• à la data: Python, PyTorch, YOLO

• à l’infra: Terraform, Kubernetes, AWS, GCP

Profil recherché

• Diplôme (Bac+3 ou Bac+5) en informatique, data science ou domaine connexe.

• Expérience confirmée (5 ans+) en data engineering et machine learning.

• Solides compétences en programmation (Python et Go).

• Expérience avec les bibliothèques de machine learning (TensorFlow, PyTorch, etc.).

• Maîtrise de SQL et des systèmes de gestion de bases de données.

• Familiarité avec les plateformes cloud (AWS, Google Cloud, Azure, etc.).

• Connaissance des outils de conteneurisation et d’orchestration (Docker, Kubernetes, etc.).

• Excellentes compétences en résolution de problèmes et en analyse.

• Solides compétences en communication et en collaboration.

Déroulement des entretiens

• un premier échange avec notre talent acquisition manager

• un entretien technique, en présentiel ou en visio, avec deux ingénieurs, dont un lead au moins, et un membre d’une autre équipe (2h). Il ne s’agit pas d’un exercice de code.

• un échange avec les fondateurs (30m)

• une proposition