MLOps Engineer

Safran Analytics est l'IA Factory du Groupe Safran spécialisée dans le traitement de données tabulaires, time series et langage naturel. Les équipes de Safran Analytics travaillent avec les ingénieurs et responsables de produits et services des sociétés du Groupe pour développer des solutions innovantes à base d'Analytics, Machine/Deep Learning et modèles fondation. Au quotidien, nous consacrons autant de temps au build et run (analyses de données, librairies de transformation de données, modèles de ML, applications en mode SaaS, Agents IA) qu'à la compréhension profonde de problèmes terrain du monde aéronautique dans ses dimensions Engineering (concevoir), Manufacturing (produire) et Services (maintien en service de nos produits).

En tant que MLOps Engineer, vous intégrerez la Direction Technique de Safran Analytics. Vous contribuerez au travail de Squads produit et Squads fondation qui travaillent en mode agile sur des solutions pour les opérations de Safran à base de modèles de Machine Learning et IA Générative.

Responsabilités :
- Concevoir et maintenir les fondations MLOps de Safran Analytics : orchestration de workflows, experiment tracking, model versioning, endpoints d'inférence, drift monitoring
- Industrialiser des modèles ML sur données tabulaires et time series (détection d'anomalies, forecasting) via des pipelines d'entraînement, test, déploiement et monitoring
- Implémentation ou intégration de solutions techniques et pratiques qui garantissent la conformité des produits Safran Analytics vis à vis des contraîntes réglementaires de traçabilité et auditabilité (IA Act, règlements EASA)
- Contribuer à la mise en place de pratiques MLOps sur les produits à base d'IA Générative de Safran Analytics
- Participer au cadrage technique des projets IA de Safran Analytics

Nous recherchons un(e) MLOps Engineer curieux-se et passionné(e) par l'application de la Data Science à des challenges industriels. Diplôme Bac+5 ou ingénieur en mathématiques appliquées, informatique, data science ou disciplines proches. Au moins 4 ans d'expérience dans l'industrialisation et la mise en production de modèles de Machine Learning.


Compétences techniques :
- Expérience avérée dans le déploiement et l'exploitation de modèles ML en production.
- Excellente maîtrise de Python et des frameworks ML : scikit-learn et PyTorch en priorité
- Expérience pratique avec des outils MLOps (MLflow, Kubeflow, SageMaker, Vertex AI ou équivalents).
- Solide expertise en conteneurisation et orchestration (Docker, Kubernetes).
- Expérience dans la mise en place de pipelines CI/CD (GitLab CI, GitHub Actions, Jenkins, etc.).
- Bonne connaissance de AWS
- Bonnes bases en génie logiciel et maîtrise des outils de gestion de versions (Git).

Aptitudes personnelles :
- Curiosité & appétence pour découvrir les métiers : passion à comprendre les domaines complexes, les processus industriels, les contraintes métier. Capacité à apprendre vite et à poser les bonnes questions
- Goût pour le partage de connaissances : passion pour démystifier la complexité et la rendre accessible
- Capacité à former et accompagner : pédagogie et bienveillance envers les autres équipes
- Esprit multidisciplinaire : aisance à discuter avec des experts métiers, des ingénieurs domaine et des développeurs
- Rigueur technique et créativité pour innover dans un domaine en rapide évolution, tout en respectant les contraintes de haute technicité

Atouts supplémentaires appréciés :
- Expérience en open source : contribution, maintenance ou leadership de projets
- Expérience dans les secteurs aéronautique, défense, automobile ou autres environnements critiques.
- Maîtrise des patterns d'architecture pour systèmes distribués et scalables
- Connaissances en data engineering (pipelines de données, feature stores).
- Expérience du déploiement edge ou de systèmes ML temps réel.
- Expérience avec des LLMs en production (coûts, latence, fiabilité, sécurité, observabilité)