Machine Learning Engineer

Contexte

Dans le cadre d’un projet de recherche appliquée sur les événements climatiques extrêmes, une équipe R&D spécialisée en intelligence artificielle recherche un Ingénieur Infrastructure ML / Ingénieur Logiciel Scientifique.

L’objectif est de soutenir la conception, l’évaluation et la montée en charge de modèles IA, en assurant un socle logiciel robuste, structuré et reproductible.

Le poste se situe à l’interface entre ingénierie logicielle scientifique, data infrastructure et MLOps, dans un environnement exigeant, orienté recherche et simulations à grande échelle.

Responsabilités principales

• Structurer, refondre et documenter une librairie Python dédiée aux simulations, inférences de modèles et analyses
• Développer des pipelines robustes et modulaires pour la simulation, la détection d’événements extrêmes, l’entraînement et l’évaluation des modèles IA (notamment sur GPU)
• Mettre en œuvre les bonnes pratiques de développement logiciel scientifique : tests, CI/CD, conception modulaire, reproductibilité
• Optimiser l’utilisation d’un serveur multi-GPU : gestion des E/S, parallélisme, scheduling, monitoring
• Encadrer l’équipe sur les bonnes pratiques de développement scientifique et l’usage efficace des GPU
• Participer activement à l’amélioration continue du code, de la performance et de la clarté des livrables
• Garantir des livrables de qualité logicielle élevée dans un cadre collaboratif R&D

Profil recherché

• Excellente maîtrise de Python, des standards de qualité logicielle et des environnements collaboratifs (Git, Docker)
• Expérience avérée dans le développement de pipelines scientifiques : orchestration, batching, suivi d’expériences
• Connaissances solides en MLOps, traitement de données scientifiques et ingénierie logicielle scientifique
• Compétences confirmées en optimisation de performances sur GPU, usage de PyTorch et entraînement multi-GPU
• Capacité à structurer un code scientifique robuste et réutilisable, avec un haut niveau d’exigence en qualité, modularité et documentation
• Capacité à former, coacher et accompagner une équipe de chercheurs sur les bonnes pratiques de développement
• Intérêt marqué ou première expérience dans le domaine du climat, des simulations physiques ou des données géospatiales

Compétences techniques clés

• Python avancé, modularité, performance, structuration de code scientifique
• Git, Docker, CI/CD, reproductibilité
• Orchestration de pipelines, batching, suivi d’expériences (ex : MLflow)
• Environnement GPU / multi-GPU, optimisation, scheduling, parallélisation
• MLOps, infrastructure de données, ingestion et traitement à grande échelle
• Connaissances appréciées : xarray, Zarr, S3, données climatiques ou géospatiales

Environnement

• Projet de recherche appliquée à fort impact sociétal
• Équipe pluridisciplinaire mêlant chercheurs, ingénieurs et experts data
• Forte culture de la qualité logicielle, de la clarté et du travail collaboratif
• Environnement francophone – français bilingue requis