AI ENGINEER – TOTALENERGIES DIGITAL FACTORY

Tu seras intégré(e) dans l’équipe Data Science et IA, une entité d’environ quarante experts dédiée à l’exploration, au développement et au déploiement de solutions data et IA au cœur des produits que la Digital Factory délivre pour les métiers de la Compagnie.

L'AI Engineer est en charge de :

Industrialisation et mise en production des modèles IA

• Prend en charge l’industrialisation de solutions IA complexes ou à fort enjeu opérationnel.
• Conçoit et fait évoluer les architectures techniques permettant le déploiement et l’exploitation des modèles IA.
• Pilote les choix techniques liés à l’implémentation (outils, frameworks, patterns).
• Anticipe dès la conception les contraintes de performance, de sécurité, de robustesse et de maintenabilité.
• Garantit la qualité globale des composants IA sur son périmètre.
• Possède une connaissance approfondie de l'infrastructure cloud et du déploiement de produits basés sur l'IA.

Exploitation, fiabilité et MLOps

• Définit, optimise et fait évoluer les pipelines MLOps (automatisation, supervision avancée, retraining).
• Met en place des mécanismes avancés de monitoring, d’alerting et de gestion des dérives.
• Prend la responsabilité opérationnelle de systèmes IA critiques ou à grande échelle.
• Anticipe et traite les risques techniques liés à l’exploitation des systèmes IA.
• Garantit la fiabilité, la sécurité et la scalabilité des solutions IA dans la durée.

Collaboration avec les équipes produit et techniques

• Joue un rôle clé dans les phases de cadrage et d’arbitrage technique des cas d’usage IA.
• Pilote les échanges techniques avec les équipes Data, IT, Produit et Plateformes.
• Contribue aux décisions structurantes liées aux architectures, outils et modes d’exploitation.
• Assure un rôle de référent technique sur son périmètre.
• Garantit la cohérence technique des solutions IA déployées.

Standards, amélioration continue et transmission

• Contribue activement à la définition et à l’évolution des standards d’AI Engineering et de MLOps.
• Capitalise les retours d’expérience et structure les bonnes pratiques.
• Accompagne la montée en maturité technique collective.
• Partage son expertise via le mentorat, la relecture de code et l’accompagnement des profils moins expérimentés.
• Contribue aux actions de formation, d’onboarding et de recrutement des profils IA techniques.

Niveau de qualification : Bac +5/ Master’s or equivalent level en école d’ingénieur ou en mathématiques appliquées, data science, IA.

Compétences techniques :

Expérience dans la conception et le développement de solutions Data / IA et leur déploiement en production.

Maîtrise d’un langage : Python nécessaire et TypeScript sera un plus

Maitrise des bonnes pratiques de développement logiciel (qualité de code, tests, documentation) pour transformer des modèles validés en solutions industrielles robustes

Capacité à intégrer et déployer des modèles d’intelligence artificielle dans le système d’information sous forme de services (API, batch, streaming), en lien avec les équipes Data, IT et Produit

Maîtrise des pratiques de IA Engineering et de MLOps (CI/CD, infrastructure, monitoring, gestion des incidents) afin de garantir la fiabilité, la performance et la pérennité des systèmes IA en production

Bonne connaissance des environnements data et IA (ex. Databricks) et des plateformes cloud (Azure et/ou AWS), avec une compréhension des enjeux de sécurité, de performance et de scalabilité

Capacité à appliquer et faire évoluer les standards d’AI Engineering et de MLOps, à capitaliser les retours d’expérience et à contribuer à la montée en maturité technique collective

Compétences comportementales : Travail en équipe, Communication, Capacité à s’imposer et dire non lorsque nécessaire, pédagogie et capacité à expliquer ses réalisations devant tout type de public, curiosité et force de proposition

Compétences linguistiques : Français courant & Anglais pratique

Certification : Certification Cloud est un plus (AWS ou Azure)

Connaissances spécifiques : expérience dans un contexte industriel appréciée (logistique, gestion de stocks, maintenance industrielle, analyse de données de capteurs, analyse et modélisation de procédés)

Niveau d’expérience : Minimun 8 ans d'expérience dans le développement et le déploiement de modèles ML en production et plus récemment de l'IA générative dans le cadre de projets industriels.