ML engineer H/F

Informations générales

Direction

Saverglass est le leader mondial dans la fabrication et la décoration de bouteilles en verre haut de gamme pour vins et spiritueux. Reconnue pour son savoir-faire et présente dans plus de 100 pays, notre entreprise se distingue par son engagement envers la qualité, l'innovation et la durabilité environnementale.

Saverglass compte aujourd'hui 4 000 collaborateurs partout dans le monde et a été distinguée de la certification HappyAtWork en 2023, en tant qu'entreprise où il fait bon vivre.  

Référence

Categorie de l'offre

Standard

Intitulé du poste

ML engineer H/F

Type de contrat

CDI

Description de la mission

1. Mission générale du poste

Le Machine Learning Engineer agit en tant que Référent IA au sein de la DSI. Sa mission principale est d'industrialiser l'Intelligence Artificielle. Il ne se contente pas d'expérimenter ; il transforme des modèles de Machine Learning (ML) en fonctionnalités logicielles exploitables, robustes et intégrées au Système d'Information.

Il opère à l'intersection du développement logiciel (Backend), de la Data Science et de l'architecture Cloud (GCP). Son but est de concevoir, déployer et maintenir des pipelines d'IA en production, en choisissant les modèles les plus pragmatiques pour répondre aux besoins métier (modèles sur étagère, fine-tuning, ou AutoML).

2. Liste des tâches et responsabilités

A. Ingénierie IA & Sélection de Modèles (Pragmatisme)

Analyser les besoins métier pour identifier les cas d'usage pertinents (classification, prédiction, IA Générative/LLM, OCR, etc.).
Sélectionner les modèles adaptés sans nécessairement les recréer de zéro : utilisation de modèles pré-entrainés (via Vertex AI Model Garden, Hugging Face) ou solutions managées (APIs Vision, NLP, etc.).
Réaliser le paramétrage fin (fine-tuning) et l'adaptation des modèles aux données de l'entreprise.

B. Intégration Logicielle & Développement (Backend)

"Wrapper" les modèles d'IA dans des APIs performantes (ex: FastAPI, Flask) pour les rendre consommables par les équipes Front/Back.
Assurer l'intégration technique avec le Back-end existant (microservices, bases de données).
Appliquer les bonnes pratiques de développement logiciel au code de Data Science : versioning (Git), tests unitaires, code review.

C. Architecture Cloud & MLOps (Focus GCP)

Concevoir et déployer l'architecture Data/IA sur Google Cloud Platform.
Industrialiser le cycle de vie des modèles (MLOps) : automatisation de l'entraînement, du déploiement et du monitoring via Vertex AI.
Mettre en place des pipelines de données (ETL/ELT) connectés aux modèles (BigQuery, Dataflow, Cloud Functions).
Gérer la conteneurisation des applications (Docker) et leur orchestration (Cloud Run ou GKE).

D. Veille et Rôle de Référent

Assurer une veille technologique active sur l'écosystème GCP et les avancées en IA générative et agentique.
Acculturer les équipes de développement "classiques" aux spécificités de l'IA (latence, incertitude des résultats, coûts API).
Garantir la gouvernance des modèles (sécurité des données, maîtrise des coûts Cloud).

Profil

Formation :

Bac +5 : École d'Ingénieur ou Master universitaire en Informatique, Big Data ou Intelligence Artificielle.
Une formation initiale en développement logiciel avec une spécialisation ultérieure en Data est idéale pour ce profil "Builder".

Expérience requise :

Minimum 3 ans d'expérience dans un rôle technique (Développeur Backend confirmé avec projets Data, ou Data Scientist avec forte appétence Ops).
Expérience avérée de mise en production d'au moins un projet d'IA (pas seulement des PoC en local).

L'anglais professionnel est indispensable. 

Compétences Techniques (Hard Skills) :

Langages :

Maîtrise de Python (indispensable) et SQL. Connaissance de Java ou Go est un plus.
Cloud GCP : Expertise sur Vertex AI, BigQuery, Cloud Run, Cloud Functions, GCS.
IA/ML Frameworks : Scikit-learn, TensorFlow ou PyTorch, LangChain (pour l'IA Générative).
DevOps/MLOps : Docker, CI/CD (GitLab CI ou Cloud Build), Terraform.

Compétences Comportementales (Soft Skills) :

Pragmatisme : Capacité à privilégier une solution simple qui fonctionne ("Done is better than perfect").
Pédagogie : Capacité à vulgariser le fonctionnement de l'IA auprès des non-experts.
Rigueur : Souci de la qualité du code et de la maintenabilité.

Localisation du poste

Europe, France, Feuquières (60)

Lieu

BP1 - Place de la Gare 60960 FEUQUIERES

Critères candidat
Niveau d'études min. requis

14- Ingénieur

Niveau d'expérience min. requis

2-5 ans

Langues

Anglais (3- Niveau avancé)

---