MLOps (F/H/X)

Qwant est le premier moteur de recherche à développer une véritable alternative sur le marché européen de la recherche en ligne, notamment de par son positionnement de respect de la privacy.

Qwant ouvre une nouvelle page de son histoire, avec l'évolution de son actionnariat et la création de Synfonium dont l'ambition est le développement de services en ligne souverains innovants et référents. Une transformation profonde de l'entreprise doit démarrer

.

Nous recherchons un(e
) MLOp
s pour continuer de moderniser notre plateforme MLOps, au cœur de notre moteur de recherche souverai

n.

Notre ambitio

• n :Repenser une architecture modulaire et scalable pour l'orchestration de pipelines ML de bout en bout (chaîne de modèles successifs, feature store, vecteurs d'embedding
• s);Mettre en place un versioning robuste pour le graphe documentaire, les données et les modèles, garantissant traçabilité et reproductibili
• té;Déployer des workflows automatisés (CI/CD, tests, monitoring, rollback) pour accélérer les cycles d'expérimentation et de producti
• on;Assurer la fiabilité et la performance de nos services de ranking, de recherche sémantique et de recommandati

on.

Cette plateforme jouera un rôle central pour nos équipes Data Science, IA et Produit et contribuera directement à faire de Qwant une alternative européenne, performante et respectueuse de la vie privée. C'est une opportunité unique de bâtir un socle MLOps stratégique à fort imp

act.

Missions principa

• **les :

Accompagner l'équipe Data Science dans la montée en maturité
MLOps : structurer l'industrialisation des projets ML, diffuser les bonnes pratiques d'ingénierie, et faire évoluer les workflows en cohérence avec les principes du MLOps moderne (ex : Google Rules o
- f ML).Concevoir, automatiser et maintenir les pipelines ML de bout e
n bout : entraînement, évaluation, déploiement, supervision, et gestion du cycle de vie des mo
- dèles.Améliorer la fiabilité, la performance et la sécurité des environneme
nts ML, via des pratiques robustes : tests automatisés, CI/CD, monitoring, rol
- lback.Implémenter des briques clés de l'écosystème
MLOps : feature store, registry de modèles, gestion des déploiements et des roll
- backs.Mettre en place et intégrer des solutions de vers
ioning pour les modèles, les données, les configurations et le code, dans une logique de traçabilité com
- plète.Piloter la documentation, la gouvernance et les droits d**
'accès autour des modèles et des données, en lien avec les exigences de qualité, de conformité et de séc

urité.

Profil rec

• herché :

Vous avez 5 ans d'expérience dans l'industrialisation de solutions de Machine Learning, dont 2 ans dans la mise en place de pipelines MLOps à l'échelle, dans des environnements cloud ou on-prem c
- omplexes.Vous avez automatisé des pipelines (training, validation, déploiement, mai
- ntenance)Intégration et déploiement continu
- s (CI/CD)Tests unitaires et d'intégration su
- r modèlesMonitoring temps réel (drift, performan
- ce, logs)Rollback et versioning des modèles et de
- s donnéesReproductibilité des entraînements et ex
- périencesVous êtes à l'aise
avec les architectures di
stribuées, et savez anticiper les problématiques de scalabilité, performance et fiabilité liées à l'industrialisati
- on du ML.Vous avez déjà travaillé avec des technologi
es comme Kubernetes, Kubeflow, MLflow
ou Triton (au moins deux d'entr
- e elles).Vous maitrisez Python et êtes au fait des bonnes pratiques de déve
- loppementVous savez mettre en œuvre des mécan
ismes de tracking du data lineage et du mode
l lineage pour garantir la traçabilité complète du cycle de vie des modèles et des jeux de
- données.Le GitOps (ArgoCD) et les bonnes pratiques associées n'ont aucun secret p
- our vous.Vous savez travailler avec des équipes pluridisciplinaires (data scientists, product owners, SRE) pour bien cerner les besoins métiers et exposer les résultats de façon exploitable, et êtes capable de vulgariser et documenter vos choix te
- chniques.Vous êtes force de proposition, structuré(e) et pédagogue. Vous aimez faire monter les équipes en compétence, mettre en place des bonnes pratiques, et accompagner les changements techniques ou organisa
- tionnels.Vous privil
égiez la rigueur, le pragmatisme et l'
autonomie tout en accordant une grande importance à la qualité et à la robustesse des système

s livrés.

Bonus a

• ppréciés :

Expérienc
e avec des systèmes massivement
distribués ou des environnements à forte volum
- étrie data.Maîtrise ava
ncée de la gou
vernance ML (catalogues de modèles, audit, contrôles d'accès gr
- anulaires).Expérience sur des pipelines de machine learning complexes (feature engineering, data versioning, entraînement sur
- lakehouse).Intérêt pour les moteurs de
recherche, grands graphes
de don
nées ou le
- NLP avancé.Capacité à communiquer effic
acement, à vulgariser et
formaliser les choix techniques et les documenter au sein d'équipes cross-disc

iplinaires.

Notre mode de fonc

tionnement :

Nous valorisons les routines structurées, la qualité de vie (heures fixes pour les réunions importantes, flexibilité pour le reste) et la liberté d'explorer et de partager sur les meilleurs outils du moment, en cohérence avec les standards et la documentation (ArchLinux, outils open source, documentation partagée da

ns l'équipe).

Pourquoi no

• us rejoindre ?

Travailler sur des sujets complexes à fort i
- mpact sociétal.Une équipe technique exigeante, bienveillante et mult
- idisciplinaire.Évoluer dans un environnement MLOps complet et en production: orchestration de workflows, gestion d'embeddings, gouvernance de
- graphes, CI/CD.Participer à l'internationalisation de la plateforme : ajout de nouvelles langues et partenariats stratégiques
- (Ecosia, etc.).Monter en compétences grâce à la diffusion des bo
- nnes pratiques.Agir concrètement sur la qualité, la performance et la fiabilité d'un service utilisé par des millions d'utilisateu

**rs chaque jour.

Rejoignez-nous pour construire la prochaine génération de plateformes ML robustes et**

transparentes

Déroulement

*des entretiens :

Nous te proposerons un premier appel de 45 minutes avec un membre de l'équipe RH pour faire connaissance et te p*

résenter le poste.Si cette première rencontre est concluante, n

1. **ous organiserons :

Entret
ien découverte (1h) — Avec un Engineering Manager et un
2. membre de l'équipe.
Test technique (2h) — Coding test
3. à faire chez vous
.Restitution (1h30) — Analyse du test et discussion tec
4. hnique approfondie.Entre**
tien final (30 min

) — Avec notre CTO.