Missions principales
Le quotidien et les responsabilités.
- Construire les chaînes d'entraînement et de déploiement automatisées
- Mettre en place le registre des modèles, le versionnement des données et la reproductibilité
- Outiller la surveillance : performance, dérive, coûts, alertes exploitables
- Organiser le retour arrière et le déploiement progressif des nouvelles versions
- Maîtriser les coûts d'entraînement et d'inférence, et les rendre visibles
- Outiller les équipes de science des données pour qu'elles avancent en autonomie
Compétences
Ce qu'il faut maîtriser.
- Infrastructure et automatisation : conteneurs, orchestration, intégration continue
- Au moins un environnement cloud et ses services de calcul et de stockage
- Compréhension du cycle de vie d'un modèle et de ses modes de défaillance
- Conception de la surveillance : distinguer une alerte utile d'un bruit permanent
- Python et lecture aisée du code produit par les équipes de modélisation
- Sens du service : la plateforme est jugée par ceux qui s'en servent
- Anglais technique courant
Formation
Le parcours type.
École d'ingénieur ou master en informatique, avec une expérience d'infrastructure ou d'exploitation. Les profils viennent le plus souvent du DevOps et se sont spécialisés au contact d'équipes data ; l'inverse existe mais reste plus rare, la culture d'exploitation étant longue à acquérir.
Étudiant ou jeune diplômé ? Entourage Club est notre accompagnement gratuit vers un premier poste en Finance ou en Tech.
Évolutions
Les évolutions possibles.
- Lead de la plateforme data et IA
- Architecte des systèmes de données et d'IA
- Ingénieur de production ou fiabilité sur un périmètre plus large
- Machine learning engineer, vers le contenu des modèles
- Responsable de l'infrastructure ou de la plateforme
Conseils Entourage : Recruter
Recruter un Ingénieur MLOps.
Nous faisons préciser si vous construisez la plateforme ou si vous l'exploitez : bâtir depuis une page blanche et faire tenir un existant attirent des profils différents, et la déception est immédiate quand l'annonce laisse croire à l'un et propose l'autre. Nous arbitrons ensuite avec vous entre les deux moitiés du métier : un ingénieur d'infrastructure apprendra les spécificités des modèles en quelques mois, un profil venu de la modélisation mettra beaucoup plus longtemps à acquérir les réflexes d'exploitation. À compétence égale, nous observons que l'infrastructure est le point de départ le plus sûr.
Conseils Entourage : Candidater
Postuler pour un poste d'Ingénieur MLOps.
Les candidats retenus racontent un incident de production sur un modèle : ce qui s'est dégradé, comment ils l'ont su, et ce qu'ils ont changé pour que cela se voie plus tôt. C'est la meilleure preuve que vous avez exploité une plateforme, au-delà de l'installation des outils. Ce que vous avez fait gagner aux équipes qui s'en servent (un délai de déploiement raccourci, un entraînement enfin reproductible) se montre aussi, parce que ce poste se juge à l'usage. Un parcours venu du DevOps se dit d'emblée : c'est le profil que la plupart des employeurs cherchent en premier.
Ce que nous proposons aux candidats
- À télécharger : Préparer un entretien (fonctions Tech)
