Data/MLOps Engineer (Computer Vision & Industrialisation) - CDI (H/F)

Salaire: 55k€

Au sein d'une Factory Analytics dédiée à la conception de services analytiques pour les équipes métier, l'intervenant(e) rejoint un projet de Contrôle de Planogramme par Computer Vision, actuellement en phase d'industrialisation et de passage à l'échelle.

Objectif de l'intervention Bâtir l'architecture data et MLOps permettant de supporter l'ingestion massive d'images terrain et d'exposer en temps réel les résultats des modèles de Computer Vision aux outils métier utilisés en magasin.

PÉRIMÈTRE DES PRESTATIONS & LIVRABLES

Ingestion de données & stabilité des pipelines

Conception et sécurisation de pipelines d'ingestion/prétraitement à grande échelle pour données non structurées (images haute résolution + métadonnées associées).

Conception & exposition d'API

Développement, optimisation et maintenance d'API REST à faible latence (FastAPI) pour servir les résultats d'inférence aux applications mobiles terrain et tableaux de bord décisionnels.

Serving, MLOps & architecture Cloud (GCP)

Structuration et industrialisation des pipelines d'inférence (batch/streaming) sur GCP, en collaboration avec les Data Scientists, pour optimiser latence et coûts.

Observabilité & qualité des flux

Déploiement d'outils de monitoring continu : alerting sur rupture de flux, suivi de latence API, gestion automatisée des fichiers corrompus/non conformes.

Industrialisation, CI/CD & standards Factory

Automatisation des déploiements (Docker, Cloud Run/Kubernetes, CI/CD) et respect de la Definition of Done (DoD) de la Factory.

COMPÉTENCES REQUISES (MUST HAVE)

Python : excellent niveau, orienté POO, performance, design patterns ; développement d'API robustes (FastAPI, Flask)

Données non structurées & storage : stockage/traitement de flux d'images ou fichiers volumineux (GCS, formats image, indexation, métadonnées)

GCP : pratique avancée de Cloud Storage, BigQuery, Cloud Run/GKE, Pub/Sub, Cloud Composer/Airflow

COMPÉTENCES APPRÉCIÉES (NICE TO HAVE)

DBT (transformation et orchestration de données)

SQL avancé sur gros volumes / BigQuery

Pub/Sub pour flux temps réel

CI/CD (GitLab CI / GitHub Actions), Docker Compose

Linux, ligne de commande, Git

Méthodologie agile (Scrum)

Sensibilité Computer Vision / Deep Learning : cycle de vie modèle, formats ONNX, TensorRT, GPU cloud

Terraform (Infrastructure as Code)

Formation Bac+5 (École d'ingénieur, Master informatique/Data) ou équivalent

Expérience confirmée (3 à 6 ans minimum selon séniorité recherchée) en tant que Data Engineer / MLOps Engineer, idéalement sur des projets impliquant de la donnée non structurée (images) et du Computer Vision