Data Scientist / ML Engineer Senior – Computer Vision industrielle
Signe +SaaS B2BPubliée hier
~ 600 – 750 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Grenoble · Sur site
- Durée
- 6 mois
- Démarrage
- 9 octobre 2026
- Expérience
- Senior (6-10 ans)
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- 3 missions data scientist sont ouvertes à Grenoble en ce moment, sur 77 pour ce métier en France.
- 0 % des missions data scientist de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Computer Vision (4 missions), PyTorch (23 missions), Machine Learning (146 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil senior (6-10 ans) · Comment ces repères sont calculés
La mission
Dans le cadre de l’évolution d’une plateforme de Machine Vision dédiée à l’analyse d’images industrielles, nous recherchons un Data Scientist / Machine Learning Engineer spécialisé en Computer Vision.
La mission vise à moderniser l’architecture existante, améliorer les performances d’inférence, étendre la solution à de nouvelles typologies et dimensions d’images, et renforcer l’autonomie des utilisateurs métiers.
Vos principales responsabilités seront les suivantes :
Repenser et moderniser l’architecture d’inférence autour de PyTorch et d’une solution de model serving telle que TorchServe.
Faire évoluer les modèles de classification d’images et de détection d’objets, notamment à l’aide d’architectures YOLO.
Adapter la solution à de nouvelles typologies, résolutions et dimensions d’images.
Analyser et optimiser les performances d’inférence.
Identifier et traiter les goulots d’étranglement liés au CPU, au GPU et aux étapes de prétraitement.
Faire évoluer les mécanismes d’apprentissage afin d’en faciliter l’utilisation par les équipes métiers.
Industrialiser les composants Data Science en garantissant la qualité du code, les tests, le déploiement et la documentation.
Accompagner l’intégration des modèles de Machine Learning dans l’architecture applicative existante.
L’environnement technique comprend principalement Python, PyTorch, TorchServe, YOLO et des infrastructures GPU. Des technologies telles que PyTorch Lightning, Distributed Data Parallel, Docker, CVAT et LitServe peuvent également être utilisées.
Compétences attendues
Indispensables
- Computer Vision
- Machine Learning
- PyTorch
- Python
- Docker


