Tech Lead / Senior Machine Learning Engineer
VISIANSaaS B2BPubliée il y a 2 semaines
~ 750 – 950 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Paris · Télétravail non précisé
- Durée
- 6 mois
- Démarrage
- 2 novembre 2026
- Expérience
- Expert (10 ans et +)
- 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.
- 148 missions ingénieur ia sont ouvertes à Paris en ce moment, sur 370 pour ce métier en France.
- 7 % des missions ingénieur ia de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Architecture logicielle (70 missions), MLOps (106 missions), Machine Learning (123 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil expert (10 ans et +) · Comment ces repères sont calculés
La mission
1. Pilotage technique & leadership
Assurer le rôle de référence technique sur les sujets ML/LLM (RAG, IA générative, agents, orchestration de workflows).
Animer le chapter technique de l’équipe :
Organisation de rituels (tech talks, BBL, sessions de partage de bonnes pratiques).
Diffusion de standards d’architecture, de qualité de code et de sécurité.
Participer activement aux revues de PR (Pull Requests) et garantir un niveau élevé de qualité logicielle (lisibilité, tests, performance, sécurité).
2. Conception & industrialisation des solutions IA
Concevoir, développer et industrialiser des pipelines ML/LLM robustes et scalables :
Solutions RAG (indexation, vector stores, retrieval, re-ranking).
Agents et workflows complexes (orchestration, gestion de contexte)
Mettre en œuvre une architecture logicielle solide, adaptée aux enjeux d’IA en production (patterns de microservices, event-driven, modularisation, etc.).
Structurer et maintenir un socle technologique d’innovation autour de l’IA (bibliothèques, templates de projets, guidelines, exemples réutilisables).
3. MLOps / LLMOps & Cloud
Définir et mettre en œuvre les pratiques MLOps / LLMOps :
CI/CD pour modèles et services d’IA.
Monitoring, observabilité, gestion de dérive, suivi de performance des modèles.
Industrialiser les solutions sur des environnements containerisés :
Docker, Kubernetes et OpenShift (déploiement, scaling, gestion des ressources).
Contribuer à la mise en place d’un environnement Cloud cohérent avec les standards groupe.
4. Performance, sécurité & intégration
Compétences attendues
Indispensables
- Machine Learning
- LLM
- RAG
- Architecture logicielle
- Microservices
- MLOps
- CI/CD
- Docker
Appréciées
- Kubernetes
- OpenShift
- OAuth 2.0
- IAM