Machine Learning Engineer Junior (IT) / Freelance

? Informations ClésContrat / Mission : Prestation de services (Freelance)

Localisation : Paris (Format hybride : sur site + quelques jours de télétravail)

Tarif Journalier Moyen (TJM) Max : 450 ? HT

Date de démarrage : ASAP

Date de fin : 31/12/2026 (Mission long terme)

? Contexte et MissionIntégré(e) au sein d?une équipe IA internationale axée "produit", vous participerez au cycle de vie complet des systèmes d'intelligence artificielle à grande échelle : de la donnée brute au déploiement en production, jusqu'à la mesure de l'impact métier.

Votre rôle consistera à concevoir, construire et optimiser des systèmes intelligents et composés pour répondre à des problématiques concrètes liées au secteur du voyage d'affaires (classement, recommandation, expériences LLM orientées clients).

Principales responsabilités : Développement IA : Concevoir et implémenter des solutions basées sur l'apprentissage automatique, le deep learning et l'IA générative (classement, chatbots, reconnaissance d'intention, systèmes agentiques, NLQ).

End-to-End Delivery : Gérer l'ingénierie des fonctionnalités, le pipeline de données, la modélisation, ainsi que l'évaluation (en ligne/hors ligne) et le monitoring des modèles.

Analyse & Data : Manipuler de grands ensembles de données réelles (structurées et non structurées) pour extraire des insights exploitables.

Collaboration & Communication : Vulgariser des concepts de Data Science complexes pour les restituer de manière simple à la direction et aux partenaires métiers, au sein d'une équipe multisite et multiculturelle.

Profil candidat:
?? Profil RecherchéExpérience et Diplômes : Master ou Doctorat : 2 ans et plus d'expérience en entreprise.

Ou Licence / Bachelor : 4 ans et plus d'expérience en entreprise.

Compétences Techniques Requises : Langages & Data : Excellente maîtrise de Python, nettoyage et manipulation de données avec SQL et PySpark.

Machine Learning & Stats : Solides bases en statistiques, méthodes bayésiennes, clustering, modèles d'arbres d'ensemble et NLP.

Frameworks : Scikit-learn, Hugging Face, PyTorch ou TensorFlow.

IA Générative : Bonne compréhension des LLM, du RAG, des frameworks de garde-fous (guardrails) et de l'IA agentique.

Méthodologie : Bonne culture MLOps.

Les "Plus" appréciés : Expérience avec MLFlow, AWS SageMaker et AWS Bedrock.

Connaissance des outils de Feature Stores et du déploiement de modèles en tant que service (Model-as-a-Service).

Notions en infrastructure (AWS, Kubernetes) et sensibilité à l'optimisation des coûts Cloud.

Soft Skills : Excellente communication orale et écrite (contexte international).

Pragmatisme, esprit d'innovation et forte capacité à résoudre des problèmes complexes.

Capacité à travailler en équipe dans un environnement globalisé.