Ingénieur IA Applicative Industrielle Data Scientist - MLOps H/F

Fluiidd

Missions du poste :

- Concevoir, maintenir et optimiser les pipelines de traitement de données et d'entraînement des modèles IA (MLOps).
- Étudier les performances des algorithmes (offline et online), créer des benchmarks.
- Mettre en place des solutions CI/CD pour modèles de deep learning.
- Intégrer les modèles dans l'écosystème logiciel embarqué (Edge & Cloud).
- Monitorer les performances sur le terrain, détecter les dérives, proposer des stratégies de mise à jour continue.
- Contribuer à la stratégie data (structuration, annotation, versioning, sécurité...).
- Collaborer avec des data scientists, des ingénieurs embarqués, des experts métier.
- Participer à l'évaluation de nouveaux outils (IA générative, simulateurs...).

- Diplôme d'ingénieur ou équivalent Bac +5/Doctorat en informatique, data science, mathématiques appliquées ou disciplines connexes.
- Expérience significative en MLOps, déploiement de modèles IA ou ingénierie de données dans un contexte industriel/complexe.
- Excellente maîtrise de Python, PyTorch, TensorFlow, Scikit-learn.
- Outils MLOps : MLflow, DVC, Docker, Git, Airflow/Kubeflow ou équivalents.
- Connaissance de Linux, CI/CD, API REST, conteneurisation (Docker/Kubernetes).
- Théorie des séries temporelles et leurs caractéristiques.
- Sensibilité au temps réel/Edge computing (atout).
- Expérience en vision par ordinateur ou traitement de données industrielles (atout).

Technologie innovante et start-up prometteuse

Chez fluiidd notre équipe travaille depuis 10 ans sur le sujet de la détection de défauts dans les pompes et canalisations industrielles, historiquement pour la détection d'accident dans les réacteurs nucléaires de générations III et IV. Ce travail mené au CEA, et en partenariat avec le CNRS/LMA, s'est poursuivi continuellement à travers 4 thèses (Dupré 2017, Dang 2020, Darnajou 2020, Saoudi 2025), deux contrats d'ingénieurs, six stages de fin d'étude en école d'ingénieur. Récemment, notre équipe a développé des modèles d'apprentissage automatique (ML) basés sur la tomographie d'impédance électrique (EIT) pour identifier les défauts des pompes et protéger leur fonctionnement. Ces développements technologiques ont donné naissance à fluiidd S.A.S, une start-up prometteuse visant à démocratiser le monitoring automatique des écoulements industriels.