Machine Learning Engineer H/F Surfjob Consulting

Contexte

Développer les outils AI pour un grand groupe en forte croissance, avec des technologies évoluant fréquemment.
Produits en forte croissance sur des technos avec des évolutions fréquentes.

Missions

• Mise en oeuvre des composants AI/ML impliquant le développement de fonctions, classes et tests

• Assurer une documentation complète des développements et des configurations au sein du référentiel documentaire (Github / Gitbook)

• Build and run the AI Gateway

• Design, develop and operate the gateway features: unified, OpenAI-compatible API, multi-provider routing, fallback, streaming, caching

• Implement access control, API keys, quotas, rate limiting, budgets and cost attribution per team and use case

• Benchmark and evaluate models (quality, latency, cost) to guide routing rules and the model catalogue, with the Evaluation Services team

• Onboard new models and providers quickly, in close collaboration with the Inference Platform team and partners

• Build observability end to end: logs, traces, latency, token and cost metrics, dashboards and alerting

• Enforce security and compliance policies: guardrails, PII filtering, prompt-injection protection, data residency, audit trails

• Guarantee performance and reliability at scale: SLOs, load testing, capacity planning, incident management (the team owns both build and run)

• Contribute to build / buy / open-source assessments of gateway solutions with architecture and the product team

• Make the platform agentic-ready

• Extend the gateway to agentic workloads: tool calling, MCP server exposure and governance, agent identity and permissions

• Expose AI Engine services through clean APIs and MCP so that internal products and agents can use them

• Provide SDKs, templates, plugins and documentation that let product teams, and their own coding agents, adopt the gateway in minutes

• Work agent-first: use AI coding agents daily (e.g. Claude Code, Codex, Cursor, GitHub Copilot) and delegate implementation, tests, refactoring, migrations and documentation to them, while owning the result

• Write specifications and break work into well-scoped tasks that agents can execute, run several agents in parallel and review their output rigorously

• Make repositories agent-friendly: instruction files (AGENTS.md, CLAUDE.md), skills, reproducible environments, strong automated tests and CI guardrails

• Share practices with the team and the wider AI Capabilities community, and help measure their impact on delivery speed and quality

• Keep quality high through code reviews, automated testing, CI/CD with GitHub Actions on Google Cloud Platform, and complete documentation (GitHub / GitBook)

Un Machine Learning (ML) Engineer est une personne dans le domaine de l'informatique qui se concentre sur la recherche, la construction et la conception de systèmes d'intelligence artificielle (IA) autogérés pour automatiser les modèles prédictifs. Les ingénieurs en apprentissage automatique conçoivent et créent les algorithmes d'IA capables d'apprendre et de faire des prédictions qui définissent l'apprentissage automatique.

L'ingénieur ML aura en charge de :

• Collaborer étroitement avec les data scientists pour identifier les opportunités d'impact business, exploiter les données pour quantifier les résultats et participer à la planification de la stratégie et de la feuille de route de ML pour l'équipe

• Contribuer à la production et l'industrialisation des systèmes innovants d'apprentissage automatique de bout en bout

• Créer des systèmes intelligents de surveillance et d'observabilité en temps réel de la ML et des données

• Contribuer au partage des bonnes pratiques sur les outils ML afin d'améliorer la productivité et la qualité des résultats pour les ingénieurs et les scientifiques de données ML dans toute l'entreprise

• Coacher, faire du mentorat et recruter d'autres membres pour aider à accroître l'efficacité et la croissance de l'équipe

Outils & Environnement

• Python (confirmé, impératif)

• Github Action (confirmé, impératif)

• LangChain (confirmé, souhaitable)

• FastAPI, programmation asynchrone

• Docker, Kubernetes (idéalement GKE)

• Terraform

• CI/CD avec GitHub Actions

• Google Cloud Platform

• OpenTelemetry, Prometheus / Grafana ou équivalents

• Tests automatisés (unitaires, intégration, charge)

• Git, SQL, Spark

• Documentation via GitHub / GitBook

Conditions de travail

• Date de démarrage : 09/11/2026

• Date de fin : 30/11/2029

• Nombre de jours souhaités : 664 jours

• Déplacement à prévoir : non

• Astreintes : non

• Nombre de jours souhaitables sur site : 3 jours par semaine

Compétences linguistiques

• Français courant (impératif)

• Anglais professionnel (impératif)