← Tous les postes ouverts Ingénierie

Staff Applied Backend / ML Engineer (H/F)

Temps pleinStaff / PrincipalTélétravail (États-Unis) ou hybride

Diriger la conception et la livraison de systèmes backend et ML pilotés par l’IA, de qualité production, de l’architecture esquissée au tableau blanc jusqu’au déploiement fiabilisé en production.

Postuler à ce poste

Nous recherchons un Applied Backend / ML Engineer pour diriger la conception et la mise en œuvre de systèmes pilotés par l’IA, de qualité production, qui alimentent des produits intelligents à grande échelle.

Il s’agit d’un poste technique senior, résolument opérationnel, chargé d’architecturer des systèmes backend distribués, de concevoir et déployer des pipelines d’apprentissage automatique (machine learning), de transformer des problèmes métier ambigus en solutions solides et mesurables, et de livrer des systèmes de production fiabilisés plutôt que des prototypes.

Vous concevrez des API et des workflows de données à haute performance, industrialiserez des modèles de ML sur toute la chaîne (entraînement, évaluation, inférence et monitoring) et garantirez la fiabilité, la sécurité et la scalabilité dans les environnements cloud. Ce poste convient à un ingénieur qui s’épanouit à la croisée de l’architecture des systèmes, du ML appliqué et de l’impact produit, quelqu’un capable d’aller de la conception au tableau blanc jusqu’au déploiement en production sans passer la main.

Vos missions

Backend et systèmes distribués

  • Architecturer et mettre en œuvre des services backend scalables : REST, gRPC, systèmes asynchrones et pipelines orientés événements.
  • Concevoir des workflows à forte intensité de données ainsi que des systèmes ETL et ELT.
  • Développer des API à haut débit et à faible latence.
  • Être responsable de la fiabilité, de l’observabilité et de l’optimisation des performances des services.
  • Définir les contrats d’API et les patterns d’intégration entre les services.

Machine learning appliqué

  • Concevoir des pipelines de ML de bout en bout, de l’ingestion des données et du feature engineering jusqu’à l’entraînement, l’évaluation et le déploiement.
  • Industrialiser des modèles pour l’inférence en batch et en temps réel.
  • Développer des pipelines d’embeddings, des systèmes de classement (ranking) et des modèles de classification et d’extraction.
  • Mettre en place des frameworks d’expérimentation et des boucles d’évaluation hors ligne et en ligne.
  • Instaurer le monitoring des modèles, notamment la détection de dérive, le suivi des performances et les alertes.

Cloud et infrastructure

  • Déployer des services sur des environnements cloud comme GCP, Azure et AWS.
  • Concevoir des pipelines CI/CD pour les systèmes ML et backend.
  • Mettre en œuvre des pratiques d’infrastructure as code.
  • Garantir la sécurité, la conformité et la scalabilité des systèmes.

Leadership technique

  • Définir les standards d’ingénierie et l’orientation architecturale.
  • Assurer le mentorat des ingénieurs dans les domaines backend et ML.
  • Collaborer avec les équipes produit et data ainsi qu’avec la direction.
  • Décomposer des problèmes ambigus en plans d’exécution itératifs et mesurables.
  • Piloter la stratégie à long terme en matière d’IA et de plateforme.

Profil recherché

Expérience requise

  • Au moins 6 ans d’expérience en ingénierie backend.
  • Au moins 2 ans d’expérience en ML appliqué dans des environnements de production.
  • Solide expertise en Python ou en Java.
  • Expérience de la conception de systèmes distribués à grande échelle.
  • Expérience concrète du déploiement de modèles de ML en production.
  • Expérience des bases de données SQL et NoSQL.
  • Connaissance des architectures orientées événements, comme Kafka, Pub/Sub et les systèmes de streaming.

Expertise ML et données

  • Feature engineering et prétraitement des données.
  • Systèmes d’embeddings, de classement (ranking) ou de similarité.
  • Frameworks d’évaluation de modèles.
  • Model serving en batch et en temps réel.
  • Systèmes d’expérimentation et de tests A/B.
  • Monitoring et observabilité en production.

Infrastructure et systèmes

  • Architecture cloud native sur GCP, Azure ou AWS.
  • Conteneurisation avec Docker et orchestration avec Kubernetes.
  • Pipelines CI/CD.
  • Optimisation des performances des API.
  • Bonnes pratiques de sécurité pour les systèmes distribués.

Un plus

  • Expérience des grands modèles de langage (LLM) en production.
  • Expérience de la construction de plateformes de données ou de systèmes d’orchestration de workflows.
  • Expérience des bases de données vectorielles.
  • Expérience sur des plateformes B2B, industrielles ou de commerce.
  • Connaissance de l’infrastructure as code, avec des outils comme Terraform et Helm.

Les signes de réussite

D’ici six mois, vous aurez :

  • Conçu et livré en production un service reposant sur le ML.
  • Établi des standards de fiabilité et d’observabilité.
  • Amélioré les performances et l’efficience économique des systèmes centraux.
  • Assuré le mentorat d’ingénieurs et relevé le niveau de qualité technique de toute l’équipe.

Pourquoi nous rejoindre

Chez atronous, nous construisons la couche d’intelligence du commerce moderne, en transformant des données produit fragmentées et défaillantes en systèmes structurés, prêts pour l’IA, qui alimentent l’activation des données, l’automatisation et le commerce agentique. Dans ce poste, vous allez :

  • Construire des systèmes nativement IA en partant des principes fondamentaux.
  • Influencer l’architecture de la plateforme sur le long terme.
  • Travailler sur des systèmes distribués concrets, à grande échelle.
  • Porter vos sujets avec une grande autonomie.
  • Avoir un impact direct sur la trajectoire du produit et de l’entreprise.

Ce poste vous intéresse ?

Envoyez un message et votre CV à contact@atronous.ai, et nous prendrons le relais.

Postuler à ce poste