ML Infrastructure Engineer / Scientific Software Engineering

Le besoin

Contexte
Projet de recherche appliquée sur les événements météorologiques extrêmes utilisant des modèles d'intelligence artificielle.

• Permettre à l'équipe R&D de développer et d'évaluer les modèles en livrant et en gérant du code et des données de haute qualité.

• Reprendre, structurer et documenter la bibliothèque Python existante pour les simulations, l'inférence de modèles et l'analyse.

• Développer des pipelines robustes pour la simulation, la détection d'événements extrêmes, l'entraînement et l'évaluation de modèles (y compris sur GPU).

• Se concentrer sur le développement logiciel (les modèles seront fournis par l'équipe).

• Mettre en œuvre et faire respecter les bonnes pratiques de développement scientifique (tests, CI/CD, conception modulaire, reproductibilité).

• Optimiser l'utilisation d'un serveur (multi-)GPU pour des simulations et entraînements IA à grande échelle (I/O, planification, parallélisme).

• Accompagner l'équipe sur les bonnes pratiques de code scientifique et d'utilisation GPU.

Expertise Attendue

• Ingénierie logicielle scientifique, MLOps ou infrastructure data en environnement R&D.

• Solide expérience dans le développement de code robuste, performant et scalable.

• Connaissances ou intérêt marqué pour la climatologie, la simulation ou la modélisation physique.

Compétences Techniques
Obligatoires :

• Python avancé

• Bonnes pratiques de développement logiciel

• Pipelines scientifiques : orchestration, batch processing, suivi d'expérimentations

• Outils : Git, Docker

Atouts :

• Gestion de données climatiques ou géospatiales (xarray, Zarr, S3…)

• Deep Learning sur GPU : PyTorch, entraînement multi-GPU, optimisation des performances

Autres Qualifications

• Excellente pédagogie et communication, capacité à coacher une équipe

• Haut niveau d'exigence sur la qualité et la clarté du code

• Autonomie, pragmatisme et esprit collaboratif