Tech Lead ML Engineer

Pour notre client TF1+, nous recherchons actuellement un Tech Lead pour rejoindre l’équipe en charge de la recommandation.

TF1+ compte aujourd’hui plus de 40 millions de streamers mensuels et plus d’un milliard d’heures vues par an. La recommandation est donc un enjeu central pour personnaliser l’expérience utilisateur.

L’équipe est composée d’une PM, d’une PO et de deux ML Engineers. Le Tech Lead aura pour rôle de porter les sujets techniques, les choix d’architecture et d’accompagner l’équipe sur l’industrialisation des solutions de recommandation.

C’est un contexte avec de vrais enjeux Data/IA et une forte visibilité côté produit.

L'offre est aussi ouvert aux Freelance

• La conception et l’industrialisation des pipelines et modèles de recommandation, de l’entraînement à l’inférence en production.

• Le pilotage du cycle de vie des modèles : expérimentation, évaluation, déploiement progressif et monitoring.

• Le développement de services de recommandation temps réel à fort trafic, avec des enjeux forts de latence, scalabilité et résilience.

• Le maintien et l’évolution du feature engineering, avec une attention particulière portée à la qualité, la cohérence et la fraîcheur des données.

• La définition des contrats de données avec les Analytics Engineers.

• L’optimisation des performances et des coûts d’inférence : batching, caching, profilage, etc.

• La mise en place et l’exploitation de dispositifs d’A/B testing.

• Le développement de librairies internes robustes et réutilisables.

• La définition et le pilotage des choix d’architecture ML : stockage, orchestration, découplage des environnements, etc.

• La mise en place et le maintien du monitoring des services et modèles, notamment via Datadog.

• L’accompagnement technique des ML Engineers et la diffusion des bonnes pratiques de Software Engineering.

Le poste est fortement hands-on : le Tech Lead reste proche du code et intervient directement sur les sujets techniques du quotidien.

Profil recherché

Nous recherchons avant tout un Senior Software Engineer avec une bonne culture Machine Learning et une capacité à évoluer sur l’ensemble de la chaîne technique.

Software Engineering — priorité n°1

• Expérience significative en Software Engineering sur des systèmes en production.

• Très bonnes pratiques de développement : code simple, robuste, maintenable et testé.

• Maîtrise des tests unitaires et d’intégration, du linting et de l’outillage de développement.

• Expérience de systèmes à fort trafic et enjeux de scalabilité, résilience et stabilité.

• Capacité à suivre un sujet de bout en bout : collecte et circulation de la donnée, schémas, contrats d’API, services et mise en production.

• Maîtrise du monitoring et de l'observabilité, avec capacité à définir les bonnes métriques et à mettre en place dashboards et monitors.

• Capacité à identifier les limites d’une architecture existante et à proposer sa refonte lorsque nécessaire.

Machine Learning

• Solides fondamentaux en statistiques et en Data Science.

• Bonne compréhension des principaux concepts et approches de Machine Learning.

• Maîtrise de PyTorch appréciée.

• Une expérience en systèmes de recommandation est un plus : collaborative filtering, modèles two-tower, modèles séquentiels (SASRec, BERT4Rec), approches hybrides, etc.

• Expérience de l’industrialisation et du déploiement de modèles en production.

Posture Tech Lead & produit

• Capacité à prendre des décisions techniques et à porter des choix d’architecture.

• Goût pour les environnements où le profil intervient directement dans le développement.

• Capacité à travailler avec les équipes Produit et à accompagner la PM sur les sujets de faisabilité technique.

• Bonne capacité de communication et de vulgarisation auprès d’interlocuteurs métier.

Esprit « couteau suisse »

Le fonctionnement de l’équipe repose sur une forte polyvalence. Le Tech Lead doit être capable d’intervenir au-delà de son périmètre strict de ML :

• Faire évoluer la CI existante de manière autonome.

• Intervenir ponctuellement sur la CD et l’infrastructure lorsque cela est nécessaire.