Ingénieur IA Senior - Computer Vision & MLOps (H/F)
Informations générales
- Intitulé du poste : Ingénieur IA Senior - Computer Vision & MLOps
- Localisation : Casablanca
- Mode de travail : Présentiel
- Type de contrat : CDI
- Expérience requise : Plus de 8 ans en IA, dont une expérience significative en Computer Vision
- Formation : Bac+5 en informatique, mathématiques appliquées, traitement du signal ou domaine équivalent. Doctorat apprécié.
Missions principales
Dans le cadre du développement et de l’industrialisation de solutions d’intelligence artificielle, l’Ingénieur IA Senior intervient sur la conception, l’entraînement, l’optimisation et le déploiement de modèles de vision par ordinateur dédiés à l’analyse documentaire. Il assure leur mise en production sur des équipements embarqués aux ressources contraintes, en garantissant leur performance, leur fiabilité et leur amélioration continue.
1. Conception et développement de modèles d’intelligence artificielle
- Concevoir, entraîner et évaluer des modèles de Computer Vision dédiés à la détection, à la segmentation, à l’OCR, à l’analyse de mise en page et à l’extraction structurée de données.
- Constituer, enrichir et optimiser les jeux de données : collecte, annotation, augmentation et génération de données synthétiques.
- Traiter les contraintes liées à la qualité des images, à l’inclinaison, au bruit, à l’écriture manuscrite et aux documents multilingues, notamment en arabe et en français.
- Évaluer les architectures et approches de Deep Learning adaptées aux cas d’usage et aux contraintes de déploiement.
- Documenter les expérimentations, les résultats et les choix techniques de manière reproductible.
2. Optimisation et déploiement sur équipements embarqués
- Optimiser les modèles pour l’inférence embarquée en utilisant les techniques de quantification, d’élagage et de distillation de connaissances.
- Convertir et déployer les modèles sur des environnements d’inférence tels qu’ONNX Runtime, TensorRT, OpenVINO ou TFLite.
- Mesurer et optimiser les performances sur le matériel cible en tenant compte de la précision, de la latence, du débit, de l’empreinte mémoire et de la consommation.
- Concevoir les mécanismes de versioning, de distribution et de mise à jour des modèles déployés, avec gestion des déploiements progressifs et des retours arrière.
- Collaborer avec les équipes techniques impliquées dans l’intégration matérielle et logicielle.
3. Industrialisation et MLOps
- Concevoir et maintenir les pipelines de préparation des données, d’entraînement, d’évaluation, de packaging et de livraison des modèles.
- Mettre en place le versioning des données, du code et des modèles, ainsi que le suivi des expérimentations.
- Gérer le registre des modèles et formaliser leur processus de validation et de mise en production.
- Automatiser les tests de non-régression, les tests sur cas limites et les contrôles de performance.
- Intégrer les traitements d’intelligence artificielle dans les chaînes CI/CD.
- Optimiser l’utilisation des ressources de calcul, notamment les GPU, et garantir la reproductibilité des environnements.
4. Suivi en production et amélioration continue
- Définir et suivre les indicateurs de qualité et de performance des modèles en production.
- Détecter les dérives des données et des performances et déclencher les actions de réentraînement nécessaires.
- Analyser les erreurs remontées en production et enrichir les jeux de données à partir des cas d’échec identifiés.
- Diagnostiquer les incidents liés aux modèles et mettre en œuvre les actions correctives.
5. Référent technique et collaboration
- Apporter une expertise technique en intelligence artificielle auprès des équipes de développement et des architectes.
- Contribuer aux choix d’architecture et aux décisions techniques structurantes.
- Accompagner la montée en compétences des ingénieurs juniors à travers les revues de code, le travail collaboratif et les ateliers techniques.
- Évaluer la faisabilité des nouveaux cas d’usage, les besoins en annotation, les risques et les critères de succès.
- Présenter les résultats, les limites et les contraintes des modèles aux interlocuteurs non spécialistes.
Profil recherché
- Formation supérieure de niveau Bac+5 en informatique, mathématiques appliquées, traitement du signal ou domaine équivalent. Un doctorat constitue un atout.
- Plus de 8 ans d’expérience en intelligence artificielle, avec une expérience significative en Computer Vision.
- Expérience confirmée dans le déploiement de modèles d’IA en production, au-delà des phases de recherche et d’expérimentation.
- Maîtrise des pratiques de MLOps et de l’industrialisation des modèles.
- Expérience avérée du déploiement sur des équipements embarqués ou dans des environnements soumis à de fortes contraintes de ressources.
- Anglais technique courant pour la lecture de publications scientifiques et de documentation technique.
Compétences techniques indispensables
Computer Vision et Deep Learning
- Maîtrise de Python et de PyTorch.
- Connaissance des architectures CNN, Vision Transformers et des modèles de détection et de segmentation, notamment YOLO et DETR.
- Maîtrise des techniques de Transfer Learning, de Fine-Tuning et des méthodes d’évaluation des modèles.
- Bonne connaissance du traitement d’image avec OpenCV : prétraitement, binarisation, correction géométrique et débruitage.
- Capacité à définir des protocoles d’évaluation rigoureux et des métriques adaptées.
Vision documentaire et OCR
- Expérience des moteurs et modèles OCR tels que Tesseract, PaddleOCR, TrOCR, docTR ou équivalents.
- Maîtrise des problématiques d’analyse de mise en page, de détection de tableaux et de compréhension documentaire.
- Capacité à extraire des informations structurées et à mettre en œuvre des mécanismes de post-traitement et de vérification de cohérence.
Optimisation et inférence embarquée
- Maîtrise des techniques de quantification, notamment INT8, d’élagage et de distillation de connaissances.
- Expérience des runtimes d’inférence ONNX Runtime, TensorRT, OpenVINO ou TFLite.
- Capacité à profiler et optimiser les performances des modèles sur le matériel cible.
MLOps et industrialisation
- Expérience des outils MLOps tels que MLflow, DVC, Kubeflow, Airflow ou équivalents.
- Maîtrise de Docker et connaissance du déploiement sur Kubernetes, y compris en environnement on-premise.
- Expérience des pipelines CI/CD, notamment avec GitLab CI ou Jenkins.
- Compétences en supervision des modèles, détection de dérive, traçabilité et reproductibilité.
Ingénierie logicielle et données
- Python de niveau expert : code structuré, testé et maintenable, pas uniquement des notebooks.
- Maîtrise de Git, des revues de code, du packaging et de la gestion des dépendances.
- Capacité à développer du code structuré, testé et maintenable.
- Expérience de l’exposition des modèles via des API REST ou gRPC et de leur intégration applicative.
- Connaissance des outils d’annotation de données, notamment CVAT et Label Studio.
Compétences comportementales
- Rigueur scientifique et capacité à présenter objectivement les résultats et les limites des modèles.
- Esprit pragmatique et capacité à développer des solutions adaptées aux contraintes opérationnelles.
- Esprit d’analyse et persévérance face aux problématiques techniques complexes.
- Capacité à vulgariser des sujets techniques auprès d’interlocuteurs non spécialistes.
- Curiosité technique et veille active sur les nouvelles approches en intelligence artificielle.
- Aptitude à travailler en équipe pluridisciplinaire.
Atouts supplémentaires
- Expérience en reconnaissance de l’écriture manuscrite et en traitement de documents en arabe.
- Connaissance des modèles Vision-Language Models (VLM) et de leur adaptation aux environnements contraints.
- Maîtrise de TensorFlow, en complément de PyTorch.
- Expérience du développement C++ pour l’inférence embarquée.
- Expérience dans la constitution et la gouvernance de jeux de données propriétaires.
- Publications scientifiques, contributions Open Source ou participation à des compétitions de référence.
- Expérience dans des environnements réglementés ou soumis à des exigences de conformité.
- Sensibilité aux enjeux de protection des données personnelles, notamment dans le cadre de la loi 09-08 et du RGPD, le cas échéant.
üì© Int√©ress√©(e) ? Envoyez votre CV via email : recrutement@talent-stack.com
