Nous recherchons un(e) Data Scientist expérimenté(e) en Computer Vision, capable de concevoir, entraîner et industrialiser des modèles de détection d’objets à grande échelle. Le poste est ouvert à un profil senior ou lead, avec un fort niveau d’autonomie et de rigueur technique.

🎯 Missions

Au sein de l’équipe IA, tu seras responsable du développement, de l’optimisation et du déploiement de nos modèles de détection et suivi de véhicules utilisés dans notre nouvelle solution terrain en cours de création.

Tes missions principales :

• Concevoir, entraîner et valider des modèles de détection et de tracking d’objets (YOLO, R-CNN, etc.)

• Travailler sur la scalabilité et la robustesse des pipelines de traitement d’images

• Participer à la mise en production des modèles via des workflows MLOps

• Collaborer avec les équipes Data Engineering et DevOps pour l’industrialisation et le déploiement cloud/edge

• Contribuer à la veille technologique sur les architectures deep learning et frameworks de vision

• Garantir la qualité, la reproductibilité et la documentation des expérimentations menées

Tu es notre candidat(e) idéal(e) si :

• Tu es diplômé(e) d’une école d’ingénieur ou équivalent Bac+5/PhD en informatique, mathématiques appliquées ou IA

• Tu justifies d’au moins 5 ans d’expérience en Computer Vision appliquée

• Tu maîtrises un framework de Deep Learning (PyTorch, TensorFlow, ou équivalent)

• Tu as une solide expérience sur des modèles de détection et suivi d’objets (YOLO, Faster R-CNN, RetinaNet, etc.)

• Tu as déjà manipulé ou fine-tuné un modèle de vision-langage (VLM) comme CLIP, Gemini, GPT-4, Mistral ou équivalent, et tu comprends leurs limites et cas d’usage

• Tu maîtrises Python et les bonnes pratiques de développement (tests, versionning, packaging)

• Tu connais les principes de MLOps et l’industrialisation de modèles IA (monitoring, déploiement, data pipelines)

Bonus :

• Connaissances en traitement embarqué (NVIDIA Jetson, TensorRT, ONNX, optimisation GPU)

• Expérience en tracking multi-objets

🛠️ Stack technique

Tu évolueras dans un environnement complet et moderne :

• Langages : Python

• Frameworks Deep Learning : PyTorch

• Modèles de détection : YOLO

• MLOps / Pipeline : MLflow, AWS SageMaker ou VertexAI

• Data & Cloud : AWS (S3, Lambda, Step Functions), GCP

• Tracking & vision : OpenCV, DeepSORT, ByteTrack

• Monitoring & déploiement : Grafana, Prometheus, Datadog

Bonus si tu as une expérience en : déploiement embarqué (Jetson, Edge TPU), optimisation GPU