À Bruxelles, une organisation fédérale de police judiciaire met la data science et l’intelligence artificielle au service d’activités opérationnelles et tactiques qui appuient les enquêtes sur la criminalité organisée, la cybercriminalité, le terrorisme et d’autres infractions graves. En tant que Data Scientist et ML Engineer de niveau intermédiaire, vous développerez des pipelines de machine learning en Python et mettrez des modèles AI en production, principalement au moyen de déploiements on-premise avec Azure, Docker et Kubernetes.
La mission
L’équipe développe des solutions AI pour l’ensemble du service de police intégré et pour ses partenaires nationaux et internationaux. Le paysage technologique couvre de grands jeux de données structurés et non structurés, des bases de données SQL et NoSQL, la vector search, le deep learning et le MLOps end-to-end. Les systèmes en production doivent être scalables, robustes, maintenables et conformes aux exigences de sécurité, aux principes éthiques et aux obligations légales.
Votre périmètre s’étend de la conception des systèmes et du développement des modèles jusqu’au déploiement, au monitoring et à la maintenance. Vous développerez des pipelines de ML réutilisables, assurerez la gestion des versions du code et des modèles et collaborerez avec les parties prenantes opérationnelles afin de traduire les besoins liés aux enquêtes en fonctionnalités AI fiables. La plupart des déploiements se font on-premise, tandis qu’Azure fait partie de l’environnement cloud disponible pour les workloads appropriés.
Vos responsabilités
- Concevoir des systèmes de machine learning end-to-end qui répondent aux exigences de scalabilité, de robustesse et de maintenabilité, tout en tenant compte des contraintes matérielles.
- Développer, entraîner et valider des modèles destinés à des usages opérationnels et tactiques, en travaillant sur de grands jeux de données structurés et non structurés.
- Mettre en place et exploiter des pipelines de machine learning on-premise, puis faire passer les modèles validés en production en assurant leur monitoring et leur maintenance.
- Conteneuriser et orchestrer les workloads avec Docker, Kubernetes et Kubeflow.
- Mettre en place des workflows CI/CD pour le code et les modèles ML, y compris la gestion des versions, les tests et des releases reproductibles.
- Veiller à une documentation claire, au respect de normes de qualité du code et à la mise en place de contrôles appropriés en matière de sécurité, d’éthique et de conformité juridique.
Votre profil
Compétences essentielles
- Justifier d’au moins 3 ans d’expérience professionnelle en data science, machine learning et MLOps, y compris dans le cadre de déploiements en production ou à grande échelle.
- Concevoir et exploiter des solutions AI on-premise et cloud, avec une expérience pratique d’Azure.
- Programmer avec assurance en Python et utiliser PyTorch, TensorFlow et huggingface dans le cadre de projets de machine learning ou de deep learning.
- Utiliser Docker, Kubernetes et Kubeflow pour conteneuriser et orchestrer des workloads ML.
- Utiliser MySQL, PostgreSQL, Neo4J et Milvus pour des cas d’usage impliquant des données relationnelles, de graphes et vectorielles.
- Mettre en œuvre des workflows MLOps et CI/CD avec MLflow, Git, GitHub et GitLab, et garantir la qualité du code avec ruff.
- Gérer de grands jeux de données structurés et non structurés et expliquer clairement des concepts techniques à des parties prenantes non techniques.
- Aborder les problèmes de manière analytique, collaborer avec des profils variés et accorder une attention particulière à la qualité, à la sécurité, à l’éthique et à la conformité légale.
Langues
- Anglais : niveau CEFR non précisé ; maîtrise professionnelle minimale requise.
- Néerlandais ou français : niveau CEFR non précisé ; maîtrise professionnelle minimale requise dans au moins l’une des deux langues.
Formation
- Diplôme de master ou doctorat en informatique, intelligence artificielle ou dans une discipline apparentée, ou expertise professionnelle équivalente.