Développeur·euse logiciel sénior, Data et MLOps

Aperçu du rôle

En tant que développeur·euse logiciel sénior avec une solide expérience en data engineering et en MLOps, tu conçois, développes et livres des solutions robustes en données et en apprentissage machine pour nos clients. Tu combines de bonnes pratiques en développement logiciel avec une expérience concrète en pipelines de données, en environnements cloud, en automatisation, en déploiement de modèles, en monitoring et en systèmes d’apprentissage machine prêts pour la production.

Tu es à l’aise de naviguer entre le développement backend, le data engineering, les pratiques liées au cycle de vie des modèles ML, l’infrastructure, le CI/CD, l’observabilité et le leadership technique. Tu collabores étroitement avec des collègues techniques et non techniques, tu accompagnes les autres dans leur développement et tu aides les équipes à prendre de bonnes décisions techniques dans la livraison de solutions d’IA et de données de calibre entreprise.

Les technologies ci-dessous te donnent un aperçu de notre stack. Avant tout, nous cherchons des personnes avec de solides bases techniques, du jugement, un bon sens des responsabilités et un fort potentiel de croissance.

Tes principales responsabilités

• Concevoir, développer et livrer des solutions logicielles, des solutions de données et des solutions d’apprentissage machine évolutives pour des projets clients
• Identifier des solutions à des problèmes transversaux en utilisant ton expérience en développement logiciel, data engineering et MLOps
• Concevoir, planifier et mettre en place des pipelines de données, des workflows ML et l’infrastructure cloud ou sur site qui les soutient
• Développer des solutions de bout en bout alignées avec les spécifications et la documentation
• Construire et améliorer des pipelines CI/CD, des pipelines de données, des workflows de déploiement de modèles et des pratiques d’automatisation
• Contribuer à des environnements conteneurisés, virtualisés et cloud-native qui soutiennent des charges de travail en données et en ML
• Soutenir des initiatives de modernisation en améliorant l’architecture, les tests, le déploiement, l’observabilité, la qualité des données et la maintenabilité
• Définir, documenter et communiquer des besoins non fonctionnels comme la performance, la fiabilité, la sécurité, la scalabilité et la maintenabilité
• Soutenir les pratiques liées au cycle de vie ML, comme le suivi des expérimentations, le versionnement des modèles, la validation, le déploiement, la promotion, le rollback et le monitoring
• Accompagner tes collègues sur les bonnes pratiques en développement logiciel, data engineering, MLOps et livraison
• Prendre des initiatives, être responsable de tes livrables de bout en bout et bien gérer les priorités
• Maintenir et renforcer les standards de qualité et les bonnes pratiques en développement logiciel
• Rechercher, tester et mettre en place de nouvelles techniques, de nouveaux outils et de nouvelles technologies
• Conseiller les clients sur la direction technique, les compromis, l’architecture, les plateformes de données et la conception de solutions ML

Le profil idéal

• 5 ans et plus d’expérience en développement logiciel, incluant une expérience récente et concrète en data engineering, MLOps ou systèmes ML en production
• Baccalauréat, diplôme collégial, certification dans un domaine lié au logiciel, ou expérience équivalente
• Français intermédiaire ou conversationnel au minimum
• Solide expérience en développement backend
• Bon jugement technique et capacité à prendre des décisions architecturales pragmatiques
• Expérience dans la construction ou le soutien de pipelines de données, de plateformes de données ou de workflows de déploiement ML
• Expérience de collaboration directe avec des clients ou des parties prenantes
• Capacité à accompagner les membres de l’équipe et à contribuer à la qualité de la livraison technique
• Aisance dans les contextes ambigus, avec la capacité d’apporter de la structure à des problèmes complexes

Tu maîtrises ces technologies

• Au moins une plateforme cloud majeure comme AWS, Azure ou Google Cloud
• Au moins un langage serveur majeur comme Python, Java, Node.js/TypeScript, Go, C# ou un langage similaire
• Au moins une plateforme majeure de data engineering comme Databricks, Snowflake, BigQuery, Microsoft Fabric ou une plateforme similaire
• Le développement backend, la conception d’API et les systèmes distribués
• L’orchestration de pipelines de données, le contrôle de version, la validation des données, les pipelines de features ou les feature stores
• Les pratiques liées au cycle de vie ML, comme le suivi des expérimentations, le versionnement des modèles, la validation, le déploiement, la promotion, le rollback et le monitoring
• Les pipelines CI/CD et l’automatisation des déploiements
• L’infrastructure as code et les outils de provisionnement comme Terraform, CDK, CloudFormation, Bicep, Ansible ou des outils similaires
• La virtualisation et la conteneurisation, idéalement dans un écosystème Linux
• Docker et des outils d’orchestration comme Kubernetes ou Docker Compose
• Les microservices, les systèmes serverless ou les architectures cloud-native
• Les outils et services de monitoring et d’observabilité
• Les pratiques de tests comme les tests unitaires, d’intégration, fonctionnels, end-to-end ou de charge
• Les méthodologies modernes de développement comme Agile, Scrum, XP, Kanban, Shape Up, etc.
• La compréhension, l’estimation et l’optimisation des coûts cloud

Si tu as de l’expérience avec ceux-ci, c’est un plus

• Un framework ou une librairie frontend moderne comme React, Angular, Svelte, Vue, Remix ou un outil similaire
• Le développement web full-stack
• Le LLMOps, les systèmes RAG, les bases de données vectorielles ou le déploiement d’applications GenAI
• L’edge computing, l’IoT, la robotique, les systèmes industriels ou des logiciels liés au matériel
• Des environnements de simulation ou des outils développeurs qui accélèrent la livraison
• Le stockage d’objets en mémoire, les systèmes de cache et les systèmes de files de messages
• Les architectures événementielles ou les systèmes de messagerie comme MQTT, Kafka, RabbitMQ, Redis ou des outils similaires
• L’architecture hexagonale
• Le Domain-Driven Design
• Les systèmes à haute disponibilité
• Le leadership technique dans des projets clients
• La sécurité applicative, la réseautique, l’identité ou les enjeux de conformité

Ce que nous offrons

• Salaire compétitif et contribution à ton régime d’épargne-retraite (REER)
• Horaire flexible et liberté dans ta façon de travailler
• Possibilité de travailler de n’importe où jusqu’à 8 semaines par année
• Congé sabbatique payé
• Compte de dépenses pour le bien-être et la productivité
• Programme parental
• Activités
• Formations
• Et plus encore…