Senior MLOps Engineer (GenAI & ML)

Rejoins Staff & Go : MLOps Engineer expérimenté / Sénior (H/F) - Full Remote

Qui sommes-nous ?

Staff & Go est une Start Up innovante spécialisée dans la digitalisation des process liés aux ressources humaines. Notre solution RH, la plus modulable du marché français s’adresse à tous les professionnels de la paie et des ressources humaines.

Notre impact : diviser par 5 la charge de travail sur la gestion administrative du personnel.

Pourquoi nous rejoindre ?

• Intégrer un environnement de travail qui met l’humain au cœur des priorités
• Bénéficier de conditions de travail destinées à libérer ta créativité et à booster ton développement
• Partager nos valeurs : Performance, Agilité et Innovation

Pourquoi ce poste est stratégique :

• Staff & Go accélère le développement de fonctionnalités IA avancées au cœur de ses produits RH.
• L’enjeu est de passer de prototypes IA à des systèmes industrialisés, fiables et scalables.
• Le MLOps Engineer est central pour garantir la mise en production, l’exploitation et l’évolution continue des modèles.

Contexte de création / remplacement

• Création de poste dans un contexte de forte croissance et de structuration de la stack IA.

Problématiques actuelles à adresser

• Industrialisation des pipelines ML et GenAI
• Déploiement de systèmes IA à faible latence et haute disponibilité
• Gouvernance, sécurité et qualité des données
• Observabilité et monitoring des modèles en production

Ton rôle chez nous

Tes missions

MLOps & IA générative

• Concevoir, développer et opérer des pipelines MLOps robustes (entraînement, inférence, monitoring)
• Déployer et faire évoluer des systèmes GenAI de bout en bout (LLM, RAG, agents IA)
• Industrialiser des fonctionnalités IA/ML intégrées aux produits Staff & Go
• Mettre en place le versioning, le monitoring et la mise à jour continue des modèles
• Garantir la fiabilité, l’observabilité et les performances à faible latence

Architecture & Pipelines Data

• Concevoir et maintenir des pipelines data fiables, scalables et observables
• Participer à l’architecture data (ingestion, transformation, exposition)
• Garantir la qualité, la sécurité et la gouvernance des données

Infrastructure & DevOps

• Déployer des infrastructures via Terraform
• Automatiser les pipelines CI/CD (GitLab CI)
• Optimiser performances, sécurité et coûts des infrastructures cloud

Collaboration & bonnes pratiques

• Collaborer étroitement avec les équipes Produit, Data et Engineering
• Participer aux revues de code et à la standardisation des pratiques MLOps
• Documenter les architectures, workflows et standards internes
• Assurer une veille technologique active (MLOps, GenAI, agents, LLM)

Outils / Stack

• Python / C#
• Docker
• Librairies pour : API / MCP
• Conception / Evaluation / Orchestration des agents
• Observabilité / Monitoring

Browse our curated collection of remote jobs across all categories and industries, featuring positions from top companies worldwide.

Ce qui est un plus

• Kubernetes
• Terraform (Infrastructure as a Service)

Profil recherché

• Tu présentes au moins 3 ans d’expérience en ML Engineering / MLOps
• Tu es à l’aise dans des contextes de forte croissance et d’évolution rapide et/ou dans des environnements tech exigeants
• Tu es sensible à l’IA responsable, la protection des données et la souveraineté numérique
• Tu possèdes de l’expérience en création de process : structuration de pipelines, standards et bonnes pratiques

Conditions & avantages

• Type de contrat : CDI – Temps plein – Statut Cadre
• 39h/semaine
• RTT
• Rémunération : package compris entre 45k et 65k annuel brut

Avantages

• Tickets restaurant 12 € (50 % pris en charge)
• Télétravail : 100 % possible
• Prise en charge à 100 % de la mutuelle (niveau de base, sans option)
• Plateforme de billetteries et d’avantages (Hello CSE + 300 000 offres)

Process de recrutement

1. Entretien RH avec Camille ou Jeanne (30 min) : Premier contact pour mieux te connaître et comprendre ton parcours.
2. Entretien métier avec Hakim (Cofounder)
3. Test technique / cas pratique : mise en situation : approche, logique, analyse et présentation.
4. Prise de références professionnelles en fin de process.