En tant que Senior Applied ML Engineer, tu ne resteras pas enfermé(e) dans l’algorithmique. Tu seras la passerelle directe entre la Data Science, l’ingénierie logicielle et la valeur produit livrée à nos clients :
Analyse de données & Logique métier : Explorer la donnée brute, en extraire la valeur business, challenger les intuitions et concevoir la logique de calcul des KPI indispensables au produit.
ML & AI Engineering : Exploration de volumineux jeux de données, modélisation des problématiques terrain (prédiction, détection d’anomalies, scoring) et intégration de briques d’IA applicative ou de LLM.
Data Engineering/ Backend : Utilisation et consolidation des pipelines de données nécessaires à l’alimentation et à l’entraînement des modèles en autonomie. Déploiement direct du code en production via le développement d’API Python propres, typées et testées pour un déploiement continu sur une infrastructure AWS / Kubernetes.
Preferred experience
Expérience solide : Au moins 5 ans d’expériences (dont idéalement une expérience en start-up/scale-up) mêlant Data Science, Machine Learning, Data Engineering.
Maîtrise de Python : Niveau de production (tu peux écrire du code propre sans dépendre d’IA), tout en sachant manipuler des API tierces et d’autres langages si nécessaire.
Culture Produit : Priorité donnée à la valeur concrète utilisateur plutôt qu’à la complexité théorique d’un modèle. Capacité à dialoguer avec les Product Managers et à arbitrer la faisabilité technique des besoins métier.
Culture DevOps & Cloud : Familier avec la conteneurisation et les déploiements sur des architectures cloud modernes (AWS, Kubernetes, Docker, CI/CD).
Anglais professionnel : Aisance à l’écrit comme à l’oral pour consulter la documentation technique, rédiger et échanger au quotidien dans un cadre international.
Recruitment process
Échange d’introduction (30 min) 🤙 : Premier échange visio pour discuter de ton parcours, de tes attentes et de la vision d’Hiboo.
Immersion technique & produit (45 min) 💻 : Échange technique avec un membre de l’équipe Data pour débriefer tes réalisations passées, ta maîtrise du Python en production et ton approche de la donnée.
Cas pratique (1 h 30) 🏢 : Mise en situation pratique dans nos bureaux à Paris (ou à distance) avec l’équipe Data : cas concret de modélisation et définition de KPI métier.
Échange avec les fondateurs (30 min) 🤝 : Échange avec les fondateurs pour valider l’alignement culturel et la vision stratégique.
Team fit ☕ : Rencontre informelle avec une partie de l’équipe.