Stage - Ingénieur MLOps / Data Science F/H (2025-153130)

Description de l'offre

Environnement de travail :

Un des objectifs d'Enedis est de devenir opérateur de données. Pour cela, il est nécessaire définir une offre de services pour les data scientists qui souhaitent réaliser des cas d’usage sur la plateforme Data d’Enedis. Dans ce cadre, la définition d’une stack MLOps unifiée et harmonisée est un prérequis indispensable. Dans la continuité de cet objectif, l’équipe ML4ALL du département LAQ souhaite s’approprier des outils de MLOps afin de faciliter le développement, le déploiement et la maintenance en production des cas d’usage machine learning développés par l’équipe.

Missions confiées :

Objectif du stage : faire un état de l’art des outils de MLOps open-source qui existent aujourd’hui, de challenger les solutions existantes au sein de l’équipe ML4ALL.

Activités principales :

• Recueillir les besoins des data scientists et ML engineers pour identifier les points de douleur liés à l’industrialisation (développement, déploiement, monitoring, MCI, MCO).
• Lister les bonnes pratiques MLOps à promouvoir pour fiabiliser et homogénéiser les projets IA.
• Cartographier les briques MLOps clés du cycle de vie d’un projet ML (expérimentation, versioning, CI/CD, déploiement, monitoring).
• Participer à la création de la matrice de maturité MLOPS de l’équipe afin de prioriser les briques MLOps à implémenter
• Réaliser un état de l’art des outils open-source (MLflow, DVC, BentoML, Kedro, etc.) : benchmark, synthèse des avantages/inconvénients, recommandations.
• Tester ces outils sur des cas d’usage réel de l’équipe et évaluer leur intégration dans l’environnement existant (GitLab CI/CD, Docker, Kubernetes, Airflow).
• Créer un ou plusieurs templates projet IA industrialisables selon les types de projets : Computer vision, NLP, etc. (structuration repo, packaging Python, CI/CD, déploiement, orchestration, monitoring).