ML Solutions Architect - Architecte de solutions ML

We are seeking an ML Solutions Architect who brings broad software engineering expertise along with strong machine learning-adjacent experience. In this role, you will lead the high-level design of systems that integrate ML models into our broader product suite. You will act as a technical consultant, evaluating customer requirements and determining whether they can be addressed with off-the-shelf solutions or should be escalated as specialized research initiatives for our Deep Learning and Reinforcement Learning teams. This role is ideal for a systems-minded engineer who can translate product vision into scalable architecture, while balancing technical feasibility, performance, and maintainability. Nous sommes à la recherche d’un(e) architecte de solutions ML possédant une solide expertise générale en ingénierie logicielle ainsi qu’une bonne expérience connexe à l’apprentissage automatique. Dans ce rôle, vous serez responsable de la conception de haut niveau des systèmes qui intègrent les modèles ML à notre offre de produits. Vous agirez comme conseiller(ère) technique en évaluant les besoins des clients afin de déterminer s’ils peuvent être satisfaits à l’aide de solutions prêtes à l’emploi ou s’ils doivent être confiés à nos équipes spécialisées en apprentissage profond et en apprentissage par renforcement. Ce poste convient particulièrement à une personne ayant une vision systémique, capable de traduire une vision produit en une architecture évolutive, tout en conciliant faisabilité technique, performance et maintenabilité. Key Responsibilities System Integration & Coprocessing: Design and implement the software layers that allow ML models to interact with a real-time rendering engine. This includes managing data pre-processing and post-processing (coprocessing) to ensure high-performance execution. Technical Consulting: Evaluate incoming customer requirements to determine the optimal path forward. You will decide if a task can be solved using off-the-shelf tools or if it requires a deep-dive research project to be handed off to our Deep Learning or Reinforcement Learning engineers. Language-Agnostic Engineering: Build and maintain wrappers, APIs, and microservices that allow our ML stack to remain flexible and language-agnostic across different production environments. Cross-Functional Coordination: Act as the primary technical liaison between technical leadership, customers, and the core engineering team to spec out data and integration requirements. Modular Execution: Break down complex product visions into manageable architectural components, ensuring that ML components ship as part of a stable, scalable software product. Responsabilités principales Intégration de systèmes et coprocessing : Concevoir et mettre en œuvre les couches logicielles permettant aux modèles ML d’interagir avec un moteur de rendu en temps réel, y compris les composants de prétraitement et de post-traitement nécessaires à une exécution performante. Conseil technique : Évaluer les demandes clients et déterminer la meilleure approche à adopter, qu’il s’agisse d’outils disponibles sur le marché ou de projets de recherche spécialisés à confier aux équipes d’apprentissage profond ou d’apprentissage par renforcement. Ingénierie agnostique aux langages : Développer et maintenir des wrappers, API et microservices afin de garantir la flexibilité et l’interopérabilité de la pile ML dans différents environnements de production et langages de programmation. Collaboration interfonctionnelle : Agir comme principal point de contact technique entre la direction, les clients et les équipes d’ingénierie afin de définir les exigences d’intégration, de système et de données. Exécution modulaire : Décomposer des visions produit complexes en composantes architecturales claires afin de livrer des fonctionnalités ML au sein d’un produit logiciel stable et évolutif. Qualifications Education: Degree in Computer Science, Software Engineering, or a related field. Professional Experience: Proven experience as a Software Architect or Systems Engineer in a fast-paced environment. Industry Context: Prior experience in industries with complex multi-disciplinary teams such as robotics, smart grids, precision agriculture, game development, or aerospace. Technical Proficiency: Generalist Tooling: Fluency with Git, and the Unix shell, with a strong ability to work across multiple programming languages as needed (ideally including one or more of Python, C++, C#). Architectural Knowledge: Deep understanding of how to integrate ML models into production software (e.g., API design, message brokers, and containerization, compute and memory budgeting). ML Literacy: While you may not be training models daily, you must have enough ML-adjacent experience to understand model constraints, data requirements, and the "state of the art." Experience with fine-tuning and deploying models is a plus. Attributes: Strategic Decision-Making: Ability to perform "Build vs. Buy" analyse