Expert en Systèmes de Recommandation (H/F)

Description du poste :

En tant qu'organisateur de forums de recrutement, Talents Handicap accompagne de très nombreuses entreprises & organisations en France dans leurs recrutements de collaborateurs en situation de handicap. Participant actuellement à l'un de nos forums.
L'entreprise Groupe TF1 recherche actuellement des profils Le Groupe TF1 a pour ambition de développer la plateforme de streaming gratuite leader sur le divertissement familial et l'information pour les francophones. Cette ambition implique une profonde transformation : passer d'un service de rattrapage à une véritable plateforme de destination, moderne, personnalisée et monétisée à travers la publicité, l'abonnement et le TVOD.
TF1+ s'impose déjà comme un acteur majeur avec plus de 40 millions de streamers mensuels et +1Mds d'heures vues par an.
Cette ambition nous impose aussi comme une entreprise fondamentalement technologique, et ce notamment au travers de notre filière déployée au sein de trois directions BtoC, Technologies et Datech dont les métiers accompagnent les transformations stratégiques du Groupe.


La Datech, en charge de la data et de l'adtech est positionnée comme un pôle d'expertise, de services et de développement de valeur pour la régie publicitaire, la Direction « consumers » (TF1+/TF1 Info) et aussi les autres fonctions dites Corporate. En regroupant les activités de la data (gouvernance, design authority, plateformisation de l'IA (data science, IA générative, Agentic Datech est un des moteurs de l'accélération et de la transformation du Groupe.


Dans ce cadre, nous recherchons un Senior ML Engineer B2C (H/F) en CDI pour intervenir sur les sujets liés à la conception, l'industrialisation et l'exploitation de modèles de recommandation à grande échelle.


Vous ferez partie de l'équipe Machine Learning, au sein de la Direction Data et Adtech.

Votre Terrain de Jeu

Compétences Excellente maîtrise de PyTorch et des architectures de recommandation : collaborative filtering, modèles content-based, hybrides, modèles séquentiels.
- Solide expertise en ML Engineering et mise en production de modèles à fort trafic.
- Bonne maîtrise des problématiques de feature engineering, qualité et fraîcheur des données.
- Conception d'APIs temps réel scalables et optimisation des performances d'inférence.
- Maîtrise de Python, SQL analytique et développement de librairies logicielles maintenables.
- Solide culture MLOps et industrialisation de modèles.

Stack technique ML / Deep Learning : PyTorch, modèles de recommandation (collaborative filtering, two-tower, séquentiels type SASRec/BERT4Rec, hybrides)
- Orchestration : Airflow, Databricks (Bundles, jobs)
- Data Stores : Snowflake, Cassandra, Azure Blob Storage
- Langages : Python, Rust, SQL
- CI/CD & MLOps : Azure DevOps, Terraform, Datadog, découplage des environnements


Objectif : Vous participerez à la construction et à l'industrialisation des systèmes de personnalisation du Groupe.

Vos missions principales seront les suivantes Concevoir et industrialiser les pipelines et modèles de recommandation, depuis l'entraînement jusqu'à l'inférence en production.
- Piloter le cycle de vie complet des modèles : expérimentation, entraînement, évaluation, déploiement progressif et monitoring.
- Développer des services de recommandation temps réel capables de servir des millions d'interactions avec une latence maîtrisée.
- Concevoir et maintenir les couches de feature engineering en garantissant la qualité, la cohérence et la fraîcheur des données.
- Collaborer étroitement avec les Analytics Engineers afin de définir et maintenir les contrats de données.
- Optimiser les performances et les coûts d'inférence grâce à des mécanismes de batching, de caching et de profilage.
- Mettre en place des dispositifs d'A/B testing permettant d'améliorer continuellement les algorithmes de recommandation.
- Développer des composants logiciels et des librairies internes robustes favorisant la réutilisation, la qualité et la maintenabilité des solutions.
- Contribuer aux décisions d'architecture ML avec le Tech Lead autour des problématiques de stockage, d'orchestration, d'industrialisation et de découplage des environnements.