About this role
Depuis 2002, Aneo est un cabinet de conseil tech qui accompagne ses clients dans leurs transformations grâce à la technologie. Notre approche combine nos expertises HPC, Cloud, IA et MLOps. Nos équipes rassemblent des profils experts et nous nous appuyons sur un écosystème de partenaires technologiques (notamment Nvidia, Intel, AMD, AWS et GCP) et une communauté d’expertise tournée vers la résolution de problèmes complexes. Dans le cadre de notre croissance, nous renforçons aujourd’hui la tribe Advanced Computing. CONTEXTE Un acteur majeur de l'industrie du cinéma en Angleterre, a lancé un vaste projet de modernisation de ses opérations, notamment à travers l'intelligence artificielle et la donnée. Dans ce cadre, il est accompagné par Aneo pour développer un produit de prédiction de fréquentation dans ses salles. Pour faire face à l'accroissement de l'activité sur ce projet, nous recherchons un nouveau membre pour rejoindre l'équipe déjà en place. Vous interviendrez dans un environnement Azure, en adaptant la solution aux process métiers propres à cet acteur. Un MVP est attendu pour fin septembre, avec une ambition de déploiement à l'échelle du groupe dès 2027 si les résultats sont au rendez-vous. Vous prendrez en charge les responsabilités suivantes : Modélisation & Optimisation Concevoir, développer et évaluer des modèles d'optimisation sous contraintes (programmation par contraintes, CP-SAT, programmation linéaire/mixte). Formaliser des problématiques métier complexes sous forme de modèles mathématiques (variables de décision, contraintes opérationnelles, fonction objectif). Tester et comparer différentes stratégies de résolution (heuristiques, décomposition, solveurs) pour améliorer la qualité des solutions et les temps de convergence. Optimiser les temps de calcul des modèles : parallélisation, multiprocessing, profiling, warm start, réduction de l'espace de recherche, tuning des paramètres du solveur. Construire des pipelines de traitement de données en amont de l'optimisation : collecte, transformation, structuration des contraintes, feature engineering, en s'appuyant notamment sur Databricks et Apache Spark pour le traitement de données à grande échelle. Assurer la qualité des données en entrée des modèles et appliquer les bonnes pratiques de gouvernance. Réaliser une veille active sur les avancées en recherche opérationnelle / optimisation combinatoire et proposer de nouvelles approches adaptées au contexte métier. MLOps & Industrialisation Participer à l'industrialisation des modèles d'optimisation en production (Azure / AWS). Contribuer aux pipelines CI/CD et aux bonnes pratiques DevOps de l'équipe. Prendre part au monitoring des performances de résolution (temps de calcul, qualité des solutions) et remonter les anomalies détectées (dégradation, dérive, temps de résolution anormaux). Collaboration & Communication Collaborer étroitement avec les équipes métiers pour comprendre les contraintes opérationnelles et proposer des solutions adaptées. Rédiger une documentation technique claire et maintenir le knowledge base du projet.