Le Machine Learning Engineer (ML Engineer) est l'ingénieur qui transforme un modèle de machine learning, souvent prototypé par un Data Scientist, en système fiable qui tourne en production : préparation des données, entraînement reproductible, déploiement, suivi et mises à jour.
Il combine les bases du Data Scientist (statistiques, modélisation) et celles d'un ingénieur logiciel (Python solide, tests, CI/CD, conteneurs, cloud). Il travaille avec des frameworks comme PyTorch ou scikit-learn et des outils comme MLflow, Weights & Biases, Vertex AI ou SageMaker.
On le distingue de l'AI Engineer, centré sur les applications construites autour de LLM existants, et du MLOps Engineer, centré sur la plateforme et l'infrastructure qui servent les modèles.
Pourquoi ça compte quand on recrute
Le recrutement se joue sur la moitié ingénierie : beaucoup de candidats viennent de la data science et n'ont jamais maintenu un modèle en production. Demandez un modèle qu'ils ont livré, comment il était surveillé, ce qui s'est passé quand ses performances ont baissé. On recrute ce rôle quand le premier modèle doit sortir du notebook, pas avant.