Le MLOps Engineer est l'ingénieur qui construit et exploite la plateforme permettant aux Data Scientists et ML Engineers de livrer leurs modèles en continu : pipelines d'entraînement, registre de modèles, déploiement, supervision, gestion des ressources de calcul.
Son profil est à mi-chemin entre le SRE (fiabilité, supervision, infrastructure as code, Kubernetes) et le data engineer (orchestration de pipelines, gros volumes, feature stores). Il est responsable de la disponibilité et des performances des services ML en production.
Il intervient surtout dans les organisations qui ont plusieurs modèles en production ou des besoins de calcul importants (GPU), où chaque équipe ne peut plus bricoler sa propre chaîne.
Pourquoi ça compte quand on recrute
On confond souvent ce rôle avec le ML Engineer : le ML Engineer livre des modèles, le MLOps Engineer construit l'outillage qui sert à tous les livrer. Dans une petite équipe, un ML Engineer solide suffit. Sur un CV, cherchez une plateforme construite pour d'autres utilisateurs, avec Kubernetes, de l'infrastructure as code et du suivi de modèles en production.