Ingénieur de Recherche (H/F)

Entreprise: Sigma Nova
Lieu: Paris
Type de contrat: CDI (

Chez Sigma Nova, nous repoussons les limites de l'intelligence artificielle en entraînant et en optimisant des modèles de fondation à la pointe du domaine. Nous recherchons un Ingénieur de Recherche Junior (H/F) passionné par la recherche appliquée et l'ingénierie système pour rejoindre nos équipes et travailler directement sur nos infrastructures d'entraînement à grande échelle.

Vos missions

• Entraînement à grande échelle: Concevoir, lancer et monitorer des expériences de recherche et d'entraînement nécessitant l'allocation simultanée d'au moins 10 à plusieurs dizaines de GPU.
• Optimisation des performances: Identifier et résoudre les goulets d'étranglement (mémoire GPU, communications inter-nœuds, I/O) pour maximiser le throughput d'entraînement.
• Expérimentation & Benchmark: Mettre en œuvre de nouvelles architectures ou techniques (par exemple: parallélisme de données/modèle/pipeline, quantization, FlashAttention) et évaluer méthodiquement leur impact.
• Prototypage rapide: Transformer des papiers de recherche récents en du code de production propre, modulaire et hautement performant.

Profil recherché

Prérequis techniques:

• Formation: Diplôme de niveau Bac+5 / Master 2 (École d'Ingénieurs de premier rang ou Master Recherche en Informatique / IA / Mathématiques appliquées).
• Compute & GPU: Expérience pratique de l'entraînement distribué sur au moins 10 GPU simultanément (projets académiques, stages de fin d'études ou contributions open source).
• Framworks & Outillage: Maîtrise experte de PyTorch et des bibliothèques de distribué (torch.distributed, DeepSpeed, Megatron-LM ou Ray).
• System & Profiling: Bonne connaissance des architectures matérielles (Nvidia CUDA, mémoire HBM, interconnexions NVLink/InfiniBand) et des outils de profilage (PyTorch Profiler, Nsight).
• Programmation: Python avancé (clean code, typage, tests) et bases solides en C++/CUDA appréciées.

Qualités personnelles:

-Rigueur scientifique irréprochable et méthodologie expérimentale stricte.
-Autonomie face aux problèmes complexes d'infrastructure et de débogage distribué.
-Curiosité intellectuelle et veille constante sur la littérature scientifique du domaine.