Ingénieur en Machine Learning - Quantum-H/F - IBM FutureNow

Skip to content IBM < Back to search results Ingénieur en Machine Learning - Quantum-H/F - IBM FutureNow Bois Colombes Cedex, Lille, STRASBOURG, Hauts-de-Seine, Nord, Bas-Rhin, France Professional Email X LinkedIn Apply now Introduction A career in IBM Consulting is built on long-term client relationships and close collaboration worldwide. You’ll work with leading companies across industries, helping them shape their hybrid cloud and AI journeys. With support from our strategic partners, robust IBM technology, and Red Hat, you’ll have the tools to drive meaningful change and accelerate client impact. At IBM Consulting, curiosity fuels success. You’ll be encouraged to challenge the norm, explore new ideas, and create innovative solutions that deliver real results. Our culture of growth and empathy focuses on your long-term career development while valuing your unique skills and experiences. In this role, you'll work in one of our IBM Consulting Client Innovation Centers (Delivery Centers), where we deliver deep technical and industry expertise to a wide range of public and private sector clients around the world. Our delivery centers offer our clients locally based skills and technical expertise to drive innovation and adoption of new technology. Your role and responsibilities Vous intervenez dans un contexte d'expérimentation algorithmique (ML, optimisation, quantique) comprenant : Mise en œuvre des expérimentations — Implémenter les protocoles d'expérimentation définis en amont par les leads techniques (baselines, métriques, jeux de données) ; contribuer aux arbitrages méthodologiques dans une logique de décision collégiale.Modélisation classique de référence — Développer et optimiser les modèles classiques de référence (ex. gradient boosting, réseaux de neurones, solveurs d'optimisation combinatoire CPLEX) servant de point de comparaison — un volume de travail significatif du poste, indépendamment de toute brique quantique.Optimisation combinatoire — Développer et benchmarker des approches d'optimisation classique (CPLEX) et quantique (QAOA, VQE via Qiskit) sur des problèmes combinatoires, au même titre que les problématiques de type ML.Prototypage hybride quantique-classique — Implémenter des briques de feature mapping quantique, de circuits paramétrés (QML) et de pipelines hybrides sous Qiskit, en collaboration avec les chercheurs quantiques.Benchmarking honnête — Comparer systématiquement les performances quantique vs. classique (accuracy, robustesse, coût de calcul), en explicitant les limites liées à la simulation ou au bruit du hardware IBM Quantum.Reproductibilité & traçabilité — Versionner les expériences (code, données, hyperparamètres, résultats) pour garantir que chaque résultat soit ré-exécutable et auditable.Documentation scientifique — Rédiger des comptes-rendus d'expérimentation clairs, destinés aussi bien aux pairs techniques qu'à des audiences décisionnelles, sans survendre les résultats.Veille technique — Suivre l'évolution de l'écosystème Qiskit / IBM Quantum et des techniques d'optimisation classique pertinentes pour les cas d'usage explorés.Contribution méthodologique — Participer à l'amélioration des frameworks internes de benchmarking et d'évaluation classique/quantique de la Factory.Poste localisé à Strasbourg et ouvert à la mobilité / déplacementMobile en France (retour le weekend) pour intervenir chez nos clients  Required education Bachelor's Degree Required technical and professional expertise Machine Learning classique — Solide maîtrise des méthodes classiques (classification, boosting, réseaux de neurones) et de leur évaluation rigoureuse (validation croisée, gestion du déséquilibre de classes, etc.) — socle central du...