En un coup d'œil
- Missions: Développez des workflows d'entraînement et de déploiement pour des solutions IA innovantes.
- Entreprise: Mistral, une entreprise dynamique spécialisée dans les solutions IA de pointe.
- Avantages: Avantages compétitifs incluant couverture santé, congés parentaux et programmes de bien-être.
- Autres infos: Travaillez dans un environnement collaboratif et créatif avec des opportunités de croissance.
- Pourquoi ce job: Impactez directement les résultats clients en transformant des prototypes en systèmes fiables.
- Qualifications: Compétences solides en Python et expérience avec des systèmes ML à grande échelle.
Le salaire estimé est compris entre 61650 - 75350 € par an.
About Mistral
Mistral provides full-stack AI solutions: from frontier models to developer tools, applications, and compute.
We partner with enterprises tackling the hardest problems—across high-stakes industries like finance, manufacturing, defense, healthcare, and the public sector—co-creating customized AI systems that they can run on their terms.
We are a dynamic, collaborative team passionate about AI and its potential to transform society.
Our diverse workforce thrives in competitive environments and is committed to driving innovation.
Our teams are distributed between Europe, North America, Asia and the Middle East.
We are creative, low-ego and team-spirited.
Role Summary
As a Research Engineer on Forge, you will turn real customer requirements into reliable training and deployment workflows.
You’ll work end‑to‑end across model adaptation and post‑training (CPT/SFT/RL/distillation), evaluation, data, and infrastructure.
The role bridges research experimentation and production constraints.
This role sits in Applied Science, with direct impact on client outcomes.
You’ll collaborate closely with scientists, engineers, product, and customer‑facing teams to ensure Forge projects ship, are maintainable, and can be trusted by others.
Interview focus can vary (algorithms, infrastructure, evals, or data). You don’t need to match every bullet below to apply.
What You Will Do
- Build and improve post‑training and evaluation workflows (CPT/SFT/RL/distillation), turning prototypes into repeatable Forge “recipes”.
- Develop tools and pipelines for synthetic data generation, data curation, training, evaluation, and deployment.
- Debug and harden large‑scale ML systems: distributed training, scheduling/execution, checkpointing, observability, and reproducibility.
- Improve the Forge codebase via clear APIs, tests, documentation, and maintainable abstractions.
- Push the frontier of our RL training stack (e. g., high-throughput async rollout and scalable post‑training systems at frontier-model scale).
- Make sure Forge deployment is seamless and adaptable to a diversity of clients (hardware access, software stack, cloud and on‑premises, …).
- Partner with researchers and infrastructure engineers to translate bottlenecks into concrete system improvements.
About You
- Strong Python engineering skills and experience working in large codebases (testing, code review, CI, operational ownership).
- Hands‑on experience with Py Torch, JAX, or similar.
- Strong systems and infrastructure fundamentals.
- Experience with LLM training or post‑training: fine‑tuning, RL, distillation, evaluation, and/or data pipelines.
- Excellent debugging skills in ambiguous systems (distributed jobs, data issues, quality regressions, infra failures).
- Clear communication with technical and non‑technical stakeholders.
- High agency, low ego, and comfort in fast‑moving, under‑specified environments.
- Nice to have
- Distributed training experience (FSDP, Deep Speed, Megatron, etc.).
- Cluster/orchestration experience (SLURM, Ray, Kubernetes, Kueue, Karpenter, Skypilot, etc.).
- Experience building reliable ML infrastructure, evaluation systems, or large‑scale data processing pipelines.
- Research experience in LLMs, agents, multimodal models, reasoning, code, or domain adaptation.
- Open‑source contributions, publications, or widely used internal tooling.
- Experience training multi‑billion‑parameter models (pre‑training or RL). Experience training on petabyte- and exabyte-scale datasets.
- Ability to identify bottlenecks across the stack and drive improvements from first principles.
What we offer
We offer a comprehensive benefits package designed to support your well-being, growth, and work‑life balance.
Benefits vary by country and may include healthcare coverage, parental leave, retirement plans, relocation support, wellness programs, meal and transportation allowances, and other location‑specific perks.
For the most up‑to‑date details on benefits available in your location, please refer to our Benefits page.
Privacy Policy
Your privacy matters to us. You can learn more about how we handle your personal data in our Applicant Privacy Policy.
#J-18808-Ljbffr
Research Engineer, Forge employeur : Mistral
Mistral est un employeur de choix, offrant un environnement de travail dynamique et inclusif où chaque membre de l'équipe peut s'épanouir. Avec des opportunités de croissance professionnelle et un engagement envers le bien-être des employés, vous aurez la chance de contribuer à une fonction RH innovante tout en bénéficiant d'une culture d'entreprise collaborative. Situé dans des régions clés comme la France, le Royaume-Uni et les États-Unis, Mistral valorise la diversité et l'excellence, rendant chaque jour de travail significatif et gratifiant.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Research Engineer, Forge
✨Participe à des meetups de data science
Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !
✨Montre tes compétences avec des projets
Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !
✨Vis les forums spécialisés
Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.
✨Postule directement sur le site de Mistral
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez Mistral. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Research Engineer, Forge
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez Mistral, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.
Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à Mistral que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.
Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez Mistral. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !
Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.
Comment te préparer à un entretien d'embauche chez Mistral
✨Prépare ton arsenal technique !
En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.
✨Montre ton portfolio
Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.
✨Anticipe les études de cas
Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.
✨Comprends le business derrière les données
Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de Mistral et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
