Ingénieur NLP : marché
Données au 19 novembre 2026 : offres ouvertes Ingénieur NLP — 35, 39% en télétravail parmi les offres qui précisent le mode de travail. Source : Zorky, mis à jour chaque jour.
NLP Engineer (Natural Language Processing) — the oldest and most mature ML specialisation (since the 1950s), re-assembled by the transformer revolution 2017–2024. Focus: text and speech processing — extraction (NER / relation extraction / entity linking), classification (sentiment / topic / intent), search & ranking (BM25 + dense retrieval + cross-encoders), machine translation (NMT), summarisation, question answering, speech recognition (ASR) + synthesis (TTS), conversational systems, content moderation. Role family: NLP Engineer (general — classical NLP + modern transformers hybrid), Speech Engineer (ASR / TTS specialisation — Whisper / VITS / Tacotron / Yandex SpeechKit / Sber Salute Speech), Computational Linguist (rule-based + ML hybrid — legacy product domains: language education / lexicography / morphological analysis), Conversational AI Engineer (dialogue systems — overlap with ai-engineer), Multilingual NLP Engineer (cross-lingual specialisation — XLM-R / mT5 / NLLB / SeamlessM4T), Senior NLP Engineer (multi-task NLP pipeline architecture). Stack 2026: Python (monopolistic). Hugging Face Transformers mastery (models + datasets + tokenizers + PEFT + Accelerate — single most important library 2026). spaCy (production-grade pipelines — NER + POS + dependency parsing + lemmatisation; fast Cython under the hood — industry standard for traditional NLP). NLTK (academic / legacy — corpus + tokenisation). Gensim (topic modelling — LDA + Word2Vec legacy). BERTopic (modern topic modelling — embeddings-based). Modern transformers: BERT family (DeBERTa-v3 / RoBERTa / ELECTRA for tagging + classification), T5 family (text-to-text — translation + summarisation), BART (generation + understanding hybrid), XLM-R + mT5 + NLLB (multilingual). Sentence embeddings: sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3 (top on the MTEB benchmark). LLMs for NLP: Llama 3.x + Mistral + Qwen 2.5 + Phi 3 for classification / extraction / generation in few-shot mode. Search & ranking: Elasticsearch + OpenSearch (BM25 + dense_vector hybrid), Vespa (Yahoo open-source — best for production search), Tantivy + Meilisearch (Rust-based alternatives), cross-encoder rerankers (BGE Reranker / Cohere Rerank). ASR (Speech-to-Text): Whisper + Whisper-large-v3 + faster-whisper (CTranslate2-optimised — production), Wav2Vec 2.0, NVIDIA NeMo, OpenAI Whisper API, AssemblyAI + Deepgram + Speechmatics (commercial APIs). Russian-specific: Yandex SpeechKit, Sber Salute Speech, STC VoiceKit, VOSK (open-source — offline). TTS (Text-to-Speech): ElevenLabs (dominates 2026 — best quality), OpenAI TTS, Coqui TTS (open-source — XTTS-v2 voice cloning), Tortoise, Bark, StyleTTS 2. Russian TTS: Yandex SpeechKit + Sber SaluteSpeech. Russian NLP-specific: ruBERT + RuRoBERTa (DeepPavlov), ruGPT, FRED-T5 (Sber), ruT5, USER-bge-m3 (Russian embeddings), Natasha (Russian NER), Razdel (Russian tokenisation), pymorphy3 (morphological analysis). Evaluation: classical NLP metrics (BLEU + ROUGE + METEOR + chrF for translation, F1 + precision + recall for NER, perplexity for LM), modern eval — RAGAS + DeepEval + lm-evaluation-harness for LLM-based NLP. According to Zorky, 35 active openings with explicit NLP specifics (the real pool is much wider — many NLP roles are classified as general ML Engineer / Backend / AI Engineer). Median not published. Top stack: python, llm, sql, pytorch, airflow. Among jobs with a stated work format, 39% are remote.
Données au:
Les chiffres clés du marché Ingénieur NLP : offres ouvertes, salaire médian, vivier de spécialistes observé et part du télétravail.
Le marché Ingénieur NLP compte actuellement 35 postes ouverts, dont 31 observés récemment.
Among jobs with a stated work format, 39% are remote. NLP work fully cloud-based standard. Outsourcing shops — almost always remote. International voice-AI / NLP companies — full-remote standard. Big Tech NLP — hybrid-standard.
⚠ salaire connu pour 1 offres sur 35 ; part du télétravail sur 28 avec un format indiqué ; 31 comptées comme observations récentes ; la tendance et la difficulté de recrutement ne sont pas affichées
Chronologie : offres et sources
Combien d'offres Ingénieur NLP sont apparues chaque semaine depuis le 1 juin, et depuis combien de sources. Le graphique du bas sépare la croissance du marché de celle de notre couverture : un saut la semaine où de nouvelles sources ont été connectées signifie que nous voyons davantage, pas que le marché a grandi.
Nouvelles offres par semaine
Données du graphique
| Période | Nouvelles offres par semaine |
|---|---|
| 2026-06-01 | 0 |
| 2026-06-08 | 2 |
| 2026-06-15 | 1 |
| 2026-06-22 | 5 |
| 2026-06-29 | 5 |
| 2026-07-06 | 5 |
| 2026-07-13 | 5 |
| 2026-07-20 | 2 |
| 2026-07-27 | 0 |
| 2026-08-03 | 3 |
| 2026-08-10 | 1 |
| 2026-08-17 | 1 |
| 2026-08-24 | 10 |
| 2026-08-31 | 1 |
| 2026-09-07 | 1 |
| 2026-09-14 | 9 |
| 2026-09-21 | 9 |
| 2026-09-28 | 10 |
| 2026-10-05 | 9 |
| 2026-10-12 | 28 |
| 2026-10-19 | 10 |
| 2026-10-26 | 6 |
| 2026-11-02 | 6 |
| 2026-11-09 | 11 |
Sources actives par semaine
Sources sur la période : 57. ▲ — semaine où de nombreuses nouvelles sources ont été connectées.
Données du graphique
| Période | Sources actives |
|---|---|
| 2026-06-01 | 0 |
| 2026-06-08 | 2 |
| 2026-06-15 | 1 |
| 2026-06-22 | 5 |
| 2026-06-29 | 5 |
| 2026-07-06 | 5 |
| 2026-07-13 | 5 |
| 2026-07-20 | 2 |
| 2026-07-27 | 0 |
| 2026-08-03 | 3 |
| 2026-08-10 | 1 |
| 2026-08-17 | 1 |
| 2026-08-24 | 5 |
| 2026-08-31 | 1 |
| 2026-09-07 | 1 |
| 2026-09-14 | 7 |
| 2026-09-21 | 6 |
| 2026-09-28 | 8 |
| 2026-10-05 | 8 |
| 2026-10-12 | 8 |
| 2026-10-19 | 7 |
| 2026-10-26 | 4 |
| 2026-11-02 | 6 |
| 2026-11-09 | 8 |
Nouvelles sources connectées : 22 juin +5 · 14 sept. +5 · 28 sept. +5 · toutes les semaines (19) dans le tableau
| Semaine | Nouvelles sources | Nouvelles offres |
|---|---|---|
| 8 juin | +2 | 2 |
| 15 juin | +1 | 1 |
| 22 juin | +5 | 5 |
| 29 juin | +3 | 5 |
| 6 juil. | +4 | 5 |
| 13 juil. | +4 | 5 |
| 3 août | +2 | 3 |
| 10 août | +1 | 1 |
| 17 août | +1 | 1 |
| 24 août | +2 | 10 |
| 14 sept. | +5 | 9 |
| 21 sept. | +4 | 9 |
| 28 sept. | +5 | 10 |
| 5 oct. | +3 | 9 |
| 12 oct. | +3 | 28 |
| 19 oct. | +3 | 10 |
| 26 oct. | +2 | 6 |
| 2 nov. | +3 | 6 |
| 9 nov. | +4 | 11 |
La semaine en cours n'est pas terminée et n'est pas affichée : une semaine incomplète ressemblerait à une baisse.
Semaine = date de première détection de l'offre, tous statuts ; les offres sont sélectionnées selon la même règle que le compteur de cette page. Les sources sont des canaux de collecte distincts ; leurs noms ne sont pas publiés.
Données du graphique
| Semaine | Nouvelles offres par semaine | Sources actives |
|---|---|---|
| 2026-06-01 | 0 | 0 |
| 2026-06-08 | 2 | 2 |
| 2026-06-15 | 1 | 1 |
| 2026-06-22 | 5 | 5 |
| 2026-06-29 | 5 | 5 |
| 2026-07-06 | 5 | 5 |
| 2026-07-13 | 5 | 5 |
| 2026-07-20 | 2 | 2 |
| 2026-07-27 | 0 | 0 |
| 2026-08-03 | 3 | 3 |
| 2026-08-10 | 1 | 1 |
| 2026-08-17 | 1 | 1 |
| 2026-08-24 | 10 | 5 |
| 2026-08-31 | 1 | 1 |
| 2026-09-07 | 1 | 1 |
| 2026-09-14 | 9 | 7 |
| 2026-09-21 | 9 | 6 |
| 2026-09-28 | 10 | 8 |
| 2026-10-05 | 9 | 8 |
| 2026-10-12 | 28 | 8 |
| 2026-10-19 | 10 | 7 |
| 2026-10-26 | 6 | 4 |
| 2026-11-02 | 6 | 6 |
| 2026-11-09 | 11 | 8 |
Marché net : indice de recrutement
Les mêmes 7 505 sites carrières d'employeurs ; le nombre d'offres provient du site lui-même. Connecter de nouvelles sources ne fait pas bouger cet indice — il montre le marché, pas notre couverture. C'est l'ensemble du marché du panel, pas seulement Ingénieur NLP.
Indice de recrutement, 16 oct. = 100
Données du graphique
| Période | Indice de recrutement |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Indice chaîné : chaque jour ne compare que les sites interrogés ce jour-là et la veille ; les valeurs aberrantes et les pannes d'interrogation d'une plateforme entière sont exclues. Les jours sans paire comparable sont laissés vides.
Données du graphique
| Jour | Indice de recrutement |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Combien d'offres Ingénieur NLP ouvertes il y a et combien de spécialistes correspondants Zorky observe.
Demande et offre observée
Données du graphique
| Indicateur | Valeur |
|---|---|
| Demande ouverte | 35 |
| Demande ouverte | 35 |
| Offre observée | — non publié |
Le NLP est la plus ancienne spécialisation ML, née dans les années 1950 et restructurée par la révolution des transformers en 2017–2024. Notre échantillon est petit, car de nombreux postes NLP sont classés dans ML généraliste / Backend / AI Engineer. Moteurs en 2026 : adoption des agents vocaux (pipelines ASR + LLM + TTS), traduction en temps réel, recherche sémantique d’entreprise (RAG et Elasticsearch hybride), modération à grande échelle par LLM, équipes NLP de modèles de fondation (Cohere / Hugging Face / DeepL). L’IA vocale internationale croît rapidement : ElevenLabs / AssemblyAI / Deepgram / Speechmatics / Soundhound / Vapi / Retell AI.
⚠ les candidats correspondant à une offre ne sont pas encore comptés : la demande et le vivier observé sont affichés
Dans quels pays il y a le plus d'offres Ingénieur NLP ouvertes.
Géographie de la demande
| pays | offres | part |
|---|---|---|
| États-Unis | 4 | 13,8% |
| Pologne | 4 | 13,8% |
| Kazakhstan | 3 | 10,3% |
| Royaume-Uni | 3 | 10,3% |
| Ouzbékistan | 2 | 6,9% |
| Tchéquie | 2 | 6,9% |
| Russie | 2 | 6,9% |
| Inde | 2 | 6,9% |
| Singapour | 1 | 3,4% |
| Suède | 1 | 3,4% |
| Autres pays | 5 | 17,2% |
Premier pays par nombre d’offres d’ingénieur NLP : les États-Unis (4 postes). La Pologne est un pôle européen favorable au NLP. Allemagne : siège de DeepL à Cologne et Aleph Alpha. France : siège de Hugging Face et Mistral. Royaume-Uni : DeepL Londres et Speechmatics. États-Unis : pôle NLP de la baie de San Francisco.
⚠ nombre d'offres uniquement : le salaire par pays n'est pas publié
Données du graphique
| Pays | Offres |
|---|---|
| US | 4 |
| PL | 4 |
| KZ | 3 |
| GB | 3 |
| UZ | 2 |
| CZ | 2 |
| RU | 2 |
| IN | 2 |
| SG | 1 |
| SE | 1 |
Quelles technologies sont le plus souvent demandées dans la même offre que Ingénieur NLP.
Utilisée avec
Part : combien des 35 offres du marché Ingénieur NLP mentionnent cette technologie. Tri par nombre d’offres, pas par « force d’association ». Les termes génériques comme cloud ne désignent pas un cloud précis (AWS, Azure).
Principales technologies NLP en 2026 : Python approfondi, maîtrise de Hugging Face Transformers (bibliothèque la plus importante), spaCy (pipelines de production — NER + POS + analyse en dépendances), NLTK / Gensim historiques, BERTopic pour la modélisation thématique moderne, transformers modernes (DeBERTa-v3 + RoBERTa + ELECTRA pour classification et NER, famille T5 pour texte-à-texte, XLM-R + mT5 + NLLB pour le multilingue), plongements de phrases (sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3, en tête de MTEB), LLM pour le NLP, recherche & classement (Elasticsearch + OpenSearch hybride BM25 + dense_vector, Vespa, reclassement par cross-encoder), ASR (Whisper-large-v3 + faster-whisper + Wav2Vec 2.0 + NVIDIA NeMo et API commerciales AssemblyAI / Deepgram / Speechmatics), TTS (ElevenLabs + Coqui XTTS-v2 + Tortoise + Bark + StyleTTS 2), NLP russe (DeepPavlov ruBERT + RuRoBERTa + ruGPT + FRED-T5 + USER-bge-m3 + Natasha + Razdel + pymorphy3), parole russe (Yandex SpeechKit + Sber SaluteSpeech + STC VoiceKit + VOSK), traitement audio (librosa + soundfile + torchaudio), annotation (Label Studio, Argilla adapté aux LLM, Prodigy), évaluation classique (BLEU + ROUGE + F1 + WER + MOS) et moderne (RAGAS + DeepEval + COMET pour la traduction).
Associations fréquentes : Python + Hugging Face Transformers + spaCy + PyTorch pour le NLP classique ; sentence-transformers + Qdrant + BGE Reranker pour la recherche sémantique et le reclassement ; Whisper + faster-whisper + pyannote pour l’ASR de production et la séparation des locuteurs ; ElevenLabs API + OpenAI API + LangChain pour les agents vocaux ; DeepPavlov + Natasha + ruBERT + USER-bge-m3 pour le russe ; Elasticsearch + dense_vector + Vespa pour la recherche en production ; Label Studio + Argilla + spaCy pour annotation et entraînement. Apprentissage : bases linguistiques → Python et ML → NLP classique avec spaCy → cours NLP Hugging Face → ajustement des transformers → plongements de phrases et recherche sémantique → LLM pour le NLP → recherche & classement approfondis → parole facultative avec Whisper et ElevenLabs → NLP russe avec DeepPavlov → annotation Label Studio → évaluation → portfolio de 4 démonstrations.
Données du graphique
| Nom | Nombre |
|---|---|
| python | 24 |
| llm | 19 |
| sql | 7 |
| docker | 7 |
| pytorch | 6 |
| fine-tuning | 5 |
| cloud | 5 |
| fastapi | 4 |
| qdrant | 3 |
| transformers | 3 |
| kubernetes | 3 |
| langchain | 3 |
Combien d'offres Ingénieur NLP il y a à chaque niveau, de junior à principal.
Demande par niveau
| niveau | offres |
|---|---|
| senior | 10 |
| middle | 6 |
| junior | 3 |
| lead | 1 |
Entrée junior typique : master en linguistique informatique, backend confirmé ou data science confirmée, avec portfolio NLP démontrant l’ajustement fin Hugging Face. Parcours : linguiste informaticien / backend confirmé / data scientist confirmé (2-3 ans) intéressé par le NLP → ingénieur NLP junior (1-2 ans) → confirmé (2-3 ans) → senior → spécialisation dans la parole ASR/TTS, ingénierie IA centrée sur les produits LLM, recherche NLP universitaire avec publications ACL / EMNLP, ou NLP multilingue. Chiffres issus d’un petit échantillon ; consulter ml-engineer / ai-engineer pour des repères plus larges.
⚠ côté demande uniquement : le niveau du vivier observé est inconnu pour la majeure partie
Données du graphique
| Niveau | Nombre |
|---|---|
| senior | 10 |
| middle | 6 |
| junior | 3 |
| lead | 1 |
Qui recrute le plus pour Ingénieur NLP et à quel point la demande se concentre chez les plus grandes entreprises.
Employeurs
La demande est répartie entre 27 employeurs. Le plus grand en représente 9.7 %, les dix premiers 45.2 % ; les 54.8 % restants forment la longue traîne.
| part | valeur |
|---|---|
| top 1 | 9.7% |
| top 3 | 22.6% |
| top 10 | 45.2% |
| longue traîne | 54.8% |
⚠ les noms ne sont pas affichés : le classificateur ne distingue pas encore les agences de recrutement des employeurs finaux
Sur quels sites d'entreprises et sites d'emploi Zorky collecte les offres Ingénieur NLP.
Où Zorky voit ce marché
Observé sur 24 sources ; la plus grande en représente 8.6 % : ce marché ne repose pas sur un seul canal.
Données du graphique
| Classe | Nom | Nom anglais | Nombre | Part |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS et sites carrières | 18 | 0,5143 |
| board | джоб-борды и агрегаторы | job boards et agrégateurs | 13 | 0,3714 |
| telegram | Telegram | Telegram | 4 | 0,1143 |
Les offres Ingénieur NLP les plus récentes, issues des pages carrières des entreprises.
Postes récents
- Вакансия Strong Middle / Senior NLP Engineer · UZ
- Strong Middle / Senior NLP Engineer · UZ
- NLP Engineer
- Research Scientist (Computer Science / Artificial Intelligence / Machine Learning / Natural Language Processing) · SG
- NLP Engineer · KZ
- Senior Systems Engineer – Clinical NLP Research Support
- Senior Engineer, AI/NLP Engineering · CZ
- Data Engineer, AI/NLP Engineering · CZ
Dernières offres ouvertes d’ingénieur NLP : postes les plus récents de l’échantillon, limité aux rôles explicitement NLP ; le marché réel est plus large grâce aux recoupements avec ml-engineer / ai-engineer. Liste complète dans notre CRM ou via le lien « tout voir » ci-dessous. Pour une vision plus large, consultez aussi les pages ml-engineer et ai-engineer.
Marchés voisins
L’ingénieur NLP recoupe l’ingénieur IA (produits LLM, environ 60% de technologies communes), l’ingénieur ML (ML en production), le data scientist (analyse de textes pour les décisions métier), l’ingénieur de recherche (publications NLP aux conférences ACL / EMNLP / NAACL) et l’ingénieur en traitement de la parole (ASR / TTS). Comparaison dans le graphique SiblingSubnichesChart ci-dessus.
⚠ les marchés voisins de comparaison ne sont pas encore définis
Comment c'est mesuré
- Offre
- une offre ouverte ayant passé le contrôle qualité et citant au moins deux technologies
- Candidat observé
- un candidat dont la stack contient cette technologie ; un agrégat — aucune fiche individuelle ne sort du périmètre
- Candidat correspondant
- pas encore compté
- Fenêtre
- offres ouvertes au moment de la création de l'instantané
À propos des données
- Certaines ventilations sont masquées : leur couverture de données n'est pas encore suffisante.
- Les statistiques ne sont affichées que là où l'échantillon passe un contrôle qualité.
- Un bloc absent ne signifie pas une valeur nulle.
Ventilations masquées actuellement : 9.
Domaine: IA / ML / Data Science
Spécialisations associées
Au sein du NLP : ingénieur NLP généraliste (NLP classique et transformers modernes), ingénieur en traitement de la parole (ASR / TTS — Whisper / VITS / Yandex SpeechKit / Sber Salute Speech), linguiste informaticien (règles et ML — domaines historiques comme l’apprentissage des langues et la lexicographie), ingénieur en IA conversationnelle (dialogue, recoupement avec ai-engineer), ingénieur NLP multilingue (interlingue — XLM-R / mT5 / NLLB / SeamlessM4T), ingénieur NLP senior (architecture de pipelines multitâches). Comparaison avec ml-engineer/ai-engineer/data-scientist/research/mlops dans le graphique en barres ci-dessous.
Questions fréquentes
Questions fréquentes sur le métier d’ingénieur NLP : rémunération (segment durablement bien payé), comparaison NLP Engineer / AI Engineer / ML Engineer (3 métiers et 5 différences), NLP classique / LLM seul / approche hybride (arbre de décision tenant compte des coûts), particularités du traitement de la parole ASR / TTS, télétravail, accès au métier (4-10 mois depuis un niveau confirmé en backend ou data science), compétences senior (intuition linguistique, maîtrise de Hugging Face, plongements de phrases, recherche & classement, NLP russe pour les projets concernés). Les réponses sont recalculées automatiquement.
Quel est le salaire pour le métier de ingénieur NLP aux niveaux junior, intermédiaire, senior et responsable ?
Chiffres issus d’un petit échantillon : pour des repères plus larges, consultez les pages ingénieur ML et ingénieur IA / LLM. Entrée junior typique : master en linguistique informatique ou développeur backend confirmé avec un portfolio NLP et une expérience d’ajustement fin sur Hugging Face. Passage junior → confirmé après une première fonctionnalité NLP en production : recherche sémantique, classification de sentiments, NER ou traduction. Confirmé → senior : responsabilité de pipelines NLP multitâches et expertise ASR / TTS ou multilingue. Senior → Staff / Principal : architecture NLP à l’échelle de l’organisation et publications scientifiques. Parcours : linguiste informaticien / backend confirmé / data scientist confirmé (2-3 ans) intéressé par le NLP → ingénieur NLP junior (1-2 ans) → confirmé (2-3 ans) → senior → spécialisation dans la parole, transition vers l’ingénierie IA centrée sur les produits LLM ou recherche universitaire en NLP.
Quelles technologies et compétences sont demandées pour le métier de ingénieur NLP most often ?
Principales technologies en 5 : python, llm, sql, pytorch, airflow. Python domine sans partage. Maîtrise de Hugging Face Transformers, bibliothèque la plus importante en 2026 : models + datasets + tokenizers + PEFT + Accelerate. spaCy : pipelines NLP de production, NER + POS + analyse en dépendances + lemmatisation ; rapidité de Cython, standard du NLP traditionnel. NLTK : usages universitaires et historiques. Gensim : Word2Vec / LDA historiques. BERTopic : modélisation thématique moderne par plongements vectoriels, en essor depuis 2024. Transformers modernes : famille BERT (DeBERTa-v3, meilleure base pour classification et NER en 2026, RoBERTa, ELECTRA), famille T5 texte-à-texte, BART, XLM-R + mT5 + NLLB multilingues. Plongements de phrases : sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3, en tête du benchmark MTEB. LLM pour le NLP : Llama 3.x / Mistral / Qwen 2.5 / Phi 3, pour classification, extraction et génération à partir de quelques exemples. Recherche & classement : Elasticsearch + OpenSearch (hybride BM25 + dense_vector, standard du secteur), Vespa (Yahoo, meilleur choix pour la recherche en production et le classement complexe), Tantivy + Meilisearch (alternatives Rust), reclassement par cross-encoder (BGE Reranker / Cohere Rerank). ASR, transcription vocale : Whisper-large-v3 + faster-whisper (optimisé pour la production par CTranslate2), Wav2Vec 2.0, NVIDIA NeMo, API commerciales AssemblyAI / Deepgram / Speechmatics / OpenAI Whisper API. Russe : Yandex SpeechKit / Sber Salute Speech / STC VoiceKit / VOSK, libre et hors ligne. TTS : ElevenLabs (dominant en 2026, meilleure qualité), OpenAI TTS, Coqui TTS (clonage vocal XTTS-v2), Tortoise, Bark, StyleTTS 2. Russe : Yandex SpeechKit + Sber SaluteSpeech TTS. NLP propre au russe : ruBERT + RuRoBERTa (DeepPavlov, plus grand projet NLP russophone), ruGPT, FRED-T5 (Sber), ruT5, USER-bge-m3 (plongements russes en tête de ruMTEB), Natasha (NER et extraction russes), Razdel (tokenisation russe), pymorphy3 (analyse morphologique). Traitement audio : librosa + soundfile + torchaudio. Jeux de données : Hugging Face Hub (plus de 200K jeux NLP, incontournable), Common Crawl + OSCAR (corpus), FLORES-200 (benchmark de traduction), MTEB + ruMTEB (benchmarks de plongements). Évaluation : métriques classiques BLEU + ROUGE + METEOR + chrF pour la traduction, F1 + précision + rappel pour la NER, perplexité pour les modèles de langue, WER pour l’ASR, MOS pour la TTS ; RAGAS + DeepEval pour le NLP fondé sur les LLM, COMET pour l’évaluation neuronale de la traduction. Outils d’annotation : Label Studio (libre, standard du secteur en 2026), Prodigy (Explosion, créateurs de spaCy), Doccano, Argilla (moderne, adapté aux LLM). Ressources linguistiques : WordNet, Universal Dependencies, BabelNet (multilingue).
Quelles différences entre ingénieur NLP / ingénieur IA et ingénieur ML ?
Ces trois métiers se recoupent fortement en 2026 avec la généralisation de l’architecture transformer, mais présentent des différences. Ingénieur ML : généraliste responsable de toute la chaîne ML en production — recommandation, fraude, classement, ML classique et LLM. Technologies : PyTorch + sklearn + Kubernetes + MLflow + services ML cloud gérés. Voir ingénieur ML. Ingénieur IA / LLM : intégration de LLM dans un produit — assistants conversationnels, RAG, agents. Voir ingénieur IA / LLM. Ingénieur NLP, objet de cette page : tâches de traitement du langage naturel — NER, sentiments, recherche, traduction, résumé, questions-réponses et parole ASR + TTS. Différences : 1) NLP classique : l’ingénieur NLP maîtrise les techniques antérieures aux transformers — BM25, TF-IDF, Word2Vec, LDA, analyse en dépendances, NER avant BERT ; l’ingénieur IA centré sur les LLM les connaît souvent moins. 2) Expertise vocale : ASR (Whisper / Wav2Vec) et TTS (ElevenLabs / Tacotron) relèvent du NLP ; l’ingénieur IA travaille rarement sur la parole. 3) Intuition linguistique : l’ingénieur NLP possède souvent une formation en linguistique informatique — morphologie, syntaxe, sémantique ; l’ingénieur IA vient généralement du backend ou du ML généraliste. 4) Multilingue et langues peu dotées : spécialité NLP — transfert interlingue, NLLB, mT5. 5) Recherche & classement approfondis : Elasticsearch, Vespa et pipelines de classement en production relèvent du NLP. Transitions : ingénieur NLP senior → ingénieur IA, transition latérale facile en 1-3 mois en ajoutant LangChain et les frameworks d’agents ; ingénieur IA senior → NLP en 3-6 mois, car les techniques classiques et la parole prennent du temps ; ingénieur ML senior → NLP en 4-8 mois. Réalité en 2026 : le titre NLP Engineer cède la place à AI Engineer dans les offres avec l’engouement pour les LLM, mais recherche, traduction, extraction et parole restent des besoins fondamentaux en production.
Quelle part des offres propose du télétravail ?
Parmi les offres dont le mode de travail est indiqué, 39% sont en télétravail. Les offres sans mode de travail indiqué sont exclues du dénominateur ; le travail hybride n’est pas compté comme du télétravail.
En quoi l’ingénieur en traitement de la parole (ASR / TTS) diffère-t-il du NLP généraliste ?
L’ingénieur en traitement de la parole est une spécialisation NLP centrée sur la voix. Au quotidien : ASR, reconnaissance vocale — déployer Whisper / Wav2Vec / NeMo pour des pipelines de transcription, ajuster les modèles aux terminologies médicales, juridiques ou de centres d’appels exigeant de la précision, concevoir l’ASR en streaming temps réel (WebRTC, traitement par blocs, détection de fin de parole), distinguer les locuteurs (qui a dit quoi — pyannote / NVIDIA NeMo Speaker), résister au bruit (débruitage et détection d’activité vocale), gérer le multilingue et l’alternance de langues. TTS, synthèse vocale : déployer ElevenLabs / Coqui XTTS / Tacotron / VITS, adapter les voix aux marques, cloner une voix avec XTTS-v2 à partir de 6 secondes d’audio, contrôler la prosodie — intonation, rythme, émotion —, produire une TTS multilingue et en streaming à faible latence. Agents vocaux, en essor depuis 2024 : associer ASR + LLM + TTS dans un pipeline à faible latence, visant une réponse <500ms. Vapi / Retell AI / Pipecat sont des frameworks libres émergents. Bases du traitement audio : maîtrise de librosa + soundfile + torchaudio, caractéristiques MFCC, spectrogrammes, fréquences d’échantillonnage, codecs Opus / AAC / WAV. Outils spécialisés : NVIDIA NeMo, framework unifié ASR + TTS ; ESPnet, universitaire et recherche ; SpeechBrain, basé sur PyTorch. API commerciales : AssemblyAI / Deepgram / Speechmatics / OpenAI Whisper API et Realtime API (octobre 2024, agents vocaux) / ElevenLabs / Soundhound. Pour le russe : Yandex SpeechKit, haut de gamme pour STT + TTS russe ; Sber SaluteSpeech, voix bancaire et GigaChat ; STC VoiceKit ; VOSK, libre et hors ligne. Parcours : ingénieur NLP senior intéressé par l’audio avec un portfolio Whisper/Wav2Vec → ingénieur en traitement de la parole junior ou confirmé en 4-8 mois.
Par où commencer en NLP en 2026 ?
Parcours : 1) Bases linguistiques — comprendre morphologie, syntaxe, sémantique et pragmatique pour construire son intuition. Livre : « Speech and Language Processing » de Jurafsky / Martin, 3e édition gratuite en ligne, référence du NLP ; lire les chapitres importants suffit. 2) Python approfondi et bases ML — pandas + scikit-learn + bases de PyTorch. 3) NLP classique — maîtriser spaCy et découvrir NLTK. Créer des pipelines simples : NER, classification de sentiments, modèle thématique BERTopic. Cours spaCy gratuit d’Explosion, ses créateurs. 4) Bases des transformers modernes — comprendre BERT / DeBERTa / T5 et l’ajustement fin. Cours NLP Hugging Face, gratuit et incontournable, meilleure ressource en 2026. 5) Pratique de Hugging Face Transformers — ajuster DeBERTa-v3 sur ses données de classification, T5 sur sa tâche de résumé. 6) Plongements de phrases — sentence-transformers + BGE + E5. Créer une démonstration de recherche sémantique, comprendre MTEB, comparer approche par instructions seules et ajustement fin sur une même tâche. 8) Recherche & classement — approfondir Elasticsearch / OpenSearch hybride BM25 + dense, créer une démonstration de recherche pour la production, reclassement par cross-encoder BGE Reranker. 9) Parcours vocal, facultatif mais valorisé — installer Whisper / faster-whisper, créer transcription et séparation des locuteurs avec pyannote, essayer ElevenLabs TTS et le clonage vocal Coqui XTTS-v2. 10) NLP russe pour les projets concernés — DeepPavlov, modèles préentraînés ruBERT + RuRoBERTa + ruGPT, Natasha pour la NER, pymorphy3 pour la morphologie, USER-bge-m3 pour les plongements russes. 11) Outils d’annotation — Label Studio, standard du secteur en 2026 : créer un projet, annoter un petit jeu de données, entraîner un modèle personnalisé. 12) Méthodologie d’évaluation — métriques classiques BLEU / ROUGE / F1 / WER / MOS et modernes RAGAS / DeepEval. 13) Pratique multilingue si souhaitée — XLM-R + mT5 + NLLB-200, traduction Meta pour 200 langues. 14) Portfolio personnel : a) pipeline NER de production pour un domaine précis, comme l’extraction d’offres d’emploi ; b) recherche sémantique sur des données ouvertes ; c) classification de textes russes avec ruBERT ajusté ; d) agent vocal réunissant ASR + LLM + TTS. Documenter sur GitHub et dans un article. Cours russophones : parcours NLP de Karpov.Courses, Otus NLP, MIPT DLSchool et son module NLP, SkillFactory NLP, parcours NLP School21 de Sber, cours communautaires DeepPavlov. Ressources internationales anglophones : Hugging Face NLP Course, gratuit et incontournable ; Stanford CS224N « NLP with Deep Learning », gratuit sur YouTube et meilleur cours universitaire ; « Speech and Language Processing » de Jurafsky / Martin, PDF gratuit de référence ; « Practical Natural Language Processing » de Vajjala / Majumder / Gupta / Surana, O’Reilly, orienté pratique ; fast.ai Practical Deep Learning Part 2, avec du NLP. Lectures incontournables : « Natural Language Processing with Transformers » de Tunstall / Werra / Wolf, auteurs de Hugging Face, essentiel en 2026, et « Speech and Language Processing » de Jurafsky / Martin. Suivre les publications ACL / EMNLP / NAACL pour un parcours NLP sérieux. Backend senior ou data scientist confirmé intéressé par le NLP → ingénieur NLP junior en 4-10 mois.
Combien d’offres ouvertes cet échantillon contient-il ?
L’échantillon publié contient 35 offres ouvertes après regroupement des republications. C’est le même nombre que dans l’indicateur principal. La section géographique décrit la couverture de l’échantillon ; il ne s’agit pas d’une estimation de l’ensemble du marché.
Quelles compétences faut-il pour un poste senior de ingénieur NLP ?
Un ingénieur NLP senior maîtrise tout le cycle d’ingénierie d’un produit NLP et assure la direction technique. Python approfondi et niveau backend senior : async / typing / FastAPI / pytest. Intuition linguistique : morphologie, syntaxe, sémantique et pragmatique, jusqu’à comprendre pourquoi le modèle se trompe dans un cas complexe. Un diplôme de linguistique n’est pas nécessaire, mais les bases sont essentielles. Maîtrise de Hugging Face Transformers : modèles BERT + T5 + LLM, datasets, tokenizers, PEFT, Accelerate ; ajustement fin LoRA / QLoRA ou complet lorsqu’il est justifié. Maîtrise de spaCy : pipelines NLP de production — NER, POS, analyse en dépendances, composants et matchers personnalisés — et intégration spaCy-transformers. Transformers modernes : DeBERTa-v3, meilleure base pour classification et NER en 2026, famille T5, XLM-R / mT5 / NLLB multilingues ; comprendre attention, tokenisation et stratégies de décodage. Maîtrise des plongements de phrases : sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3, entraînement de plongements personnalisés par perte contrastive et classement à négatifs multiples. Maîtrise de la recherche & du classement : Elasticsearch et OpenSearch avancés, hybride BM25 + dense_vector, analyseurs personnalisés et multilingue ; Vespa pour les pipelines complexes ; entraînement de variantes BGE Reranker. Intégration de LLM pour le NLP : instructions pour NER, extraction et classification, arbitrage entre quelques exemples et ajustement fin, sorties structurées et appels de fonctions. Maîtrise de la parole si concernée : Whisper / Wav2Vec approfondis et adaptés au domaine, séparation des locuteurs pyannote, traitement audio avec librosa + torchaudio, architecture ASR en streaming temps réel, agents vocaux ASR + LLM + TTS à faible latence. Expertise multilingue et langues peu dotées : transfert interlingue XLM-R / mT5, augmentation des données et méthodologie d’évaluation multilingue. NLP russe si nécessaire : DeepPavlov, Natasha avancé, tokenisation et morphologie adaptées au russe. NLP classique : fonctionnement de TF-IDF + BM25, Word2Vec / GloVe / FastText, analyse syntaxique en dépendances, CRF pour l’étiquetage de séquences ; comprendre quand ces méthodes dépassent les LLM en coût, latence ou explicabilité. Maîtrise des outils d’annotation : Label Studio avancé, Argilla adapté aux LLM, Prodigy dans l’écosystème spaCy. Maîtrise de l’évaluation : métriques classiques BLEU + ROUGE + METEOR + chrF + F1 + perplexité + WER + MOS ; outils modernes RAGAS + DeepEval + COMET pour la traduction ; conception d’évaluations humaines. Conception de systèmes NLP : concevoir au tableau un pipeline à grande échelle, plus de 100M textes/jour, budgets de latence avec cible P95 en temps réel, optimisation des coûts par cache, traitement par lots et routage intelligent. Compétences relationnelles : ADR pour les décisions d’architecture NLP, documentation technique des fonctionnalités et rapports d’évaluation, collaboration avec Produit / Backend / DS / Linguistes, mentorat des ingénieurs confirmés, lecture régulière des publications ACL / EMNLP / NAACL et Interspeech pour la parole. L’anglais est indispensable à partir du niveau senior : communauté, documentation, publications et conférences NLP sont anglophones. Atout facultatif : contribuer à Hugging Face / spaCy / DeepPavlov / sentence-transformers accroît nettement la valeur sur le marché.
Laisser une demande
Décrivez la tâche et laissez un contact : la demande arrive dans notre CRM et nous répondons au contact indiqué.