TL;DR : Une PME lyonnaise de 35 salariés a recruté un ML Engineer confirmé à Madagascar pour 900 € HT/mois, contre l'équivalent chargé de 43 500 €/an pour un poste comparable en France, et mis en production son moteur de prévision de la demande en 10 semaines.
Le problème : des ruptures de stock que personne ne voyait venir
NextStock édite un logiciel de gestion des stocks pour des e-commerçants de taille moyenne. 35 salariés, un produit qui fonctionne, des clients qui grossissent vite. Le souci n'était pas technique au sens strict : c'était l'absence d'un module de prévision de la demande. Les clients de NextStock commandaient leur réassort au feeling, avec des tableurs Excel bricolés, et enchaînaient ruptures de stock et surstocks selon les saisons. Un client avait perdu 40 000 € de ventes sur un seul mois de soldes faute d'avoir anticipé la demande.
La CTO de NextStock, Claire, savait exactement ce qu'il fallait construire : un moteur de prévision basé sur l'historique de ventes, la saisonnalité et les tendances de recherche. Le problème n'était pas la vision produit. C'était l'exécution : personne dans l'équipe de six développeurs n'avait de compétences ML de production, et le budget ne permettait pas d'ouvrir un poste à plein tarif parisien.
Pourquoi une PME de 35 salariés ne peut pas se permettre un ML Engineer parisien
En France, un recrutement en CDI pour un poste équivalent démarre à l'équivalent chargé de 43 500 €/an, soit environ 3 625 € par mois, sans compter les frais de recrutement, les trois à six mois de délai avant la première ligne de code utile, et le risque de turnover sur un marché où les profils ML sont particulièrement sollicités. Pour une structure de la taille de NextStock, ce budget représentait un tiers du budget d'ingénierie annuel pour un seul poste — et un pari risqué si le projet n'aboutissait pas dans les délais.
Claire avait déjà entendu parler de l'externalisation de développeurs à Madagascar pour des postes plus classiques, mais elle doutait qu'un marché émergent puisse produire des profils ML de niveau confirmé, capables de tenir un poste en production et pas seulement des scripts de démonstration.
La décision : externaliser plutôt que recruter en local, ou abandonner le projet
Le choix pour NextStock n'était pas entre "recruter en France" et "externaliser à Madagascar". C'était entre "externaliser" et "ne jamais lancer le projet". Face à ce constat, Claire a pris contact avec Aurysse en février 2026 pour évaluer un ML Engineer offshore niveau confirmé, avec un cahier des charges précis : maîtrise de Python, expérience de mise en production de modèles (pas seulement de notebooks Jupyter), et une bonne compréhension des séries temporelles.
Le tarif proposé, 900 € HT/mois, management inclus, représentait environ un quart du coût chargé d'un recrutement local équivalent — cohérent avec le ROI de 50 à 70 % généralement observé sur ce type de mission externalisée.
Semaines 1 à 4 : cadrage, sélection du profil et onboarding
La première semaine a servi à cadrer le besoin technique avec l'équipe Aurysse : quel volume de données historiques, quelle stack (Python, scikit-learn, puis une possible migration vers un modèle plus sophistiqué), quel niveau d'autonomie attendu. Trois profils ont été présentés à Claire en semaine deux ; elle en a retenu un après deux entretiens techniques menés directement avec son équipe.
L'onboarding a démarré en semaine trois : accès aux données de vente anonymisées d'un client pilote, point quotidien de 15 minutes avec le lead développeur de NextStock, et un objectif clair pour la fin du mois : un premier modèle de prévision fonctionnel sur un seul client pilote, même imparfait.
Semaines 5 à 10 : construction du moteur de prévision
Le rythme de travail s'est calé sur celui de l'équipe produit de NextStock, avec un décalage horaire d'une heure seulement entre Lyon et Antananarivo — un point que Claire n'avait pas anticipé et qui a évité les frictions habituelles des équipes offshore situées à sept ou huit fuseaux horaires de distance. Le modèle de prévision a été affiné sur cinq semaines : premier prototype basé sur des moyennes mobiles pondérées par la saisonnalité, puis intégration de variables externes (jours fériés, promotions passées), enfin un modèle de gradient boosting entraîné sur douze mois d'historique.
Le déploiement en production s'est fait progressivement, client pilote d'abord, puis extension à cinq autres comptes après validation des premiers résultats.
Les résultats après trois mois d'exploitation
Trois mois après la mise en production, le client pilote de NextStock a réduit ses ruptures de stock de moitié sur les références à forte rotation. Le module de prévision est désormais un argument de vente pour NextStock auprès de nouveaux prospects — ce qui n'était pas l'objectif initial, mais s'est révélé être le bénéfice le plus visible pour Claire. Le ML Engineer recruté via Aurysse est toujours en mission chez NextStock, désormais en charge de l'extension du modèle à la prévision de la demande fournisseur.
Coût total de la mission sur douze mois : 10 800 € HT, contre un budget initial de plus de 43 000 € chargés pour une embauche locale équivalente — sans même compter le délai de recrutement que NextStock n'avait pas les moyens d'absorber.
Questions fréquentes
Combien coûte un ML Engineer offshore à Madagascar ?
Les tarifs Aurysse pour un profil ML Engineer vont de 408 € HT/mois pour un profil junior à 1 500 € HT/mois pour un profil senior, management inclus. Le tarif exact dépend du niveau de séniorité et de la complexité du projet.
Un ML Engineer malgache a-t-il vraiment le niveau pour un projet en production ?
Les profils sélectionnés par Aurysse sont qualifiés sur des critères précis : expérience de mise en production de modèles, pas seulement de prototypage, et maîtrise des outils standards du marché. Le cas de NextStock illustre un profil confirmé, capable de tenir un poste de bout en bout avec un accompagnement management inclus.
Combien de temps faut-il pour recruter et démarrer une mission ML Engineer via Aurysse ?
Dans le cas de NextStock, trois semaines ont suffi entre le premier contact et le démarrage effectif de la mission, avec une présentation de profils dès la deuxième semaine.
Le décalage horaire avec Madagascar pose-t-il un problème pour une équipe française ?
Non : Madagascar est à seulement une heure de décalage avec la France métropolitaine, ce qui permet un travail synchrone quasi complet avec l'équipe française, contrairement à des équipes offshore situées en Asie ou en Amérique latine.
Quelle est la différence entre un ML Engineer et un data analyst externalisé chez Aurysse ?
Un data analyst se concentre sur l'analyse et le reporting de données existantes. Un ML Engineer conçoit et met en production des modèles prédictifs destinés à être intégrés dans un produit, avec des exigences de fiabilité et de maintenance propres à un environnement de production.
Pour évaluer si un profil ML Engineer externalisé correspond à votre projet, un échange de 20 minutes suffit généralement à cadrer le besoin : calendly.com/aurysse/20min.
