English version will follow.
Nous recrutons !Poste : Développeur.euse en optimisation appliquée
Localisation : Montréal
Date de début : Mai 2026
Type : Temps plein
Pourquoi ce poste est important pour nous
Notre mission est de rendre la production pharmaceutique plus efficace pour que chaque médicament soit fabriqué à temps. Notre solver est au cœur de ça. Il orchestre des décisions complexes dans des environnements GMP réels, et il doit maintenant passer à l'échelle pour servir plusieurs clients en parallèle.
On ne cherche pas quelqu'un pour exécuter des tâches. On cherche quelqu'un qui devient co-propriétaire de notre moteur d’optimisation. Quelqu’un qui comprend l'architecture en profondeur, qui challenge les choix de modélisation, et qui rend le modèle générique, robuste et maintenable à long terme.
Vos responsabilités
- Lire, comprendre et contribuer activement à la modélisation des contraintes
- Co-concevoir l'architecture du solver pour qu'il soit modulaire, générique et déployable multi-clients
- Challenger les choix de modélisation: approches alternatives, trade-offs robustesse/performance, explicabilité
- Écrire du code de qualité industrielle : tests unitaires, documentation, versioning propre, revues de code
- Comprendre suffisamment le domaine (planification pharma, scheduling complexe) pour proposer des contraintes et objectifs pertinents
- Contribuer à la feuille de route technique du solver avec l'équipe produit
- Faire une veille technologique pour tout ce qui touche l’optimisation mathématique
Ce qui fait un excellent candidat
Indispensable :
- 5 ans ou plus d'expérience en recherche opérationnelle industrielle ou en SaaS entreprise
- Solide bagage en optimisation combinatoire : CP-SAT, MIP, heuristiques, scheduling de type FJSP de façon à comprendre les fondements théoriques ET sait les implémenter
- Solides bases en génie logiciel : code propre, testable, maintenable (orienté objet, prêt pour la production, pas du scripting)
- Expérience en livraison de code d'optimisation en production (pas uniquement académique)
- Bonnes pratiques de développement : Git, CI/CD, tests automatisés, revue de code
Atout :
- Expérience avec OR-Tools (CP-SAT), Gurobi ou CPLEX
- Connaissance du domaine manufacturing / scheduling / planification de production
- S'intéresse aux outils IA, pas juste comme outil de productivité, mais comme vecteur d'innovation
- Maîtrise ou doctorat en optimisation, recherche opérationnelle, génie industriel ou informatique, ou expérience équivalente démontrée en contexte industriel.
Comment on travaille, et à quoi on s'attend:
Chez Kaster, nos valeurs ne sont pas décoratives, c’est notre framework pour décider ensemble:
- Prendre l’ownership: Tu te responsabilises du résultat, pas de la tâche. Tu bouges vers le problème.
- La rigueur: Tu comprends avant de conclure. Le standard, c'est du travail dont tu es fier de signer ton nom.
- Le mindset d’un.e Pioneer: Tu travailles dans une industrie qui bouge lentement par design. Tu te poses les questions que les autres ont arrêté de poser. Tu bouges quand même.
- La transparence: Tu nommes la réalité, les blocages, les trade-offs. Les bonnes décisions naissent de la clarté.
- L’autonomie collaborative: Tu sais quand décider seul et quand amener l’équipe avec toi.
- Le pragmatisme: Tu ne laisses pas le mieux être l'ennemi du bien.
Ce que vous obtiendrez
- Impact mesurable. Ton travail se traduit directement en capacité récupérée sur des lignes de production réelles, chez de vrais fabricants de médicaments. Derrière chaque unité produite, un patient.
- Co-propriété technique. Tu façonnes directement l'architecture de notre solver, pas seulement de nouvelles fonctionnalités.
- Accès direct aux décisions. Petite équipe senior, aucun silo. Tu travailles avec le fondateur et l'équipe produit directement.
- Confiance et autonomie. On te fait confiance pour prendre en charge de “ce qu’on a besoin” à “voici la solution”.
- Un terrain de jeu technique exigeant et excitant. Du scheduling multi-contraintes, multi-objectif, multi-facet. Du contexte unique et des visites d’usines. Des gens passionnés et des clients heureux. Des données imparfaites pleinnes d’opportunités. Rien ici n'est trivial.
Kaster Technologies est une entreprise montréalaise. Notre vision : un monde où aucun patient n'attend un médicament qui existe déjà.
---
We're Hiring!Role: Applied Optimization Developer
Location: Montreal
Start Date: May 2026
Type: Full-time
Why this role matters to us
Our mission is to make pharmaceutical manufacturing more effective so every medicine gets made on time. Our solver is at the heart of that. It orchestrates complex decisions in real GMP environments, and it now needs to scale to serve multiple clients in parallel.
We're not looking for someone to execute tasks. We're looking for someone who becomes co-owner of our optimization engine. Someone who understands the architecture deeply, challenges modeling decisions, and makes the model generic, robust, and maintainable for the long term.
Your responsibilities
- Read, understand, and actively contribute to constraint modeling
- Co-design the solver architecture to be modular, generic, and deployable across multiple clients
- Challenge modeling choices: alternative approaches, robustness/performance trade-offs, explainability
- Write production-grade code: unit tests, documentation, clean versioning, code reviews
- Develop enough domain knowledge (pharma planning, complex scheduling) to propose relevant constraints and objectives
- Contribute to the solver's technical roadmap with the product team
- Stay current on everything touching mathematical optimization
What makes an excellent candidate
Required:
- 5+ years of experience in industrial operations research or enterprise SaaS
- Strong background in combinatorial optimization: CP-SAT, MIP, heuristics, FJSP-type scheduling, understanding the theoretical foundations AND able to implement them
- Solid software engineering fundamentals: clean, testable, maintainable code (object-oriented, production-ready, not scripting)
- Experience shipping optimization code to production (not only academic)
- Strong development practices: Git, CI/CD, automated testing, code review
Nice to have:
- Experience with OR-Tools (CP-SAT), Gurobi, or CPLEX
- Background in manufacturing / scheduling / production planning
- Genuine interest in AI tools, not just as a productivity aid, but as a vector for innovation
- Master's or PhD in optimization, operations research, industrial engineering, or computer science, or equivalent demonstrated experience in an industrial context
How we work, and what we expect:
Here's how we think, you'll recognize yourself in some of this, or you won't, and that's useful to know.
- Ownership: You hold yourself accountable for the outcome, not the task. You move toward the problem.
- Rigor: You understand before you conclude. The standard is work you're proud to put your name on.
- Pioneer Mindset: You work in an industry that moves slowly by design. You ask the questions others have stopped asking. You move anyway.
- Transparency: You name reality, blockers, trade-offs. Good decisions come from clarity.
- Collaborative autonomy: You know when to decide alone and when to bring the team with you.
- Pragmatism: You don't let perfect be the enemy of good.
What you'll get
- Measurable impact. Your work translates directly into capacity recovered on real production lines, at real pharmaceutical manufacturers. Behind every unit produced, a patient.
- Technical co-ownership. You directly shape the architecture of our solver, not just new features.
- Direct access to decisions. Small senior team, no silos. You work directly with the founder and the product team.
- Trust and autonomy. We trust you to take ownership from \"here's what we need\" to \"here's the solution.\"
- A technically demanding and exciting playground. Multi-constraint, multi-objective, multi-facet scheduling. Unique context and factory visits. Passionate people and happy clients. Imperfect data full of opportunities. Nothing here is trivial.
Kaster Technologies is a Montreal company. Our vision: a world where no patient waits for a medicine that already exists.