Find your next tech and IT Job or contract Data science

Le client est un organisme public intervenant sur des activités de collecte, de traitement et de valorisation de données sensibles. Dans ce cadre, il mène des travaux visant à améliorer la qualité et l'automatisation de certains processus internes liés au traitement de documents et de données. La mission s'inscrit dans une phase d'étude et d'expérimentation autour de modèles d'intelligence artificielle appliqués au traitement d'images et de données structurées. L'objectif est d'évaluer la faisabilité technique d'une approche automatisée, dans un environnement nécessitant un haut niveau de confidentialité, de traçabilité et de qualité.

Contexte : L'Analytics Factory conçoit et développe les services analytiques pour fournir aux équipes métier des données et analyses fi ables, soutenant la transformation analytique et la prise de décision dans tous les domaines. Dans le cadre de la modernisation et de la digitalisation de ses points de vente, déploie un système d'audit automatisé des rayons grâce à des caméras installées en magasin. L'objectif stratégique de ce projet est d'internaliser entièrement la chaîne de contrôle automatique des planogrammes personnalisés. L'ambition est de remplacer les audits manuels de rayons, longs et fastidieux, par une analyse continue, automatisée et à grande échelle sur l'ensemble du parc d'hypermarchés Le candidat évoluera sur une architecture moderne basée sur Google Cloud Platform (GCP) Mission : ● Communiquer clairement et effi cacement à l'écrit et à l'oral en français pour des interactions fl uides avec le métier et les équipes ● Analyser les situations et proposer des solutions adaptées tout en identifi ant les axes d'amélioration ● Respecter les délais tout en maintenant des standards élevés de qualité et d'excellence ● Collaborer activement avec les membres de l'équipe, partager les connaissances et favoriser un esprit collectif pour atteindre les objectifs communs ● Appliquer un esprit d'amélioration continue pour optimiser les pratiques et les résultats Livrables : ● Rapport de conformité du rayon construit à partir de photos de ce dernier ● Reconstitution du jumeau numérique des rayons à partir des photos Must Have : ● Concevoir, développer et maintenir des applications et modèles d'apprentissage automatique robustes et scalables avec Python ● Avoir une expérience sur les modèles YOLO, Sam 3 ou DINOv2 Nice to Have : Maîtriser les bibliothèques de manipulation et d'analyse de données : Pandas, NumPy, SciPy ● Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch ● Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables ● Utiliser les plateformes de cloud computing, notamment GCP ou équivalents ● Gérer le versionning des données et des modèles ● Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly ● Gérer les bases de données relationnelles et/ou orientées document ● Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning ● Intégrer les principes de craftsmanship et les bonnes pratiques telles que SOLID, YAGNI et la couverture de tests avec Sonar ● Appliquer les principes d'observabilité pour monitorer et diagnostiquer les applications et modèles ● Participer à toutes les phases du cycle logiciel, de la conception à la mise en production et au run ● Contribuer à l'amélioration continue des pratiques de développement et assurer la qualité, la simplicité et la maintenabilité du code ● Assurer la maintenance et l'évolution des applications et modèles existants ● Appliquer les méthodes agiles, notamment Scrum ● Recherche d'images : Vector Databases pour le matching de produits à grande échelle

Entité : mon client (grand groupe, grande distribution) Site : Île-de-France, hybride (2j/site – 3j TT) TJM max : 420 euros Date de démarrage : ASAP Date de fin : 31/07/2027 Profil recherché : Formation Bac+5 (école d'ingénieur ou université) orientée informatique, ou expérience équivalente. 3 à 7 ans d'expérience en Data Science Python. Une expérience dans le secteur du retail / grande distribution constituerait un avantage. Contexte : L'Analytics Factory de mon client conçoit et développe les services analytiques pour fournir aux équipes métier des données et analyses fiables, soutenant la transformation analytique et la prise de décision dans tous les domaines. Dans le cadre de la modernisation et de la digitalisation de ses points de vente, mon client déploie un système d'audit automatisé des rayons grâce à des caméras installées en magasin. L'objectif stratégique de ce projet est d'internaliser entièrement la chaîne de contrôle automatique des planogrammes personnalisés. L'ambition est de remplacer les audits manuels de rayons, longs et fastidieux, par une analyse continue, automatisée et à grande échelle sur l'ensemble du parc d'hypermarchés. Le candidat évoluera sur une architecture moderne basée sur Google Cloud Platform (GCP). Mission : Communiquer clairement et efficacement à l'écrit et à l'oral en français pour des interactions fluides avec le métier et les équipes. Analyser les situations et proposer des solutions adaptées tout en identifiant les axes d'amélioration. Respecter les délais tout en maintenant des standards élevés de qualité et d'excellence. Collaborer activement avec les membres de l'équipe, partager les connaissances et favoriser un esprit collectif pour atteindre les objectifs communs. Appliquer un esprit d'amélioration continue pour optimiser les pratiques et les résultats. Livrables : Rapport de conformité du rayon construit à partir de photos de ce dernier. Reconstitution du jumeau numérique des rayons à partir des photos. Must Have : Concevoir, développer et maintenir des applications et modèles d'apprentissage automatique robustes et scalables avec Python. Avoir une expérience sur les modèles YOLO, SAM 3 ou DINOv2. Nice to Have : Maîtriser les bibliothèques de manipulation et d'analyse de données : Pandas, NumPy, SciPy. Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch. Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables. Utiliser les plateformes de cloud computing, notamment GCP ou équivalents. Gérer le versionning des données et des modèles. Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly. Gérer les bases de données relationnelles et/ou orientées document. Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning. Intégrer les principes de craftsmanship et les bonnes pratiques telles que SOLID, YAGNI et la couverture de tests avec Sonar. Appliquer les principes d'observabilité pour monitorer et diagnostiquer les applications et modèles. Participer à toutes les phases du cycle logiciel, de la conception à la mise en production et au run. Contribuer à l'amélioration continue des pratiques de développement et assurer la qualité, la simplicité et la maintenabilité du code. Assurer la maintenance et l'évolution des applications et modèles existants. Appliquer les méthodes agiles, notamment Scrum. Recherche d'images : Vector Databases pour le matching de produits à grande échelle.

Organisme de données en France echerche un Data Scientist capable d'intervenir de manière autonome et de travailler en proximité avec les équipes métiers. Le consultant sera amené à collaborer principalement avec les équipes basées à Lyon, tandis que la prestation sera réalisée sur le site à Montrouge. avoir-être: • Rigueur, reproductibilité, travail incrémental et versionné. • Autonomie technique et bonne réceptivité à l'encadrement (points réguliers avec le SSP Lab). • Capacité de restitution écrite et orale en français pour des publics à la fois technique et métier. • Sensibilité aux exigences de la statistique publique : secret statistique, confidentialité, non-exfiltration des données, transparence, reproductibilité, auditabilité des traitements. 3. Prestation attendue • Code source reproductible et documenté dans un dépôt git • Comparer plusieurs modèles et approches : comparaison des performances par type de variable et identification du ou des modèles les plus adaptés au besoin • Evaluation: 1) Concordance entre la sortie du modèle et le fichier de référence FIQUAL (fichier de contrôle qualité) par variable et 2) concordance sur les divergences modèle / FICOD (fichier du prestataire de production) et FIQUAL (fichier de contrôle qualité) / FICOD (fichier du prestataire de production). Métriques de concordance par classe de variable et analyse des types d'erreurs. Score de confiance par variable. • Pipeline produisant une sortie au format du fichier FIQUAL et une comparaison automatique avec le fichier FICOD • Documentation technique, note méthodologique assurant la passation/réappropriation interne par l'Insee.

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,

Entité : mon client (grand groupe, secteur retail / grande distribution) Site : Île-de-France, hybride (2j/site – 3j TT) TJM max : 500 euros Date de démarrage : asap Date de fin : 01/03/2028 Contexte : L'utilisation massive de données, le développement d'approches analytiques rationnelles et le développement de systèmes agentiques d'assistance aux différents acteurs du métier constituent un axe majeur du plan stratégique de mon client à horizon 2030. Le projet « Négociateur Augmenté » vise à fournir aux négociateurs des outils analytiques et agentiques qui leur permettront d'optimiser les accords qu'ils concluent avec les fournisseurs. Mission : Discuter avec les équipes opérationnelles pour identifier leurs besoins et leurs difficultés. Contribuer itérativement au projet Négociateur Augmenté : compréhension des besoins, exploration des données, constitution de datasets, modélisation, conception agentique, développement, revue de code, déploiement, suivi de l'impact, monitoring. Discuter les choix de modélisation, algorithmiques et techniques avec l'équipe ; participer à l'arbitrage le cas échéant. Appliquer les bonnes pratiques afin de faciliter la qualification des sous-projets, les développements itératifs, l'industrialisation des solutions, leur maintenabilité, la mesure et le suivi de leurs performances. Rédiger et présenter les résultats d'expérimentation pour aider à la décision. Compétences : Concevoir, développer, déployer et maintenir des systèmes agentiques. Concevoir, développer et maintenir des applications et modèles d'apprentissage automatique robustes et scalables avec Python. Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning. Nice to Have : Maîtriser les bibliothèques de manipulation et d'analyse de données : Pandas, NumPy, SciPy. Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch. Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables. Utiliser les plateformes de cloud computing, notamment GCP ou équivalents. Gérer le versionning des données et des modèles. Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly. Gérer les bases de données relationnelles et/ou orientées document. Intégrer les principes de craftsmanship et les bonnes pratiques telles que SOLID, YAGNI et la couverture de tests avec Sonar. Appliquer les principes d'observabilité pour monitorer et diagnostiquer les applications et modèles. Participer à toutes les phases du cycle logiciel, de la conception à la mise en production et au run. Contribuer à l'amélioration continue des pratiques de développement et assurer la qualité, la simplicité et la maintenabilité du code. Assurer la maintenance et l'évolution des applications et modèles existants. Appliquer les méthodes agiles, notamment Scrum. Méthodes, organisations et interactions : Communiquer clairement et efficacement à l'écrit et à l'oral en français pour des interactions fluides avec le métier et les équipes. Analyser les situations et proposer des solutions adaptées tout en identifiant les axes d'amélioration. Respecter les délais tout en maintenant des standards élevés de qualité et d'excellence. Collaborer activement avec les membres de l'équipe, partager les connaissances et favoriser un esprit collectif pour atteindre les objectifs communs.

Missions : En tant que formateur, tu seras notamment amené à : Animer des formations autour de la Data Science et du Machine Learning Présenter et vulgariser les principaux concepts et algorithmes de Machine Learning Accompagner les participants dans la mise en pratique à travers des exercices et cas concrets Aborder les différentes étapes d'un projet Data Science : préparation des données, modélisation, entraînement et évaluation des modèles Adapter ton niveau d'explication aux différents profils présents Selon ton expertise, apporter une ouverture sur le Deep Learning et éventuellement la GenAI Des supports de formation peuvent être fournis, l'objectif étant avant tout de trouver un excellent intervenant capable de transmettre son expérience.

Finaliser le développement d'un outil de prévision du trafic aérien. Développer et optimiser les modèles de stimulation de la demande (régressions, corrélations). Finaliser la modélisation de l'indice de qualité de service (QSI) et des calculs de parts de marché. Produire une synthèse consolidée des résultats de simulation. Intégrer la solution dans l'écosystème Data de l'entreprise. Assurer la qualité, la maintenabilité et la mise en production de l'application. Collaborer avec les équipes métiers pour faciliter l'adoption de l'outil.

Pour l'un de nos clients, nous recherchons un(e) Data Scientist titulaire d'un Master et disposant d'au moins 5 ans d'expérience en data science. Le consultant interviendra sur des projets de valorisation de la donnée et d'intelligence artificielle, depuis la conception des modèles jusqu'à leur mise en production. Une solide expertise des services cloud est indispensable, ainsi qu'une excellente maîtrise des principales techniques de data science, de machine learning et d'intelligence artificielle. Le profil devra justifier d'une expérience concrète dans l'industrialisation et le déploiement de modèles ML/IA en environnement de production, en collaboration avec les équipes techniques et métiers. La maîtrise de l'anglais est indispensable. Une présence sur site à Bruxelles est requise au minimum les mardis et jeudis. Merci de communiquer votre TJM tout compris. Seuls les CV rédigés en anglais seront étudiés.

Au sein d'une équipe dédiée à l'intelligence artificielle, vous contribuerez à la conception et à l'industrialisation de solutions d'IA avancées destinées à valoriser les données du système d'information. Vous interviendrez sur l'ensemble du cycle de vie des modèles, depuis la collecte, la préparation et l'analyse des données jusqu'au développement, à l'entraînement, au déploiement et au suivi des modèles de machine learning et d'IA générative en production. Vous participerez également à la définition des capacités IA, à la gestion de la donnée et à la conception d'architectures agentiques basées sur les frameworks LangChain, LangGraph et LangSmith. Dans un environnement international, vous collaborerez avec les équipes Data, MLOps, DevOps et métiers afin de garantir des solutions performantes, sécurisées, auditables et répondant aux exigences de production IT.

GSL EXPERT EPM – DATA SCIENTIST Ingénieur en électronique IFIPS, 20 ans d'expérience en conseil EPM et 8 ans en Data Science. Expert IBM Planning Analytics/TM1, BI et pilotage de projets. Réalisations majeures : CDC (maintenance et évolutions Planning Analytics), Bouygues Telecom (optimisation réseau, détection d'incidents et analyse de données), L'Oréal (application de calcul des coûts logistiques), Hermès (projets Finance et DSI). Compétences : contrôle de gestion, AMOA, reporting, budget, Python, Machine Learning, Elasticsearch, ELK (Kibana, Logstash), Grafana, Tableau, SQL Server, MySQL, GitHub et Visual Studio Code. Certifié Data Scientist ENSAE et IBM TM1. Français et anglais.

Pour le compte d'un acteur majeur du secteur de l'assurance, nous recherchons un consultant Data expérimenté afin d'intervenir sur des sujets de transformation et d'optimisation des traitements décisionnels. La mission s'inscrit dans un environnement data complexe avec des enjeux importants autour de la migration de traitements existants, de la structuration des données et de l'amélioration des outils de reporting. Missions Analyse et reprise de traitements existants sous SAS Migration et optimisation de flux data vers des environnements Python / SAS Contribution à l'évolution du datamart client Structuration, transformation et fiabilisation des données Gestion de problématiques de qualité et de cohérence des données Création et évolution de dashboards sous Tableau Documentation des traitements et accompagnement des équipes métiers et IT

Data science PYTHON GCP Senior 500 e par j ● Concevoir, développer et maintenir des applications et modèles d'apprentissage automatique robustes et scalables avec Python ● Utiliser les plateformes de cloud computing, notamment GCP ou équivalents ● Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning Nice to Have ● Maîtriser les bibliothèques de manipulation et d'analyse de données : Pandas, NumPy, SciPy ● Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch ● Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables ● Gérer le versionning des données et des modèles ● Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly 500 e par j

Dans le cadre d'un programme d'innovation en cybersécurité, nous recherchons un Expert en Intelligence Artificielle Générative pour concevoir, entraîner et évaluer des modèles de langage spécialisés destinés à assister les équipes opérationnelles dans l'analyse des menaces et l'automatisation des processus de sécurité. Le consultant interviendra sur les missions suivantes : Réaliser le fine-tuning de modèles de langage open source (LLM/SLM) sur des jeux de données spécialisés. Concevoir et mettre en œuvre des stratégies d'alignement des modèles afin d'améliorer la qualité des réponses et de réduire les hallucinations à l'aide de techniques de Reinforcement Learning (DPO, PPO, GRPO...). Structurer, préparer et formater les données d'entraînement selon les meilleures pratiques (ChatML, Alpaca, etc.). Développer des pipelines d'évaluation et de benchmarking permettant de mesurer les performances des modèles à l'aide de benchmarks de référence (MMLU, GSM8K, LLM-as-a-Judge...). Collaborer avec les équipes métier et techniques afin de concevoir des solutions IA robustes, performantes et adaptées aux besoins opérationnels. Compétences requises : Expertise en fine-tuning de LLM avec LoRA, QLoRA et frameworks tels que TRL, Unsloth ou Axolotl. Maîtrise des techniques d'alignement et de Reinforcement Learning appliquées aux modèles de langage. Solides compétences en Python et PyTorch. Expérience des méthodologies d'évaluation des modèles d'IA générative. Connaissance des environnements MLOps et des outils de déploiement (Hugging Face Hub, vLLM, Ollama, Triton) appréciée. Une sensibilité aux problématiques de cybersécurité constitue un atout.

Contexte de la mission : Dans le cadre d'un projet d'optimisation logistique, notre client recherche un(e) Consultant(e) en Optimisation de Tournées afin de concevoir une solution performante de planification de tournées de type Pickup & Delivery avec fenêtres temporelles. La mission consiste à développer une approche d'optimisation permettant de générer des tournées réalisables et exploitables, tout en respectant les contraintes opérationnelles définies : ordre de prise en charge avant livraison, fenêtres horaires, capacités des véhicules, durées maximales de tournée et temps d'intervention. Le/la consultant(e) participera également à la structuration des données, à la génération des instances de calcul, au développement d'une heuristique d'optimisation, à l'analyse des ordres non affectés ainsi qu'à la comparaison des résultats avec les solutions existantes. Objectifs et livrables : Le/la consultant(e) sera notamment chargé(e) de : · Structurer et préparer les données nécessaires aux traitements d'optimisation. · Générer les instances de calcul utilisées pour la planification des tournées. · Développer une heuristique d'optimisation adaptée aux problématiques de Pickup & Delivery avec fenêtres temporelles. · Construire des tournées respectant l'ensemble des contraintes métier et opérationnelles. · Analyser les ordres non affectés et proposer des pistes d'amélioration. · Comparer les performances obtenues avec les outils d'optimisation existants. · Suivre et analyser les principaux indicateurs de performance : nombre de véhicules utilisés, distance parcourue, temps de trajet, taux d'utilisation des véhicules, temps d'attente et respect des contraintes métier. · Fournir une solution robuste, lisible, maintenable et adaptée aux besoins opérationnels du projet.

Contexte : Dans le cadre d'un programme de transformation digitale des activités Trésorerie d'un grand groupe international, nous recherchons un(e) Consultant(e) MOA Trésorerie & Reporting Décisionnel disposant de solides compétences en gestion de projet afin d'accompagner le développement de solutions décisionnelles, l'automatisation de reportings et l'optimisation des flux de données issus de plusieurs systèmes de Trésorerie. Vous intervenez en étroite collaboration avec les équipes Métier Trésorerie, les responsables applicatifs et les programmes de transformation pour accélérer la digitalisation des processus de reporting et d'analyse notamment autour de l'Intelligence Artificielle. Vos responsabilités : Recueillir et analyser les besoins métiers auprès des équipes Trésorerie et Finance Rédiger les spécifications fonctionnelles Extraire, transformer et consolider les données provenant de différents systèmes Treasury et Finance Concevoir, développer et maintenir des tableaux de bord et reportings décisionnels Automatiser les traitements actuellement réalisés manuellement Définir et mettre en œuvre des modèles de données adaptés aux besoins métiers Piloter des projets BI/Data de bout en bout Assurer la coordination avec les équipes métiers, techniques et les partenaires externes Garantir la qualité, la fiabilité et la traçabilité des données Participer aux phases de recette, déploiement et conduite du changement Documenter les solutions mises en œuvre et assurer le transfert de compétences