Find your next tech and IT Job or contract Python

Contexte de la mission Notre objectif est de transformer notre stratégie de pricing grâce à la donnée et à l'intelligence artificielle. Nous voulons passer d'une tarification traditionnelle à une tarification dynamique, plus intelligente et prédictive, capable d'équilibrer la rentabilité de l'entreprise et la perception de la valeur par nos clients. Pour porter cette ambition, au sein de notre équipe digital data Pricing nous concevons, développons et industrialisons les algorithmes et les produits Data qui piloteront nos prix de manière proactive et agile. Objectifs et livrables Le consultant interviendra sur un scope large, allant de l'analyse exploratoire à la mise en production (MLOps). Les chantiers majeurs identifiés pour les prochains mois sont : • Élasticité Prix: Optimisation des algorithmes d'élasticité prix existants, avec un focus majeur sur la modélisation pour le lancement de nouveaux produits. • Moteur de Promotion : Développement d'un algorithme d'optimisation des campagnes promotionnelles. • Tarification Dynamique : Analyses exploratoires préliminaires et formulation de propositions pour un moteur d'aide à la décision (Dynamic Pricing “home-made”). • Industrialisation & MLOps : Optimisation des modèles existants, intégration de nouvelles sources de données, APIzation et automatisation des pipelines (Ops). • Agent amélioration : Contribution sur notre agent pricing. • Monitoring : Mise en place d'un tracking robuste de la performance des modèles et de la qualité de la donnée. Nous recherchons un profil hybride et autonome, capable de naviguer entre la vision produit et la technique. Hard skills: • Core Tech : Maîtrise avancée de Python et de son écosystème Data Science / ML (Pandas, Scikit-Learn, TensorFlow/PyTorch). • ML Engineering & MLOps : Expérience solide en mise en production d'algorithmes à grande échelle, packaging de modèles, CI/CD (Git) et industrialisation d'API. • Data & Cloud : Pratique des environnements Cloud (AWS / Databricks appréciés) et manipulation de gros volumes de données (Spark, dbt). Soft skills: • Product Ownership & Proactivité : Capacité à creuser le besoin métier, clarifier les exigences et proposer des solutions concrètes sans attendre un cahier des charges figé. • Leadership technique : Autonomie pour piloter des sujets de bout en bout et interagir avec des interlocuteurs variés (équipes Data, Tech et Métier). • Langues : Anglais courant indispensable. Une expérience préalable ou un fort background sur des problématiques de Pricing (élasticité, yield management, optimisation de marge) sera grandement valorisée.

Dans le cadre de la sécurisation de ses systèmes d'IA générative, un grand compte recherche un AI Red Teamer pour tester la robustesse de ses applications basées sur les LLM face aux attaques et détournements. Le consultant interviendra notamment sur : ▪ La conduite de tests offensifs sur les applications IA : prompt injection, jailbreak, extraction de données sensibles, contournement des garde-fous ▪ L'évaluation de la robustesse des systèmes agentiques : détournement d'outils, escalade de privilèges via les agents ▪ L'analyse des risques de fuite de données à travers les modèles et les architectures RAG ▪ La documentation des vulnérabilités identifiées et la formulation de recommandations de remédiation ▪ La contribution à la définition des garde-fous : filtres, validation des entrées/sorties, supervision ▪ La mise en place de campagnes de tests récurrentes et l'outillage associé ▪ La veille sur les nouvelles techniques d'attaque des systèmes IA

Vous intégrerez l'équipe Transformation, Data & Innovation. L'équipe conçoit des solutions Data et Intelligence Artificielle permettant d'améliorer la connaissance client, l'efficacité opérationnelle et la performance commerciale : analyse automatisée de l'actualité, détection d'insights, recommandations, prédictions et pilotage de la performance. Missions principalesConcevoir et développer des solutions de Machine Learning, NLP et Deep Learning. Développer des applications basées sur l'IA générative et l'IA agentique. Concevoir des architectures RAG et des systèmes multi-agents avec LangGraph. Intégrer et exploiter des modèles LLM, RLM et SLM. Mettre en œuvre des techniques NLP : embeddings, Transformers, BERT, NER et recherche sémantique. Développer des modèles de régression, classification, clustering, détection d'anomalies, recommandation et séries temporelles. Réaliser l'adaptation et l'optimisation des modèles via le transfer learning et le fine-tuning. Construire et interroger des bases vectorielles et des moteurs d'indexation tels qu'Elasticsearch et FAISS. Évaluer, superviser et améliorer les performances des solutions RAG et agentiques. Industrialiser les modèles et assurer leur suivi avec Dataiku et MLflow. Développer des prototypes et interfaces de démonstration avec Gradio ou Streamlit. Participer à la mise en place de solutions d'IA responsables, explicables et maîtrisant les risques de biais. Collaborer avec les équipes métiers afin de traduire leurs besoins en solutions Data et IA concrètes. Assurer une veille technologique et proposer des cas d'usage innovants.

Dans le cadre de la transformation et de l'industrialisation de ses processus, une grande organisation recherche un Développeur IA technico-fonctionnel pour intégrer des solutions d'intelligence artificielle, de machine learning et d'automatisation au sein de ses outils et applications métiers existants. Le consultant interviendra notamment sur : ▪ Le développement et l'intégration d'APIs permettant l'orchestration des processus métiers ▪ La conception et la mise en œuvre de solutions IA intégrées aux outils existants : classification automatique, assistance à la rédaction, catégorisation ▪ La création et l'optimisation de prompts adaptés aux cas d'usage applicatifs ▪ La mise en œuvre et l'ajustement de modèles de machine learning (classification, clustering) ▪ L'intégration des solutions IA aux processus et outils en place, dans le respect de la sécurité des données ▪ La définition et le suivi d'indicateurs de performance des solutions développées ▪ Le cadrage des besoins, la définition des cas d'utilisation, la contribution aux scénarios de test et à la recette ▪ La collaboration avec les équipes de développement, production, métiers et MOA

Dans le cadre d'un projet Data, vous rejoindrez une équipe intervenant sur des problématiques de Data Science, Machine Learning et traitement de données à grande échelle. L'objectif de la mission sera notamment de contribuer à la préparation, l'analyse et la transformation des données, au développement de modèles statistiques et de Machine Learning, ainsi qu'à leur intégration dans des workflows reproductibles et industrialisés. Vos principales missions : Collecter, nettoyer, transformer et analyser des données. Réaliser des analyses statistiques et exploratoires. Concevoir des variables pertinentes et effectuer du feature engineering. Développer, entraîner et évaluer des modèles de Machine Learning. Exploiter des données à l'aide de Python et SQL. Participer au traitement de données volumineuses avec Spark / PySpark. Contribuer à la mise en place de pipelines de traitement et à leur industrialisation. Utiliser Git / GitLab CI/CD dans un environnement de développement collaboratif. Documenter les travaux réalisés et communiquer les résultats auprès des différentes parties prenantes.

Le consultant interviendra sur l'ensemble du cycle de vie des solutions AI/ML, de l'identification des cas d'usage jusqu'à la mise en production, avec un fort enjeu de sécurité, scalabilité et industrialisation. Missions principales : - Identifier, analyser et prioriser les cas d'usage AI/ML appliqués à la cybersécurité et à l'IAM. - Développer des modèles de Machine Learning permettant de détecter les comportements utilisateurs anormaux, les schémas d'accès suspects et les potentielles menaces de sécurité. - Concevoir, tester et déployer des modèles AI/ML scalables intégrables aux plateformes de cybersécurité. - Développer des solutions AI, LLM et Advanced Analytics. - Concevoir et optimiser les prompts, les sorties structurées et les mécanismes d'évaluation des modèles. - Mettre en place le monitoring et l'évaluation des solutions AI/ML. - Industrialiser les modèles et solutions analytiques jusqu'à leur mise en production. - Garantir la qualité, la maintenabilité, les tests et l'intégration continue. - Prendre en charge les projets de bout en bout, de la phase de découverte jusqu'à la livraison. - Collaborer avec les équipes Engineering, Cybersécurité et métiers.

Dans le cadre de l'accélération de l'intelligence artificielle au sein d'un grand groupe bancaire, nous recherchons un AI Engineer confirmé pour transformer des opportunités Gen-AI en solutions concrètes, robustes et mesurables, intégrées aux processus métiers dans un environnement exigeant (sécurité, conformité, données sensibles). Le consultant interviendra de bout en bout, du cadrage métier jusqu'à l'industrialisation des solutions en production. Il sera notamment amené à : ▪ Concevoir des architectures IA end-to-end et sélectionner les modèles adaptés aux cas d'usage ▪ Arbitrer entre performance, coût et robustesse ▪ Concevoir et développer des solutions basées sur les LLM et les agents IA (RAG, orchestration multi-agents) ▪ Industrialiser à l'échelle : mise en production de solutions robustes (CI/CD, monitoring, auditabilité) ▪ Structurer les outils de pilotage et optimiser les coûts ▪ Intégrer les solutions IA aux processus et outils métiers existants

Vos principales responsabilités incluront : * Concevoir, implémenter et gérer des infrastructures cloud robustes et évolutives sur Google Cloud Platform (GCP). * Déployer et opérer des applications conteneurisées sur Google Kubernetes Engine (GKE). * Mettre en œuvre et maintenir des pipelines CI/CD avec GitLab. * Développer et maintenir l'infrastructure as Code (IaC) à l'aide de Terraform. * Assurer la surveillance (Monitoring) proactive de nos systèmes et applications, et mettre en place des alertes pertinentes. * Optimiser la sécurité de nos environnements GCP (IAM, VPC, Firewalls, Routage). * Travailler en étroite collaboration avec les équipes de développement pour garantir la fluidité des déploiements et l'opérabilité des applications. * Contribuer à l'amélioration continue de nos pratiques DevOps et à l'adoption de nouvelles technologies.

Nous cherchons à intégrer un Ingénieur QA automatisation RobotFramework (F/H) pour renforcer nos équipes QA en région toulousaine. Notre Ingénieur QA Automaticien travaillera dans un contexte Safe avec une organisation en train et équipes agiles (Kanban, Scrul, DevTeam Safe). Ainsi, vos missions seront : Contribuer au bon déploiement des releases Contribuer à la définition de la stratégie de tests incluant la stratégie d'automatisation Définir le processus d'automatisation des tests via RobotFramework. Concevoir et exécuter les campagnes de tests manuels et automatisés Elaborer les jeux de données Rédiger les plans de tests fonctionnels et d'automatisation, les scénarii et cas de test Comprendre et anticiper les scénarios à automatiser sur des tests fonctionnels et non fonctionnels. Estimer la charge de test de son périmètre à automatiser Rédiger les scripts d'automatisation Développer, mettre à jour et maintenir les tests automatisés Reporter l'avancement des cas de test sous Xray Remonter des anomalies rencontrées sur Jira Rédiger les rapports de tests Participer aux comités de validation (GO/NO GO) Contribuer à des ateliers de partage et de retours d'expériences.

ContexteL'objectif principal de ce rôle est d'assurer la stabilité et la disponibilité des applications en intervenant sur les incidents de niveau 2 et 3. Vous serez le pont entre les équipes métiers/utilisateurs et les équipes de développement. Votre mission sera de diagnostiquer l'origine des dysfonctionnements en analysant le code et les logs, et de proposer (ou implémenter) des correctifs. MissionsAnalyse et résolution d'incidents Diagnostic technique : analyse des remontées d'incidents, reproduction des bugs et identification de la cause racine (Root Cause Analysis). Analyse de logs : exploration des fichiers de logs, des traces d'erreurs et des outils de monitoring pour l'isolation du composant défaillant. Débogage : analyse du code source pour la compréhension des comportements anormaux. Résolution : application de correctifs d'urgence (hotfixes) et élaboration de spécifications techniques destinées à l'équipe de développement pour la correction des bugs. Maintenance et amélioration Optimisation : identification des erreurs récurrentes et proposition d'améliorations de code pour la réduction de la dette technique et du nombre d'incidents. Observabilité : amélioration de la stratégie de logging (ajout de logs pertinents) pour la facilitation des diagnostics futurs. Documentation : rédaction et mise à jour de la base de connaissances (Knowledge Base) pour la capitalisation des résolutions d'incidents. Coordination Interface technique : communication avec les équipes de développement pour le déploiement des correctifs. Suivi : suivi des tickets d'incidents jusqu'à leur clôture complète.