Find your next tech and IT Job or contract Scikit-learn

📍 Marseille (13) · Hybride, 2 jours par semaine sur site · Démarrage octobre 2026 · CDI Qui sommes-nous ? Visian Azur, filiale du Groupe Neurones, est un cabinet de conseil spécialisé en Data et Intelligence Artificielle, implanté à Marseille. Nous accompagnons de grands comptes de la région sur leurs projets data les plus ambitieux. Vos missions Vous concevrez et intégrerez deux modules spécialisés au sein d'un framework agentique de recherche et d'expérimentation en Machine Learning. Module Event Forecasting : intégrer des événements externes dans des prévisions de séries temporelles. Découvrir et représenter les événements, modéliser leur probabilité, date, durée, intensité, direction, incertitude et impact Construire des scénarios (sans événement, central, optimiste, pessimiste, stress) à partir de méthodes statistiques, ML et Deep Learning Garantir l'absence de fuite temporelle en tenant compte strictement de la date de publication des données Valider les résultats par des tests placebo, des backtests événementiels et une comparaison à un modèle de référence sans événements Module IoT et détection de pannes : maintenance prédictive sur les données capteurs de sites industriels connectés. Détecter précocement les anomalies et les signaux précurseurs de panne Estimer la probabilité de panne et la durée de vie utile restante (RUL) Traiter des séries temporelles multivariées réelles : données manquantes, bruit, changements de régime Mobiliser des approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie Assurer la généralisation à de nouveaux équipements et produire des alertes explicables et hiérarchisées Transverse Définir les protocoles expérimentaux, jeux de tests et modèles de référence Produire un code versionné, testé et documenté, avec guide de prise en main Présenter régulièrement les résultats et assurer le transfert de connaissances aux équipes internes

Au sein d'une équipe dédiée à la gestion et à la valorisation des données techniques, vous intervenez sur des problématiques à la fois Data, Data Quality et Intelligence Artificielle. Votre objectif sera notamment de contribuer à l'industrialisation de la mesure de la qualité des données, à l'enrichissement des outils d'exploitation et au développement de premiers cas d'usage IA à forte valeur métier. Vos principales responsabilités Data Quality et fiabilisation des données Analyser et qualifier les besoins métiers liés aux données. Contribuer à l'industrialisation des indicateurs de qualité, complétude et importance des données. Identifier les données manquantes, incomplètes ou incohérentes. Définir et mettre en œuvre des actions de mise en qualité des données. Développer des scripts, outils ou programmes spécifiques pour automatiser les traitements. Réaliser des contrôles, analyses et mises à jour de données. Participer à la gouvernance et au suivi de la qualité des données. Développement de cas d'usage IA Vous participerez à l'étude et à la mise en œuvre de plusieurs cas d'usage autour de l'IA : Complétude et enrichissement des données Exploiter des corpus documentaires hétérogènes : PDF, rapports, plans, tableaux, archives ou documents numérisés. Extraire et classifier automatiquement les informations pertinentes. Rapprocher les informations extraites avec les modèles de données existants. Identifier les champs manquants ou incohérents. Proposer des valeurs candidates accompagnées de leur source et d'un niveau de confiance. Mettre en place des mécanismes de validation métier avant intégration. Aide à l'estimation des travaux Analyser les données historiques disponibles. Identifier les variables explicatives pertinentes. Étudier différentes approches statistiques et Machine Learning. Comparer les estimations produites aux données réellement observées. Concevoir des restitutions permettant aux experts métiers de comprendre et challenger les résultats. Assistance à la rédaction de rapports Étudier des solutions d'assistance intelligente à la saisie et à la rédaction. Mettre en œuvre des fonctionnalités de structuration automatique. Contribuer à la classification des informations. Détecter les incohérences. Étudier les possibilités de transcription et d'exploitation de contenus multimédias. Garantir que l'IA reste une aide à la formalisation et ne génère pas de données techniques non fournies par l'expert. Pilotage et accompagnement Vous serez également amené(e) à : Étudier les leviers d'intégration des solutions IA dans les processus existants. Piloter la mise en œuvre des solutions et suivre leur avancement. Définir des indicateurs permettant d'évaluer les performances des modèles et traitements. Participer aux échanges avec les équipes métiers et techniques. Préparer les points de suivi et contribuer à la documentation des travaux. Accompagner la gouvernance et l'évolution des modèles de données

Au sein du pôle digital d'un grand groupe international, vous rejoignez l'équipe d'optimisation des parcours clients digitaux dans le cadre de son renforcement. L'objectif est de développer des modèles analytiques avancés pour optimiser les parcours clients, améliorer la conversion, personnaliser l'expérience digitale et maximiser la performance des actions marketing et opérationnelles. Vous interviendrez au cœur des sujets clés de l'équipe : Clustering et segmentation comportementale : segmenter les utilisateurs selon leur navigation, leurs transactions et leurs usages digitaux, et identifier personas, micro-segments, intentions et points de friction. Systèmes de recommandation : concevoir des recommandations personnalisées de contenus et de services additionnels selon une approche hybride (collaborative, contenu et séquentielle). Modèles prédictifs : prédire la conversion, le churn et la complétion du funnel, prévoir les volumes par étape du parcours et classifier les comportements (drop-off, intention, scoring). Attribution multi-touch : construire des modèles de Markov (1er et 2e ordre) et de Shapley, mesurer le poids de chaque point de contact (email, WalkMe, AB Tasty, notifications, pages clés) et calculer le ROI des actions menées. IA générative et LLM : développer des modèles capables d'interpréter automatiquement les résultats analytiques, de détecter les irritants et de générer des recommandations pour orienter les décisions. COMPÉTENCES TECHNIQUES ATTENDUES Langages : Python avancé (programmation orientée objet), SQL. Data platform : Snowflake, Dataiku DSS (scénarios, job scheduling), notebooks Jupyter. Machine learning : supervisé et non supervisé (K-means…), deep learning, séries temporelles, feature engineering, SHAP. Modélisation marketing : attribution multi-touch (Markov, Shapley), recommender systems, scoring, prédiction de conversion et de churn. IA générative : LLM, NLP, embeddings, classification sémantique.

Nous recherchons un Data Scientist Senior pour rejoindre une équipe Data Science & Analytics et intervenir à 100 % sur un projet stratégique à fort enjeu. La mission combine Data Science, Machine Learning, optimisation, IA Générative et industrialisation, avec une forte proximité avec les équipes métiers dans un environnement international. Missions principalesConcevoir, développer et industrialiser des solutions Data & IA. Cadrer les nouveaux cas d'usage avec les différentes parties prenantes. Extraire, explorer, analyser et transformer des volumes importants de données. Concevoir et entraîner des modèles prédictifs. Développer des pipelines de construction et d'industrialisation des modèles. Travailler sur des problématiques de Machine Learning, clustering, optimisation et Deep Learning. Concevoir et développer des solutions autour des LLM et agents IA. Développer, déployer et monitorer des services Data fiables et capables de passer à l'échelle. Participer aux choix d'architecture et proposer les technologies les plus adaptées. Contribuer aux bonnes pratiques de développement, de déploiement et d'industrialisation. Accompagner les utilisateurs dans l'adoption des solutions développées. Présenter les résultats et recommandations aux équipes techniques et métiers. Environnement techniqueStack principale : Python SQL scikit-learn Machine Learning LLM / GenAI Git Docker S3 Parquet Écosystème complémentaire : Kubernetes GitLab / CI/CD Airflow Kafka Spark Bash Prometheus / Grafana / Loki Kestra Compétences Data ScienceMachine Learning & modèles prédictifs Clustering Statistiques Deep Learning LLM / IA Générative Optimisation / Recherche Opérationnelle Heuristiques Industrialisation et monitoring des modèles

Contexte de la missionDans le cadre du développement de sa stratégie autour de l'Intelligence Artificielle, un grand groupe international recherche un profil expérimenté afin d'accompagner ses initiatives majeures en IA et leur mise en production. Vous interviendrez notamment sur des sujets d'industrialisation, d'architecture, d'innovation et d'accompagnement des équipes techniques et métiers. Vos principales missionsAccompagner les initiatives majeures autour de l'IA : contribuer à leur mise en production et garantir l'industrialisation des modèles dans des environnements scalables, fiables et sécurisés, en collaboration avec les équipes IT et métiers.

Nous recherchons un(e) Quant Junior spécialisé(e) en dérivés exotiques pour intervenir sur des problématiques quantitatives liées aux modèles et aux données de marché. Le consultant devra présenter une forte appétence pour la Data, notamment sur les activités de sourcing, nettoyage et préparation des données de marché. Il/elle participera également aux travaux de calibration, notamment à la définition des fonctions de calibration adaptées aux différentes données de marché. Une bonne compréhension des problématiques liées aux surfaces de volatilité et à leur construction ou calibration est attendue.

ContexteNotre équipe développe des algorithmes de détection d'objets d'intérêt militaire sur images satellites. Pour faire face à une hausse de charge, l'équipe renforce sa squad dédiée au Retraining Kit, un outil qui permettra aux clients de réentraîner certains détecteurs sur leurs propres données et cas d'usage. Le kit s'appuie sur les modules internes de l'AI Factory (préparation des données, lancement et suivi des entraînements, évaluation, packaging du détecteur réentraîné). Le socle technique et le cadrage sont déjà définis. Vous rejoignez une squad pour construire et fiabiliser l'outillage. MissionsDévelopper l'outillage du Retraining Kit en vous appuyant sur les modules existants de l'AI Factory. Adapter les librairies et composants pour un déploiement chez des clients : packaging, suppression des dépendances réseau, images Docker autonomes. Fiabiliser le kit pour un déploiement client : tests de bout en bout, amélioration des workflows, qualité logicielle, documentation d'installation et d'utilisation. Contribuer à la vie de la squad (revues de code, rituels agiles, partage avec les Deep Learning Scientists). Environnement techniquePython, PyTorch, Docker CI/CD Linux, GPU Il n'y a aucune dimension LLM / GenAI sur ce poste dans un premier temps.

developpement un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning, inspiré des approches DS-STAR et MLE-STAR de Google Research. Son architecture repose sur un cœur générique associé à des plugins spécialisés. Le système automatise notamment les activités suivantes : analyse et formalisation du problème ; proposition et priorisation d'expériences ; génération, exécution et correction du code ; validation expérimentale et évaluations rétrospectives ; études d'ablation et sélection robuste des modèles. La mission consiste à faire évoluer ce framework selon deux axes prioritaires, tout en garantissant la qualité scientifique, la reproductibilité des expérimentations et l'intégration des développements dans l'écosystème existant. Objectif 1 — Amélioration du plugin Event Forecasting : Consolider un plugin capable d'intégrer des événements dans les prévisions de séries temporelles, selon un protocole scientifique rigoureux. Les travaux porteront notamment sur : découverte, qualification et représentation structurée des événements ; modélisation de leur probabilité d'occurrence, de leur date de début, de leur durée, de leur intensité, de leur direction, de leur incertitude et de leur impact ; production de scénarios sans événement, central, optimiste, pessimiste et de stress ; intégration de méthodes statistiques, de Machine Learning et de Deep Learning adaptées ; prise en compte stricte de la date de publication des informations afin d'éviter toute fuite temporelle ; mise en place de tests placebo, d'évaluations rétrospectives événementielles et de comparaisons avec un modèle de référence sans événements ; amélioration de la robustesse, de la reproductibilité et de l'interprétabilité des résultats. Objectif 2 — Cas d'usage IoT : détection de pannes : Concevoir et intégrer dans RAFA un plugin dédié aux données IoT et à la maintenance prédictive. Les travaux porteront notamment sur : détection précoce des anomalies et des signaux précurseurs de panne ; estimation de la probabilité de panne et, lorsque les données le permettent, de la durée de vie utile restante ; exploitation de séries temporelles multivariées issues de capteurs, avec gestion des données manquantes, du bruit et des changements de régime ; comparaison d'approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie ; évaluation des modèles selon des protocoles temporels réalistes et mesure de leur capacité de généralisation à de nouveaux équipements ; production d'alertes explicables, hiérarchisées et exploitables par les équipes métier. Livrables attendus : plugins Event Forecasting et IoT intégrés, testés et documentés dans RAFA ; protocoles expérimentaux, jeux de tests, modèles de référence et résultats comparatifs reproductibles ; code source versionné, documentation technique et guide de prise en main ; synthèses des travaux, recommandations et présentation régulière des résultats ; transfert de connaissances vers les équipes internes. Critères de réussite : amélioration mesurable des performances par rapport aux modèles de référence ; absence de fuite temporelle et respect des protocoles de validation définis ; reproductibilité des expérimentations et traçabilité des résultats ; qualité, maintenabilité et intégrabilité du code livré ; appropriation des développements et de la documentation par les équipes internes.

L'équipe travaille sur des algorithmes de détection d'objets d'intérêt stratégique sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler de l'imagerie satellite SAR. La personne intègrera une squad de 5 à 7 personnes. Les missions principales sont: - Développer, entraîner et tester des algorithmes de deep learning partant en production. - Contribuer à la stack d'outils MLOps de l'équipe pour garantir sa viabilité sur le long terme et améliorer la productivité de l'équipe.

Département / Service : Learning & Development & Digitalization Rattachement hiérarchique : Digital Learning Management Temps plein ou 4/5e temps (à discuter avec notre client). Ce rôle nécessite un équilibre entre créativité et compétences techniques afin de garantir une expérience d'apprentissage fluide et engageante. La collaboration, les compétences en résolution de problèmes et un fort intérêt pour les innovations pédagogiques sont essentiels pour réussir à ce poste. Indicateurs clés de performance (KPIs) : · Qualité des contenus d'apprentissage · Taux d'engagement et de participation aux programmes de formation · Fiabilité et disponibilité de la plateforme LMS · Optimisation continue basée sur l'analyse des données Maîtrise des outils & logiciels : · Suite Articulate 360 (Storyline avancé) · Vyond, Synthesia · Adobe Creative Suite · Plateformes LMS / LXP Langues : · Anglais : Courant / Bilingue (C1/C2) · Français : Niveau professionnel Compétences & qualités : · Soft Skills : Gestion de plusieurs projets, communication avec les parties prenantes cross-fonctionnelles, adaptabilité, état d'esprit créatif. · Travail en équipe & Collaboration : Excellentes compétences interpersonnelles, goût pour le travail collaboratif, capacité à fédérer les équipes et à soutenir les initiatives communes. · Résolution de problèmes : Approche proactive pour identifier les points de blocage, esprit critique et état d'esprit innovant afin d'optimiser l'efficacité. · Veille technologique : Suivi régulier des tendances et innovations dans l'EdTech et l'ingénierie pédagogique afin d'intégrer de nouveaux outils et méthodologies. Responsabilités principales : 1. Conception du Digital Learning & Ingénierie pédagogique (60 %) · Production créative : Utiliser des outils avancés de création (Articulate 360, Adobe Creative Suite, Synthesia, Vyond) pour élaborer des storyboards, rédiger des scripts et créer des modules interactifs, des vidéos et des évaluations. · Gestion de projet : Piloter la création des modules et superviser leur réalisation avec des agences externes ou des freelances, en veillant au respect des spécifications du projet. · Alignement pédagogique : Appliquer les théories de l'apprentissage des adultes afin de traduire les besoins métiers en objectifs d'apprentissage mesurables. · Déploiement international : Gérer les processus de traduction et adapter les modules d'apprentissage à un public diversifié et international. 2. Administration LMS & Support opérationnel (30 %) · Gestion de la plateforme : Superviser les opérations quotidiennes du LMS (intégration des contenus, conception des parcours d'apprentissage, inscriptions, résolution des problèmes techniques). · Support utilisateurs : Agir en tant que point de contact technique pour les équipes internes et les administrateurs régionaux afin de maximiser les capacités de la plateforme. 3. Reporting, Données & Analytics (10 %) · Suivi de l'activité : Analyser les données de formation afin de construire des tableaux de bord et des rapports pour la direction. · Amélioration continue : Fournir des recommandations pour optimiser les cours existants sur la base des retours utilisateurs et des données quantitatives. · Temps plein ou 4/5e temps (à discuter avec notre client).

MLOps Engineer – Azure / Cloud & IA – Freelance / 6 mois de contrat initial / Bruxelles Pour le compte d'un client final qui accompagne quotidiennement des millions de particuliers et de professionnels dans toute l'Europe, nous recherchons un(e) des MLOps Engineers Séniors sur environnement Microsoft Azure, afin d'industrialiser et fiabiliser le cycle de vie des modèles d'IA à grande échelle. Informations clés de la mission Type de contrat : Prestation freelance Localisation : Bruxelles (Belgique) Rythme : Temps plein Démarrage : Dès que possible / à convenir Durée : Longue visibilité (contrats renouvelables) Télétravail : Politique hybride flexible (quelques jours sur site à Bruxelles / remote) Environnement : Contexte multiculturel, dynamique et en forte croissance Vos principales responsabilités Concevoir, automatiser et orchestrer les pipelines de bout en bout pour l'entraînement, le packaging, le déploiement et le monitoring des modèles d'apprentissage automatique (ML/DL). Industrialiser les plateformes de Machine Learning sur Azure (Azure Machine Learning, AKS, Databricks). Mettre en œuvre et maintenir les chaînes de CI/CD adaptées aux spécificités de la Data et du ML (GitOps, Azure DevOps / GitHub Actions). Mettre en place des mécanismes avancés de gouvernance, de versioning de données/modèles (MLflow, Feast/feature stores) et de tracking des métriques d'apprentissage. Assurer la surveillance continue des modèles en production (détection de data drift, concept drift, suivi des temps de latence et d'inférence). Collaborer étroitement avec les Data Scientists, les Data Engineers et les équipes d'infrastructure Cloud pour optimiser les performances et les coûts (FinOps).

Au sein de la Direction Technique & Innovation d'un grand groupe bancaire, le centre d'expertise transverse accompagne la transformation digitale des métiers autour du développement, de la Data et de l'Intelligence Artificielle. Rattaché(e) au pôle Assets IA, en charge de la conception de projets pilotes et de produits finis innovants, vous piloterez la phase d'industrialisation du plan IA agentique à l'échelle du groupe. Missions principales Pilotage & Industrialisation : Coordonner et piloter le déploiement multi-entités des solutions d'IA agentique (validation de la sécurité, respect des jalons et plannings, mise en production). Gouvernance & Comitologie : Préparer, animer les comités décisionnels/techniques et rédiger les comptes-rendus pour le management. Animation de communauté : Fédérer et animer la communauté interne autour des sujets liés à l'IA agentique. Résolution de problèmes : Identifier les points de blocage et proposer des solutions adaptées aux contraintes d'architecture et de sécurité.