Mission freelance Ingénieur Data / ML Sénior (H/F)

Basée à Lille, Lyon, Nantes, Grenoble et Bruxelles, Insitoo Freelances est une société du groupe Insitoo, spécialisée dans le placement et le sourcing des Freelances IT et Métier. Depuis 2007, Insitoo Freelances a su s’imposer comme une référence en matière de freelancing par son expertise dans l’IT et ses valeurs de transparence et de proximité. Actuellement, afin de répondre aux besoins de nos clients, nous recherchons un Ingénieur Data / ML Sénior (H/F) à Lyon, France.

Contexte :

Contexte :

Dans le cadre de sa stratégie Data et Intelligence Artificielle, notre organisation souhaite renforcer l’équipe Data Science centrale.

Après une première phase de conception et de mise en œuvre de solutions GenAI critiques (Flux & Prestations), nous entrons désormais dans une étape clé d’industrialisation, de stabilisation et de montée en échelle.

Les projets sont à forte visibilité auprès des instances dirigeantes. Ils nécessitent la mise en place de KPIs clairs et fiables pour piloter la valeur business, tout en assurant la robustesse et la pérennité technique des solutions.

Démarrage souhaité : dès que possible.

Les missions attendues par le Ingénieur Data / ML Sénior (H/F) :

Mission :

• Définir, formaliser et mettre en place les KPIs de suivi et de pilotage des solutions GenAI (qualité, performance, volumétrie, business impact).

• Industrialiser les projets GenAI Flux & Prestations avec un focus sur les aspects KPI et pilotage.

• Assurer le support opérationnel et garantir la stabilité, scalabilité et observabilité des pipelines en production.

• Améliorer la qualité, la testabilité et la documentation des pipelines de données.

• Appuyer techniquement l’équipe sur les autres sujets stratégiques de la roadmap (fraude, CEX, data pipelines).

• Encadrer et accompagner les juniors dans la mise en place de bonnes pratiques et de rituels qualité.

Livrables attendus (2 à 4 mois) :

• Mise en place d’un cadre de pilotage par les KPIs pour Flux & Prestations (qualité des données, performance technique, usage et impact business).

• Industrialisation et sécurisation des déploiements GenAI en production.

• Refactoring du code pour séparation Flux / Prestations avec librairie commune.

• Amélioration du logging, traçabilité des erreurs et enrichissement des métriques de suivi.

• Mise en place de tests unitaires/intégration critiques et correction de la CI/CD si nécessaire.

• Documentation technique, rétro-ingénierie des règles existantes et rédaction de runbooks opérationnels.

• Appui ponctuel sur les autres projets critiques de la roadmap (fraude, CEX, pipelines data) sur les 6 prochains mois.