Trouvez votre prochaine offre d’emploi ou de mission freelance Data science

Contexte Dans le cadre d'un accord-cadre avec un groupe bancaire international, nous recherchons des Data Scientists disposant d'une expérience démontrable et mesurable sur des projets d'intelligence artificielle. Les postes sont ouverts sur trois niveaux de séniorité (0-2 ans, 2-5 ans, 6 ans et plus d'expérience sur des projets IA). Poste en CDI: Salaire suivant expérience / Package avec ou sans voiture Vos missions Collecte et préparation des données Récupérer et nettoyer les données issues de sources variées (bases de données, API, fichiers) Mener les analyses exploratoires (EDA) pour qualifier la structure et la qualité des données Réaliser les transformations et le feature engineering permettant d'améliorer la pertinence des modèles Développement de modèles Sélectionner et entraîner des modèles de machine learning et de deep learning adaptés au cas d'usage Comparer les approches (régression, classification, réseaux de neurones) Optimiser les modèles par tuning d'hyperparamètres et validation croisée Déploiement et industrialisation Intégrer les modèles dans les applications et systèmes, en collaboration avec les équipes MLOps/DevOps Mettre en place les pipelines d'entraînement et de mise à jour Assurer le suivi des performances en production et détecter les dérives de modèle (model drift) Restitution et valorisation Présenter résultats et insights aux équipes métier via visualisations et rapports Expliquer le fonctionnement des modèles et leur impact business Veille et amélioration continue Suivre les avancées en IA et machine learning Tester de nouvelles architectures et frameworks (TensorFlow, PyTorch, Scikit-learn) Contribuer à l'amélioration des algorithmes et des processus internes Un atout Expérience en environnement bancaire ou assurance (risque, conformité, lutte anti-fraude, scoring) Connaissance des exigences de gouvernance et de validation des modèles Pratique des environnements cloud IBM / On premise

Contexte Le client est un établissement dont le système d'information est majoritairement hébergé en interne : il dispose de son propre datacenter et de sa propre infrastructure. Sa DSI souhaite mettre en place une démarche de refacturation à destination de ses clients internes, ce qui suppose au préalable de savoir mesurer précisément ce que produit et ce que consomme cette infrastructure. Le poste est rattaché à l'équipe Chefferie de Projet Production (CPP), au sein de la division Infrastructures et Services d'Exploitation (ISE) du département des Systèmes d'Information. Le client engage par ailleurs l'intégration d'un cloud (Azure). Le titulaire du poste étendra progressivement les pratiques FinOps à ces environnements, avec pour objectif final de fournir les éléments économiques permettant d'arbitrer, application par application, entre hébergement interne et hébergement cloud. Poste en CDI Rémunération fixe définie selon votre expérience et votre profil, complétée par une prime de performance. / Ouvert aux freelances Missions principales Capacité — Construire et maintenir les rapports de capacité de l'infrastructure (calcul, stockage, réseau, mémoire), à partir des données transmises par les équipes en charge des infrastructures. Objectif : disposer d'une vision fiable de l'offre disponible et de son taux d'utilisation. Consommation — Mettre en place les rapports de consommation des ressources techniques par client interne, et si possible par application, à partir des données transmises par les équipes techniques. Ce chantier suppose de définir, documenter et faire valider les clés de répartition des coûts mutualisés (socle, réseau, licences, datacenter) : c'est la brique fondatrice de la refacturation. Prévision — Produire les rapports prévisionnels de consommation, afin d'anticiper les besoins de capacité plutôt que de les subir, et d'aligner les achats sur une trajectoire connue. Obsolescence et budget — Établir les rapports de gestion de l'obsolescence de l'infrastructure, alimentant les trajectoires techniques et le plan pluriannuel d'investissement. Catalogue et tarification — Formaliser le catalogue des services d'infrastructure et la grille tarifaire interne associée (coût unitaire par vCPU, Go de stockage, machine virtuelle), puis accompagner les clients internes dans son appropriation. FinOps cloud — Déployer les pratiques de gestion des ressources cloud au fil de l'adoption d'Azure et de Bleu : politique de tagging, suivi budgétaire et alerting, rightsizing, optimisation des engagements de capacité. Business case Move to Cloud — Construire le modèle de comparaison économique on-premise / cloud permettant à la DSI d'objectiver sa stratégie d'hébergement et ses décisions de migration. Comment se passe la suite Le processus tient en trois temps : un premier échange avec l'équipe recrutement pour faire connaissance, une mise en situation concrète sur des cas proches de votre futur quotidien ou des besoins de nos clients, et — en option, si l'exercice vous tente — un entretien vidéo à enregistrer quand cela vous arrange, guidé par un assistant IA.

Pour un poste en cdi sur Luxembourg, nous recherchons des data Scientist senior dans le secteur de la banque et de l'assurance Vous rejoignez une équipe qui met l'analytique avancée et le machine learning au service de décisions métier concrètes. Votre rôle : transformer des questions business en modèles qui tournent réellement en production, et pas seulement en preuves de concept. Vous avez une bonne capacité de vulgarisation afin de discuter avec le métier Conditions Rémunération fixe définie selon votre expérience et votre profil, complétée par une prime de performance. Véhicule de fonction envisageable après une première période. Package d'avantages incluant mutuelle, prévoyance et chèques-repas. Conditions Rémunération fixe définie selon votre expérience et votre profil, complétée par une prime de performance. Véhicule de fonction envisageable après une première période. Package d'avantages incluant mutuelle, prévoyance et chèques-repas. Ce que vous ferez au quotidien Vous prenez en charge des cas d'usage de bout en bout — de l'exploration des données jusqu'au suivi post-déploiement — sur des sujets comme la détection de fraude, la prévision, la segmentation clientèle, la rétention ou l'optimisation des campagnes. Concrètement, cela veut dire : construire les features, entraîner et évaluer les modèles, choisir les indicateurs de performance pertinents, puis surveiller leur comportement dans la durée et déclencher les recalibrages quand la dérive s'installe. Vous travaillez main dans la main avec le Data Engineering, l'IT, l'équipe AI et les directions métiers pour industrialiser ce qui est développé. Vous documentez vos travaux et accompagnez les utilisateurs dans l'appropriation des outils livrés. Le contexte étant réglementé, l'explicabilité des modèles et leur usage responsable font partie intégrante du travail, pas d'une case à cocher en fin de projet. Enfin, vous contribuez aux standards data science du Groupe, à la constitution d'une base de composants réutilisables, et vous servez de point d'appui technique aux profils plus juniors. Comment se passe la suite Le processus tient en trois temps : un premier échange avec l'équipe recrutement pour faire connaissance, une mise en situation concrète sur des cas proches de votre futur quotidien ou des besoins de nos clients, et — en option, si l'exercice vous tente — un entretien vidéo à enregistrer quand cela vous arrange, guidé par un assistant IA.

Dans le cadre du renforcement d'une équipe Data & IA, nous recherchons un Data Scientist / Data Engineer expérimenté, spécialisé en Intelligence Artificielle Générative, afin d'assurer la continuité et l'évolution de projets stratégiques. Le consultant intégrera une équipe travaillant sur un projet d'IA agentique à fort impact métier. L'un des principaux objectifs est de développer et d'optimiser une solution capable de générer automatiquement des pré-réponses pertinentes à des e-mails utilisateurs portant sur différents types de demandes : renseignements, réclamations, opérations contractuelles, etc. La mission comporte une forte dimension LLM, NLP, RAG et industrialisation des modèles IA. Missions principales Reprendre les travaux existants et assurer la continuité du projet d'IA agentique. Concevoir, entraîner, évaluer et optimiser des Large Language Models (LLM) dédiés à la génération de texte. Améliorer la pertinence et la qualité des pré-réponses générées. Optimiser les processus de Retrieval-Augmented Generation (RAG) existants. Participer à l'intégration et au déploiement des modèles en environnement de production. Mettre en œuvre les bonnes pratiques MLOps / LLMOps : CI/CD, versioning, monitoring, déploiement et maintien en conditions opérationnelles. Analyser les performances des modèles et identifier les axes d'amélioration. Garantir la robustesse, la scalabilité et la maintenabilité des solutions développées. Réaliser une veille sur les évolutions en IA Générative, LLM, NLP et Machine Learning. Collaborer étroitement avec les équipes Data, développement, architecture, produit et métiers. Participer aux cérémonies et rituels Agile de l'équipe.

Contexte d'utilisation chez Limagrain Compétences attendues Niveau RAG end-to-end Retrievers & embeddings Assistants scientifiques, juridiques et métiers sur corpus internes. Optimiser la récupération de sources fiables. Ingestion, parsing, OCR, structure, chunking, embeddings, indexation, retrieval, reranking, génération et citations. Indispensa ble Dense/sparse/hybride, metadata filters, multi query, parent-child, contextual retrieval, vector stores et évaluation du retrieval. Indispensa ble Analyse documentaire Exploiter PDF, Word, PowerPoint, Layout-aware parsing, OCR, extraction Indispensa Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Référentiel de compétences - Tech Lead GenAI Limagrain - Septembre 2026 Technologies / savoir-faire Contexte d'utilisation chez Limagrain Compétences attendues Niveau tableaux, scans et dossiers complexes. tables/images, métadonnées, déduplication, classification et validation. ble VLM & VQA Analyser images, figures, schémas, parcelles, maladies, rapports et documents multimodaux. Vision-language models, visual question answering, grounding, OCR multimodal, évaluation et limites. Avancé Gestion du contexte Maîtriser qualité, coût et mémoire des agents. Context engineering, fenêtres, compression, résumé, mémoire court/long terme, cache, provenance et isolation. Indispensa ble Single-agent Automatiser une tâche métier avec outils et garde-fous. ReAct/tool calling, structured outputs, validation, retries, human-in-the-loop et permissions. Indispensa ble Multi-agent Décomposer les workflows complexes entre agents spécialisés. Supervisor, router, planner-executor, handoffs, shared state, parallélisme, consensus et contrôle des boucles. Avancé LangChain / LlamaIndex Assembler modèles, retrievers, tools et chaînes RAG. Intégrations, loaders, chains, agents, structured output et composants remplaçables. Avancé LangGraph Orchestration stateful et durable de workflows agentiques. Graphes, état, checkpoints, streaming, interruptions, human-in-the-loop et reprise. Avancé LangSmith Tracing, debugging, datasets, évaluations et monitoring.

Notre client dans le secteur Banque et finance recherche un/une Data Scientist IA H/F Description de la mission : Notre client recherche un profil expérimenté capable de concevoir et développer des solutions de data science et d'intelligence artificielle, notamment des briques d'IA générative de type RAG. Mission La mission consiste à intervenir sur la conception, le développement et l'industrialisation de solutions de data science et d'IA, avec un focus sur les modèles de langage et les architectures RAG, en lien avec des interlocuteurs métiers et IT. Principales responsabilités Concevoir et développer des solutions de data science et d'intelligence artificielle Développer des briques d'IA générative de type RAG Réaliser les développements, les tests et la documentation Contribuer à la mise en production des solutions Collaborer avec des interlocuteurs métiers et IT Environnement technique Data science : modélisation statistique, machine learning IA : modèles de langage, architectures RAG, IA générative Langages : Python, SQL Outils : Dataiku, GitLab Livrables attendus Solutions de data science et d'intelligence artificielle développées Briques d'IA générative de type RAG Documentation technique Éléments de tests et contribution à la mise en production Profil recherché Expérience Profil expérimenté Compétences techniques Maîtrise de la data science, de la modélisation statistique et du machine learning Bonne maîtrise des modèles de langage et des architectures RAG Maîtrise de Python et SQL Maîtrise de Dataiku et GitLab Compétences personnelles Capacité à travailler avec des interlocuteurs métiers et IT Langues Anglais courant Compétences / Qualités indispensables : Data science, modélisation statistique et machine learning, IA générative, modèles de langage et architectures RAG, Python et SQL, Dataiku et GitLab, Collaboration avec les interlocuteurs métiers et IT Compétences / Qualités qui seraient un + : /Informations concernant le télétravail : Télétravail : 50%

Dans le cadre de la création d'une Direction IA & Data en 2026, le client souhaite renforcer son pôle Transformation IA avec un(e) Change Manager. Cette direction a pour mission de définir et porter la stratégie IA du Groupe, d'accompagner les métiers dans l'identification et le déploiement de cas d'usage, et de favoriser l'adoption des nouveaux usages. À l'interface entre les métiers, les équipes IT/Data/IA et les fonctions support, le/la Change Manager pilote les initiatives IA depuis l'identification des opportunités jusqu'à leur déploiement et leur adoption à grande échelle. Il/elle assure la cohérence, la priorisation et l'avancement des projets, tout en garantissant leur valeur métier et leur appropriation durable par les utilisateurs. Principales missions et livrables : • Identifier et qualifier les opportunités IA en analysant les besoins métiers, leur valeur et leur faisabilité. • Cadrer les projets IA : objectifs, périmètre, parties prenantes, critères de succès et trajectoire vers l'industrialisation. • Piloter les POC et expérimentations, organiser les tests utilisateurs et formuler des recommandations sur leur poursuite. • Coordonner les équipes métiers, Produits & Technologies, Data/IA, Sécurité, Juridique et RH. • Accompagner la transformation des processus métier en collaboration avec le/la Workflow Designer. • Définir et piloter les plans de déploiement, en veillant aux prérequis techniques, organisationnels et humains. • Élaborer et déployer la stratégie de conduite du changement : analyse d'impacts, identification des freins et plans d'accompagnement. • Coordonner les actions de communication, sensibilisation et formation avec le Responsable de Formation IA. • Suivre l'adoption des nouveaux usages à travers les indicateurs d'utilisation, de satisfaction et d'appropriation. • Mesurer la valeur créée, consolider les retours d'expérience et contribuer à l'alimentation de la roadmap IA. Astreintes exceptionnelles possibles en soirée, week-end et jours fériés.

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.

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,

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

Description du besoin : Nous recherchons un profil Senior à très forte valeur ajoutée, combinant une expertise en Data Science et en Data Engineering, pour accompagner la conception, l'industrialisation et la valorisation de plateformes Data à grande échelle sur un environnement Google Cloud Platform (GCP). Missions principales : Data Engineering & Modélisation : Concevoir, optimiser et maintenir des pipelines de données performants sous dbt et SQL sur l'écosystème GCP. Data Science & Valorisation : Développer, industrialiser et déployer des modèles prédictifs et des algorithmes orientés métiers (analyse comportementale, prédictions, optimisation). Data Viz & Business Intelligence : Créer et structurer des tableaux de bord et des rapports décisionnels complexes sous Looker. Accompagnement Métier : Traduire les besoins complexes des équipes opérationnelles en solutions Data scalables et fiables (une expérience dans le secteur du Retail est un atout majeur). Compétences techniques requises (Stack) : Google Cloud Platform (GCP) : BigQuery, Cloud Storage, et écosystème Data/AI GCP. Transformations & Analytics : Mastery de dbt (data build tool) et SQL (niveau expert). Data Science & ML : Python, bibliothèques Data Science/ML, MLOps basique/industrialisation. Data Viz : Looker (LookML, création de modèles et dashboards).

Bonjour à tous 👋 Notre client recherche actuellement un(e) Data Scientist / Data Analyst orienté(e) Data Science pour rejoindre son équipe Data Science & Insights. 🎯 Le contexte L'équipe travaille sur différentes problématiques autour de la donnée client : compréhension des comportements, analyse des offres et campagnes, scoring, segmentation, prévention, suivi réglementaire… L'objectif est simple : transformer les données en analyses et recommandations concrètes pour aider les équipes métiers dans leurs prises de décision. 🔎 Vos missions : • Recueillir et comprendre les besoins métiers • Préparer, nettoyer et analyser les données sur de gros volumes • Réaliser des analyses statistiques et du datamining • Construire des features et développer des modèles de Data Science • Travailler sur des sujets de scoring, segmentation et analyse comportementale • Analyser les résultats et formuler des recommandations business • Automatiser les traitements récurrents • Collaborer avec les équipes Data et BI • Restituer et vulgariser les résultats auprès des métiers • Documenter les travaux réalisés 🛠️ Les indispensables : • 3 ans minimum d'expérience professionnelle hors stage et alternance • Data Science / Datamining • Python avancé • SQL avancé • Dataiku avancé Une expérience sur des problématiques de scoring/segmentation est est un prérequis pour cette mission. Une expérience dans le Retail / E-commerce ou sur des problématiques liées à la donnée client est un vrai plus. 📍 Localisation : Paris / Île-de-France Si vous êtes à l'écoute d'une nouvelle opportunité ou connaissez quelqu'un qui pourrait correspondre, n'hésitez pas à me contacter en MP ! 📩

Bonjour à tous 👋😀 Nous recherchons actuellement un(e) Data Analyst / Data Scientist pour rejoindre l'équipe Data Science & Insights chez l'un de nos clients. 🎯 Le contexte ? Vous travaillerez sur des problématiques autour de la data client : comportement client, performance des offres, optimisation des campagnes, segmentation, scores d'appétence, sujets réglementaires… 🔎 Vos missions : Recueillir les besoins des équipes métiers et formaliser les problématiques Préparer, nettoyer et analyser les données Réaliser des études statistiques et du datamining Créer des features et développer des modèles de Data Science Collaborer avec les équipes Data et BI Automatiser certains traitements lorsque nécessaire Restituer vos analyses et recommandations auprès des équipes métiers Documenter vos travaux et assurer leur suivi Nous recherchons surtout une personne autonome, rigoureuse, pragmatique et orientée business, avec un bon esprit d'équipe et capable de vulgariser des sujets data auprès d'interlocuteurs métiers. 📩 Intéressé(e) ? Vous connaissez quelqu'un qui pourrait correspondre ?

Le contexte Notre client, un grand groupe bancaire, dispose d'une direction Data/AI qui accompagne les métiers dans leurs projets de Data Science, de la génération de use case jusqu'à la mise en production. L'équipe, au format "start-up dans un grand groupe", est internationale et regroupe des Data Scientists (Computer Vision, NLP, Scoring), un pôle ML Engineering et une équipe AI Projects. Cette équipe développe et opère en interne sa propre plateforme de Data Science, qui comprend : Une plateforme d'exploration et de développement Python Un framework d'industrialisation des modèles de Data Science, avec une librairie InnerSource dédiée Une plateforme d'exécution des modèles en production Un outil de Community Management C'est une infra qui tourne actuellement sur plus de 400 containers de production, utilisée par plus de 500 utilisateurs. La mission Le client ouvre une prestation en assistance technique pour gérer l'infrastructure qui supporte cette plateforme. Concrètement, le périmètre couvre : Administration, exploitation et automatisation du système d'exploitation des clusters Build et optimisation des images Docker, run des containers de prod Construction et pilotage de la vision technique de la plateforme (choix technos, évolution d'architecture) pour garantir continuité et performance Optimisation du dimensionnement des ressources et des coûts associés Interface privilégiée avec les équipes infra groupe qui fournissent l'infra managée on-prem consommée par la plateforme Maintenance à jour des composants et contribution aux déploiements applicatifs Veille technologique et montée en compétence continue Rédaction de documentation technique (architecture, gestion des changes et des incidents) Production de livrables et partage de connaissances avec l'équipe L'équipe travaille aussi de façon transverse sur la maintenance des frameworks de Data Science Python, les pipelines CI/CD, l'observabilité des plateformes, la mise en prod des solutions IA, et participe activement aux POCs. Stack technique Langages : Python, Golang, Bash OS : GNU/Linux Orchestration : Kubernetes Infra/DevOps : GitLab CI/CD, GitOps (ArgoCD), Docker, Buildkit, Artifactory, Helm, Kustomize, CUE/Timoni Sécurité : Vault (gestion des secrets), Keycloak, JWT, OIDC Réseau : Traefik (reverse proxy) Observabilité : Prometheus, Thanos, AlertManager, Grafana Data/Cloud services : PostgreSQL, ClickHouse, Redis, Jaeger, ELK, MinIO (S3), Certmanager, External-DNS, Portworx, COS Cloud privé (environnement on-prem managé, pas de cloud public classique)

Dans le cadre du renforcement des équipes Data de l'un de nos clients du secteur bancaire, nous recherchons un Data Analyst disposant également de compétences en Data Science. L'objectif de la mission est de concevoir et produire des analyses et des solutions de reporting permettant de répondre aux besoins des équipes métiers, tout en contribuant au développement de nouveaux usages de la donnée. À ce titre, vous interviendrez notamment sur : Le recueil et l'analyse des besoins métiers ; La conception, le développement et l'évolution de reportings et tableaux de bord Power BI ; L'exploitation et l'analyse de données sur Google Cloud Platform (GCP) ; La manipulation et l'interrogation des données avec BigQuery ; La transformation et la structuration des données avec DBT ; L'orchestration des traitements Data via Cloud Composer ; La réalisation d'analyses avancées et de travaux de Data Science ; L'identification de nouveaux cas d'usage permettant de valoriser les données ; Le contrôle de la qualité et de la fiabilité des données utilisées ; La restitution des analyses et recommandations auprès des interlocuteurs métiers.

Rejoignez une grande entreprise du secteur du retail en tant qu'expert(e) data, au cœur d'une transformation analytique majeure. Vous piloterez l'interface entre les équipes métier Approvisionnement et la tribu technique (Data Science, Data Engineering, Data Visualization) pour valoriser les données et soutenir la prise de décision stratégique. Vous intervenez au sein d'une Analytics Factory, structure dédiée à la conception et au développement de services analytiques fiables. Votre mission combine deux volets complémentaires : l'analyse de données avancée et le pilotage produit en mode agile. Vous traiterez des problématiques critiques telles que la prévision des ventes et la qualité d'approvisionnement, en transformant les données complexes en insights actionnables. L'environnement technique repose sur des outils modernes et scalables (SQL, BigQuery, DataStudio, Tableau, GitLab) et s'inscrit dans une approche méthodologique agile rigoureuse. Vous devrez maîtriser les concepts statistiques avancés et comprendre les modèles de Data Science produits par les équipes techniques, tout en restant un traducteur privilégié des besoins métier vers la technique. Responsabilités : - Cadrer, extraire et analyser de manière autonome les données pour produire des études décisionnelles robustes et des recommandations fondées - Restituer les résultats d'analyse avec clarté, accompagner les métiers dans la lecture des insights et les sensibiliser aux biais d'analyse - Piloter la feuille de route des produits analytiques en collaboration avec les équipes Data Science et Data Engineering - Spécifier les besoins métier sous forme de User Stories structurées, prioriser les initiatives et animer la cadence agile (sprints, rituels) - Mesurer l'impact des livrables via des KPI pertinents et accompagner l'adoption des produits analytiques par les utilisateurs finaux - Vulgariser les concepts techniques et statistiques pour un public non-technical, en démontrant une aptitude à expliquer et convaincre - Assurer l'autonomie analytique des équipes métier en renforçant leur capacité à exploiter les données Télétravail : 3 jours par semaine Localisation : Massy