Trouvez votre prochaine offre d’emploi ou de mission freelance Data scientist à Paris

Nous recherchons un Lead Agentic AI Engineer pour un Un éditeur de contenu français, audience massive, deux business qui tournent en parallèle : l'abonnement, qu'il faut faire grossir, et la régie pub, où il reste pas mal de valeur à aller chercher sur l'inventaire. La data plateforme est en pleine restructuration côté GCP, l'équipe data est en place (data scientists, BI Power BI en self-service, une CDP côté CRM), et on touche au bout du chantier d'infra. La direction veut passer à autre chose que du reporting et du dashboard. Le sujet est de mettre des agents en production sur des cas business qui pèsent sur le P&L, vraiment en production, pas une démo de plus. Concrètement, sur les 6 premiers mois, voilà à quoi va ressembler le job. Tu commences par regarder ce qui se passe vraiment dans la maison côté acquisition, monétisation de l'inventaire pub et fonctions support, et tu sors une liste courte de cas où un agent a du sens (et où il n'en a pas, c'est souvent là que les autres se plantent). Tu choisis deux ou trois cas et tu les mets en prod. Pas un POC, pas un notebook joli. Quelque chose qui tourne, qu'on mesure, qu'on monitore. En parallèle, il y a un chantier de fond : sortir l'équipe du modèle "dashboard" et installer une couche d'analyse comportementale temps réel sur l'audience, c'est le socle qui rend les agents intéressants ensuite. Et tu poses les fondations pour la suite : evals, observabilité, garde-fous, doc d'archi. Si la mission bascule en CDI à 12 mois, on parle aussi du build d'équipe à ce moment-là. Tu travailles en direct avec la régie sur les sujets de monétisation, avec le CRM sur l'activation et la segmentation, et avec les fonctions support sur tout ce qui peut se déléguer à un agent (assistance, ops, modération). C'est une boîte média, il faut aimer ça, savoir ce qu'est un CPM, comprendre pourquoi le directeur de la régie va te poser des questions sur le fill rate, pas sur ton archi. Côté technique Ce qu'on cherche n'est pas exotique mais c'est précis. Il faut avoir déjà mis au moins un système agentic en prod réelle, et savoir le raconter en détail : l'orchestration choisie, comment les outils sont branchés, comment tu fais les evals, ce que tu mesures côté business, ce qui a explosé une fois en prod et comment tu t'en es rendu compte. La stack tu fais avec ce que tu connais : LangGraph, Anthropic Agent SDK, OpenAI Agents, DSPy, du custom maison. L'important c'est d'avoir vraiment livré, pas d'avoir lu la doc. Au-delà de l'orchestration pure, il faut connaître les fondations qui font qu'un agent tient en prod : tool calling propre, evals offline et online, garde-fous, observabilité (LangSmith, Langfuse, Arize, du custom — peu importe), et la gestion des coûts API parce qu'à grande échelle ça compte. Sur la data, tu dois pouvoir lire et challenger un pipeline BigQuery avec Airflow ou Composer dessus, sans forcément vouloir tout refaire toi-même. La data team est là pour ça, mais tu dois pouvoir leur parler d'égal à égal. Côté GCP, tu utilises BigQuery au quotidien et tu sais te servir de Vertex, Cloud Run, Workflows quand c'est utile pour un système agentic. Si tu as un background data scientist ou ML engineer avant d'avoir basculé sur les LLM en 2023-2024, c'est un vrai plus. Tu connais le piège du "tout LLM" et tu sais quand revenir à du déterministe ou à du modèle classique. Si tu as touché un peu d'adtech, CPM, viewability, attribution, ce vocabulaire-là, c'est mieux, mais ça s'apprend en quelques semaines si tu es curieux. Ce qu'on regarde au-delà du CV C'est la partie qu'on peut difficilement vérifier sur LinkedIn mais qui fait la différence sur ce poste précis. D'abord la capacité à dire non. Quand on te propose un cas d'usage, tu dois pouvoir dire "ça, franchement, c'est un workflow déterministe, on n'a pas besoin d'un LLM" — et le défendre devant un sponsor qui voulait son agent. La maison a déjà eu des POC, on ne veut pas en rajouter un. Ensuite la capacité à parler à des non-techs sans intermédiaire. Tu vas te retrouver en réunion avec la régie, avec le marketing, peut-être avec le DAF, et il n'y aura pas de PM pour traduire. Si tu ne sais expliquer ton archi qu'à un autre ingé, ça ne marchera pas. Tolérer l'ambiguïté est un autre critère. On ne te donnera pas un objectif business un peu flou, à toi de remonter au vrai cas et au vrai produit là, et c'est OK. Bien composer avec l'équipe en place. Il y a des data engineers, une BI. Tu ne débarques pas en disant que tout ce qu'ils ont fait est nul. Tu t'appuies, tu écoutes, tu choisis tes batailles. Et puis l'honnêteté. On préfère quelqu'un qui dit "j'ai raté ça, voilà ce que j'en ai appris" à quelqu'un qui survend. Pareil sur les coûts, les délais, les limites des modèles. Quand un agent commence à coûter 4000€/jour en API, on veut le savoir, pas découvrir la facture en fin de mois. Le dernier critère c'est le sens du delivery. On a vu trop de profils brillants qui laissent 4 chantiers ouverts et zéro système en prod. Ici on veut au moins deux mises en prod sur 6 mois, pas un slide deck de roadmap.

Hello, Pour le compte de l'un de mes clients dans le secteur du BTP, je suis à la recherche d'un PO Data dans le domaine de l'environnement. Le/La Product Owner Data Environnement agit en véritable directeur/chef de projet hybride (MOE/MOA) au sein du département Data. Il/Elle est le garant du delivery, de la valeur métier et de la gouvernance de l’ensemble des solutions analytiques de son périmètre (Reporting BI traditionnel, initiatives exploratoires, cas d’usage IA et Machine Learning) situées en aval des systèmes transactionnels. Pour ce 5e poste créé au sein de l'équipe, il/elle prend la responsabilité exclusive du domaine Environnement. Interlocuteur central et "tout-terrain", il/elle manage son équipe de développement, anime la comitologie, pilote ses budgets et assure l'interface entre les métiers, la gouvernance, l'architecture et les responsables des systèmes sources transactionnels. • Management d'équipe : Encadre, anime et coordonne au quotidien son équipe de développement (Analytics Engineers, Data Engineers, Data Scientists). • Méthodologie Agile : Structure et pilote le backlog produit sous Jira et s’assure du rythme des livraisons. • Relations Métiers & Sources : Recueille les besoins des directions métiers (RSE/Environnement), gère le delivery et fait le lien avec les responsables applicatifs des systèmes transactionnels amont pour sécuriser la mise à disposition des données sources. • Comitologie & Communication : Prépare et anime les instances de gouvernance projets (Comités de projet, Comités de pilotage). Rédige l’ensemble des livrables clés (comptes-rendus, supports de présentation synthétiques, spécifications fonctionnelles). • Gestion Budgétaire : Assure le suivi financier et la gestion rigoureuse de ses lignes budgétaires dans l’outil DSI Orchestra. Alignement transverse et respect des standards : • Data Gouvernance : Travaille main dans la main avec la cellule Data Gouvernance pour implémenter les directives, la conformité et la documentation des données de son périmètre. • Architecture & Performance : Collabore avec la cellule Architecture pour coconstruire les data models, s'assurer de l’application des normes de développement et veiller à l'optimisation et la performance des traitements de son équipe. Implication opérationnelle, "Hands-on" et Qualité : • Culture Data Analyst : Ne se cantonne pas à un rôle purement organisationnel : participe activement aux phases de test de validation des données, et peut être amené(e) à maquetter ou développer lui-même des rapports/indicateurs pour accélérer les cycles de livraison. • Garantit la qualité finale de la donnée restituée, essentielle sur les indicateurs réglementaires (DPEF, BEGES). Garantie de l'adéquation Qualité - Coût - Délai : • Garantit la conformité des données affichées dans les rapports avec les règles de gestion métiers définies. • Respecte et suit les jalons projets (délais et coûts de delivery). ● Accompagnement du Changement & Innovation : Accompagne les métiers dans la transition vers des cas d'usage avancés (Data Science, IA, prédictif liés aux enjeux environnementaux et à l'empreinte carbone). ● Accompagnement à la Migration Technique : Participe au plan de bascule de la solution BI historique (SAP Hana) vers l'environnement moderne (BigQuery) sur son périmètre. À ce titre, il/elle se montre curieux et non réfractaire à l'analyse de l'écosystème historique. ● Suivi technologique : Participe à la phase de cadrage et de transition industrielle vers les flux d'acquisition modernes (Fivetran, POC en cours).

Envie d’un nouveau challenge… nous vous attendons ! Nous poursuivons notre développement et recherchons actuellement un.e Data Engineer AWS / Databricks pour intervenir chez l’un de nos clients dans le domaine bancaire. 💻☁️ 🎯 Contexte de la mission Dans le cadre de l’évolution de sa plateforme Cloud & Data, notre client renforce ses équipes autour de la Data Platform afin d’accompagner la montée en puissance des usages Data, Analytics et IA. Vous intégrerez une feature team dédiée à la conception et à l’évolution des pipelines et infrastructures de données permettant d’alimenter les services cloud du groupe à l’échelle internationale. L’objectif : construire une plateforme Data robuste, scalable et performante, capable de supporter des volumes importants de données tout en garantissant leur qualité, leur disponibilité et leur sécurité. Vous évoluerez dans un environnement international, Agile et fortement orienté innovation. Vos missions : 🚀 Engineering & Data Pipeline Concevoir, développer et maintenir des pipelines de données robustes et scalables Mettre en place et optimiser les traitements ETL Participer à la conception des architectures Data et des flux d’alimentation Garantir la qualité, la cohérence et la disponibilité des données Optimiser les performances des traitements Big Data ☁️ Cloud & Data Platform Contribuer à l’évolution de la plateforme Data sur AWS Concevoir et administrer les solutions de stockage : • Data Lake • Data Warehouse • Bases relationnelles et NoSQL Exploiter Databricks et Spark pour le traitement de données à grande échelle Participer à l’industrialisation et à la fiabilisation des traitements en production : • monitoring • alerting • gestion des incidents 🤝 Collaboration transverse Travailler en étroite collaboration avec : • les équipes Engineering • les Data Scientists • les Product Teams • les équipes métiers Recueillir les besoins Data et contribuer aux choix techniques Participer à l’amélioration continue des pratiques et des standards Data 🔍 Innovation & amélioration continue Être force de proposition sur les nouvelles pratiques Data Engineering Expérimenter et intégrer de nouvelles technologies autour de la Data Platform Contribuer à l’optimisation des workflows et des performances globales de la plateforme

Vous serez responsable de la conception et de la mise en œuvre d'architectures optimisées et scalables au sein d'une plateforme data, analytique et IA basée hébergée en hybride Cloud/On Premises. Ce poste nécessite une compréhension approfondie de l’écosystème Data en terme de technologies et de pratiques à l’état de l’art (i.e. Hybridation, Datamesh etc…) Les principales activités sont les suivantes : - Collaborer avec les équipes data (Data Engineer, Data Analyst, Data Scientist, Business Analyst, Product Owner, Chef de projet, etc.) pour comprendre les exigences en matière de données, d'usages et de capacités et concevoir et formaliser l’architecture adaptée - Accompagner les équipes data dans la mise en œuvre des architectures définies - Assurer la qualité, l'intégrité et la sécurité des données dans l'environnement de la plateforme data, analytique et IA - Optimiser les processus d'ingestion de données et contribuer à la définition et la mise en œuvre des politiques de gouvernance des données - Évaluer et préconiser les technologies et outils appropriés pour le stockage, le traitement et l'analyse des données - Proposer des optimisations pour résoudre les problèmes d’architecture liés au stockage, à l’accès et à l’exploitation de la plateforme data - Une expérience sur l’accompagnement de projet en lien avec des migrations de plateforme data On premises vers le Cloud (idéalement GCP). Compétences techniques ou métier recherchées : - Vous avez une expérience minimale de 6 ans sur un poste d'architecte data et vous avez une expérience de mise en œuvre d'une plateforme basée sur une technologie Cloud. - Vous avez obtenu un diplôme dans le domaine IT et êtes spécialisé dans la Data. - Vous avez une expérience similaire sur la modélisation des données. - Concepts et technologies liés au Big Data (par exemple, Apache Spark, Hadoop) et aux bases de données SQL/NoSQL. Compétences comportementales recherchées : - Coopérer et fonctionner en transversal - Interagir facilement avec les autres - Négocier et convaincre - Proposer des initiatives ou des solutions - S'adapter aux changements. Compétence complémentaire : - Maitrise des Plateformes Data GCP, Spark, Python, SQL, Kafka, MongoDB Excellente connaissance des concepts et technologies des datalake, datawarehouse / entrepôts de données, lakehouse, des plateformes cloud telles que Google Cloud.

Description du besoin : Type de prestation : Chef de projet Data Client : Secteur d'assurance Lieu de la mission : Paris 2 Durée de la prestation : 6 mois renouvelable Expérience requise : +8 ans Date de démarrage : 15/06/2026 CONTEXTE : Cette prestation vise à renforcer l’équipe Data Business Analysis au sein d’un département Data Management. Elle sera dédiée au pilotage de projets Data, avec un fort enjeu autour de l’analyse de données, et consistera à accompagner les clients internes (filiales et fonctions centrales) dans leurs projets : recueil et formalisation des besoins, conseil et orientation vers les solutions de mise à disposition des données les plus adaptées. Le département Data Management regroupe une vingtaine de collaborateurs (Business Analysts, Data Engineers, Data Scientists et experts Data Governance). Ses principales missions couvrent : La gouvernance des données L’analyse métier des données L’ingénierie des données La data science L’ensemble des use cases (Crédit, Valeur Résiduelle, Épargne, Innovation, Marketing, etc.) est géré sur une plateforme GCP. OBJECTIF DE LA PRESTATION : Dans le cadre des activités de la Data Factory, la prestation de Chefferie de projet Data aura pour missions de : Accompagner les clients internes dans leurs projets data, les aider à formaliser leurs besoins et les orienter vers les solutions de mise à disposition des données adaptées Animer la qualité des données en coordination avec les data stewards et les business owners Promouvoir les solutions de la Data Platform auprès des différentes entités et fonctions centrales Identifier des cas d’usage Data et démontrer leur valeur ajoutée métier Garantir la cohérence des projets Data Platform avec la stratégie globale et les exigences de conformité (gouvernance, sécurité, protection des données, etc.) Identifier les synergies entre projets et proposer des recommandations de mutualisation, priorisation ou arbitrage Traduire les besoins métiers en exigences fonctionnelles et produire la documentation nécessaire aux décisions et développements Piloter les projets data de bout en bout selon les axes QCD (Qualité, Coûts, Délais) dans un environnement Agile Assurer la conformité méthodologique, l’auditabilité des projets et la bonne production de la documentation associée Coordonner l’ensemble des parties prenantes : métiers, gouvernance, privacy, équipes data, architecture et IT Définir et suivre les KPI projets ainsi que les reportings d’avancement Garantir la validation métier, la formation des utilisateurs et l’adoption des solutions livrées Assurer la continuité des produits après leur mise en production

Contexte de la mission Dans le cadre du développement de son équipe Data Accelerator (DAC), notre client recherche un Data Engineer confirmé orienté Data Quality et Data Governance. DAC est une équipe transverse en charge d’accompagner les équipes métiers et IT sur l’ensemble de la chaîne de valeur de la donnée : collecte, ingestion, transformation, industrialisation, gouvernance et optimisation des performances. L’environnement s’appuie principalement sur les technologies AWS, Databricks, Dataiku et Collibra, avec un fort enjeu autour de la qualité, de la fiabilisation et de la structuration des données au sein du Data Lake. Le consultant interviendra dans un contexte stratégique avec une forte collaboration avec les équipes Data Analysts, Data Scientists ainsi qu’avec le Chief Data Officer. Missions principalesQualification et gestion des données Captation des données structurées et non structurées provenant de multiples sources Intégration et supervision des flux de données Structuration de la donnée (normalisation, sémantique, référentiel) Cartographie des données disponibles Nettoyage des données (suppression des doublons, contrôle qualité) Validation et qualification des données avant intégration dans le Data Lake Participation à la création et à l’amélioration des référentiels de données Industrialisation et performance Développement et optimisation des traitements data Amélioration des performances et maîtrise des coûts des plateformes data Participation aux développements correctifs, évolutifs et adaptatifs Contribution aux dossiers d’architecture Production des tableaux de bord de suivi Gouvernance & collaboration Participation à la définition de la politique data Respect des standards de sécurité, gouvernance et conformité Collaboration avec les équipes métiers, IT et gouvernance data Contribution à l’industrialisation des cas d’usage Data & GenAI

**Senior Finance IT Business Analyst & SAS Developer (SAS Finance Core - Asset Management)** 📍 Paris ou Bruxelles ou Luxembourg | 🏢 Hybride (le profil peut être basé sur une des ces 3 villes, le client ayant des sites sur place) ⏳ Mission longue (6 à 10 mois renouvelables) Nous recherchons un profil senior hybride Finance / IT pour intervenir sur des outils Finance cœur de l'organisation , dans un environnement Asset Management exigeant. 🎯 Contexte La mission s'inscrit dans un double cadre : Support Business As Usual (BAU) des équipes Finance Contribution à des projets structurants Finance (Target Operating Model, évolutions d'outils) Les systèmes Finance sont basés sur SAS Financial Management et SAS Cost & Profitability Management , utilisés pour les clôtures, calculs de coûts, rentabilité et reporting Finance . ⚠️ Clarification essentielle - merci de lire avant de postuler Dans cette mission, SAS est un système Finance cœur . Ce poste ne concerne PAS la Data Science, la BI, le reporting visuel (Power BI, Tableau, etc.) ni le développement SAS générique. Il ne s'agit pas non plus d'un rôle de Business Analyst purement fonctionnel. 🧩 Responsabilités Support opérationnel des équipes Finance sur les environnements SAS Finance Analyse des processus Finance / Comptabilité et recommandations d'optimisation Recueil des besoins métiers et rédaction de spécifications fonctionnelles et techniques Participation aux phases de design, tests, déploiement et conduite du changement Rôle de point de contact Finance IT au quotidien ✅ Profil recherché Expérience confirmée en Finance / Comptabilité dans l' Asset Management Maîtrise des processus : GL, AP/AR, clôtures, reporting, budget & forecast, coûts, procurement Solide expérience SAS Finance (macros, templates, outils FM / CPM) Expérience sur des projets IT Finance (ERP, comptabilité, reporting Finance) Compréhension des cycles projets ( Agile , Azure DevOps apprécié) Forte autonomie, séniorité, capacité à challenger le métier et l'IT 🌍 Langues Français et Anglais professionnels 🎯 Les profils Data Analyst, BI, Data Scientist ou BA non techniques ne correspondent pas à cette mission.