Trouvez votre prochaine offre d’emploi ou de mission freelance Machine Learning

Contexte du poste : Nous recherchons un Data Scientist confirmé, expert en Python et en Data Learning, pour intervenir sur un projet d’évolution d’outils d’Event Management vers une plateforme intégrant des capacités avancées d’AIOps. L’objectif est de renforcer l’automatisation, la corrélation d’incidents et la prédiction au sein d’un environnement de supervision IT. Missions principales : - Participer à la migration d’un outil d’Event Management vers une solution intégrant des modules AIOps. - Analyser les événements et concevoir des modèles de corrélation permettant d’identifier, regrouper et prioriser les incidents. - Développer des modèles de Data Learning / Machine Learning pour améliorer la détection et la prédiction d’incidents. - Implémenter des scripts d’auto‑remédiation et des mécanismes intelligents de traitement d’alertes. - Créer, enrichir et intégrer des situations / patterns d’événements dans la plateforme AIOps. - Collaborer avec les équipes d’exploitation, d’architecture et de développement pour assurer une intégration fluide des modèles. - Contribuer à l’évolution continue des outils et pipelines IA/ML.

Contexte de la mission Support Business Units in designing, developing, and industrializing AI solutions across all Energy segments (buildings, industrial sites, networks, production). Leverage energy domain expertise and strong AI/ML technical skills to translate operational challenges into production-ready, scalable AI products. Focus on high-impact use cases that deliver measurable results in energy performance and decarbonization, creating robust, explainable, and reusable ML/AI components that integrate with the Group data platform and can be deployed across multiple BUs. Objectifs et livrables Design, develop, and deploy scalable AI/ML solutions that drive energy performance optimization and decarbonization across all Energy business units Transform operational energy challenges into production-ready AI products through hands-on collaboration with Data Science and IT teams Build and maintain a reusable library of explainable AI components integrated with the Group data platform for cross-BU deployment Orchestrate end-to-end solution delivery from POC to production, ensuring technical feasibility, data quality, and measurable business impact Enable knowledge sharing and solution replication through comprehensive documentation, blueprints, and implementation playbooks Facilitate cross-functional collaboration between Business Units, Data Science, IT, and central functions to prioritize and execute high-impact AI use cases Compétences demandées MLOps & Industrialization Confirmé Generative AI & Agents Expert Classical ML & Deep Learning Expert Energy Efficiency Avancé Data Engineering Avancé

Mission La mission d'une institution financière majeure est de contribuer à une croissance responsable et durable par un financement de l'économie dans le respect des plus hauts standards éthiques, en particulier dans les domaines de l'anti-blanchiment d'argent, de la lutte contre le terrorisme, et de la lutte contre la fraude et l'ingénierie sociale. L'optimisation des services opérationnels via la science des données représente une opportunité majeure pour notre entreprise de se démarquer sur le marché. Descriptif du Poste Assurer la recherche de données et la mise au point de modèles performants afin d'assister de nombreuses équipes de la banque commerciale dans leur effort d'identification et d'analyse des comportements suspects. Déployer et intégrer ces modèles dans les infrastructures et flux de travail de l'entreprise en assurant un impact positif et maîtrisé. Profil Recherché Nous cherchons un profil capable de développer et intégrer des solutions avancées de data science appliquée à des données structurées en priorité. Des compétences en traitement du langage naturel (NLP traditionnelle, voire GenAI) seraient un plus permettant de proposer à nos clients internes des fonctionnalités différenciantes et l'évolution en interne du profil vers d'autres projets. Ce profil doit connaître en détail le fonctionnement de nombreux algorithmes d'apprentissage, supervisé comme non supervisé, et être en pleine possession des méthodologies d'évaluation de modèles. Idéalement, le candidat devrait avoir une expérience pratique dans des projets similaires et démontrer une capacité à traduire un problème concret en problème mathématique au moyen des données. Une excellente maîtrise de Python et de SQL est en outre nécessaire. Des compétences de type "soft skills" seront également incontournables, comme la gestion de projet, une écoute de qualité avec les interlocuteurs métier ainsi qu'une bonne communication, et un goût de la collaboration et le partage des connaissances, notamment avec les autres data scientists et les équipes techniques et opérationnelles (MLE, MLOPS, OPS).

Support aux unités opérationnelles dans la conception, le développement et l’industrialisation de solutions d’intelligence artificielle (IA) à travers tous les segments de l’énergie (bâtiments, sites industriels, réseaux, production). En s’appuyant sur une expertise approfondie du domaine de l’énergie et de solides compétences en AI/ML, le but est de transformer les problématiques opérationnelles en produits IA prêts pour la production, évolutifs et performants. L’objectif est de se concentrer sur des cas d’usage à fort impact, susceptibles de générer des résultats mesurables en termes de performance énergétique et de décarbonation, tout en créant des composants ML/AI robustes, explicables et réutilisables, intégrés à la plateforme de données du Groupe et déployables dans plusieurs unités opérationnelles. Objectifs et livrables Concevoir, développer et déployer des solutions IA/ML évolutives pour optimiser la performance énergétique et accélérer la décarbonation dans toutes les unités d’énergie. Transformer les défis opérationnels liés à l’énergie en produits IA prêts pour la production, en collaborant étroitement avec les équipes de Data Science et IT. Construire et maintenir une bibliothèque réutilisable de composantes IA explicables, intégrées à la plateforme de données du Groupe pour un déploiement cross-BU. Piloter la livraison complète des solutions, de la phase de proof of concept (POC) à la mise en production, en garantissant la faisabilité technique, la qualité des données et un impact métier mesurable. Favoriser le partage des connaissances et la réplication des solutions grâce à une documentation complète, des modèles et des guides de déploiement. Faciliter la collaboration inter-fonctionnelle entre les unités opérationnelles, la Data Science, l’IT et les fonctions centrales pour prioriser et exécuter les cas à fort impact.

Bonjour et merci d'avoir cliqué sur cette offre 😊 Nous recherchons un.e ML Ops pour une grande entreprise internationale ! 🚀 Ce poste est fait pour toi si : tu as 5 ou plus années d'expérience en tant que ML Ops/Data Scientist ; tu maîtrises MLflow ou outils similaires ; tu as déjà travaillé dans un environnement GCP/BigQuery ; tu as un anglais professionnel. Tes missions … ✨ Définir et mettre en œuvre un cadre de bonnes pratiques ML Engineering (tests, qualité, versioning, monitoring…) ✨ Concevoir, construire et maintenir des modèles de Machine Learning en lien avec les Data Scientists ✨ Industrialiser les modèles via des pipelines de ré-entraînement, d’évaluation et de déploiement automatisés ✨ Contribuer à la roadmap produit ML : arbitrages techniques, exploration technologique, priorisation ✨ Développer des systèmes de monitoring en temps réel pour la supervision des modèles et des flux de données ✨ Enrichir la plateforme ML avec de nouveaux outils et composants (frameworks, patterns, modules d'observabilité…) ✨ Participer activement à la vie agile de l’équipe (rituels, pair programming, veille technologique) ✨ Porter les bonnes pratiques ML en transverse auprès des autres entités du groupe, en France et à l’international ✨ Accompagner les Data Scientists dans la montée en maturité technique, notamment sur les pratiques de software engineering ✨ Garantir la qualité du code produit et participer à son amélioration continue TT: 2 jours par semaine. Démarrage: rapide. Relation: CDI ou freelance. 👉 Tu as envie d’un nouveau défi, entouré(e), valorisé(e), écouté(e) ? Postule et parlons-en. Même si ce n’est pas pour cette mission, on trouvera peut-être celle qui te correspond parfaitement. Les étapes à venir après avoir postulé : nous étudierons ta candidature avec attention. si elle nous intéresse, tu recevras un appel pour un premier échange de préqualification. On t’enverra un mail si on n’arrivera pas à te joindre. Si elle ne nous intéressera pas (ça sera certainement pour une autre mission 😉), on t’enverra un mail. Merci de ton attention et à très vite pour une aventure épanouissante chez Winside 🙂 ---------- Winside, en bref ? Winside Technology est un pure player Tech, basé à Paris, Lyon, Lille, Bordeaux, Nantes et au Maroc. Crée en 2020, l’entreprise compte plus de 250 consultants, accompagne plus de 50 clients grands comptes et a réalisé 30M€ de chiffre d’affaires en 2024. Notre ADN repose sur l’expertise, la qualité, la proximité et l’esprit d’équipe. Au-delà des missions, nous cultivons une vraie communauté : événements techniques, moments conviviaux, partage de connaissances et ambition collective. Ce que tu trouveras chez Winside en CDI… Une communauté d’experts diversifiés ( Craft, Core, Risk & Security etc) Une entreprise en pleine croissance, qui valorise l’initiative et la créativité. Un parcours de formation personnalisé et de vraies perspectives d’évolution. Une vie d’entreprise rythmée par des événements techniques et conviviaux. Des avantages concrets : primes vacances, mutuelle prise en charge à 100 %, frais mobilité, système de cooptation qui impacte ta rémunération sur le long terme. Tu te reconnais ? Alors, tu es fait.e pour nous rejoindre ! Viens échanger avec nous 😉

🎯 Nous recherchons un(e) Consultant(e) Senior en Intelligence Artificielle / Machine Learning pour accompagner des Business Units dans la conception, le développement et l’industrialisation de solutions IA appliquées aux enjeux énergétiques et de décarbonation. 🔍 Contexte de la mission Vous interviendrez sur des projets IA à destination de différents segments énergie (bâtiments, sites industriels, réseaux, production), avec pour objectif de : optimiser la performance énergétique, réduire l’empreinte carbone, transformer des problématiques opérationnelles en produits IA robustes et industrialisés . Vous travaillerez en étroite collaboration avec les équipes métier, Data Science et IT , et contribuerez à l’intégration des solutions au sein d’une plateforme data groupe. 🛠️ Missions Vos principales responsabilités seront : Concevoir, développer et déployer des solutions IA / Machine Learning scalables et exploitables en production Transformer des problématiques métier liées à l’énergie en solutions IA concrètes et mesurables Industrialiser les modèles (du POC à la production) en garantissant la qualité des données, la robustesse et la maintenabilité Construire et maintenir une bibliothèque de composants IA explicables et réutilisables , intégrée à la plateforme data groupe Piloter des projets de bout en bout : cadrage, développement, déploiement, mesure d’impact Produire la documentation nécessaire (blueprints, guides, playbooks) afin de faciliter la réutilisation des solutions Faciliter la collaboration entre les différentes parties prenantes (Business Units, équipes Data, IT, fonctions centrales)

Ingénieur Intelligence Artificielle junior, profil technique ML/DL, chargé de concevoir, entraîner et évaluer des modèles IA robustes et fiables, intégrés à des systèmes critiques et contraints, avec un fort niveau d’exigence technique. VOS MISSIONS PRINCIPALES : Au sein d’équipes techniques pluridisciplinaires, l’ingénieur IA interviendra sur : La conception et l’implémentation de pipelines IA : collecte, nettoyage et préparation des données, feature engineering, entraînement et validation des modèles. Le développement et l’amélioration de modèles : machine learning classique, deep learning selon les cas d’usage. L’ évaluation des performances des modèles : métriques adaptées, généralisation, robustesse, gestion du biais et du bruit. L’amélioration continue des modèles existants : tuning, gestion du drift, optimisation des performances. La contribution à l’ industrialisation des modèles : versioning des données et des modèles, reproductibilité des expérimentations, intégration dans des systèmes existants. La prise en compte de contraintes fortes : données partielles ou sensibles, environnements techniques contraints, exigences élevées de fiabilité et de sécurité.

Dans le cadre d’un projet client stratégique dans le domaine des semi-conducteurs et des plateformes embarquées pour la robotique, nous recherchons un(e) Ingénieur(e) Robotique / Machine Learning spécialisé(e) dans les architectures Vision-Language-Action (VLA) pour des systèmes robotiques temps réel. Vous interviendrez sur le développement, l’intégration et l’optimisation de modèles de Machine Learning déployés sur des plateformes robotiques réelles, en lien étroit avec des contraintes fortes d’embarqué, de performance et de temps réel, typiques des architectures MPU/SoC. Le poste s’inscrit dans un environnement R&D industrielle de haut niveau, à l’interface entre robotique, IA embarquée et hardware. Rôle général : Concevoir, développer et évaluer des algorithmes Vision-Language-Action (VLA) adaptés à des systèmes robotiques embarqués temps réel Intégrer des modèles VLA sur des robots physiques, en garantissant robustesse et fiabilité Participer au déploiement end-to-end de pipelines ML sur des plateformes robotiques Optimiser et adapter les modèles ML pour des architectures embarquées (MPU) Développer des composants logiciels robustes assurant l’interaction entre modules ML et systèmes robotiques Tester, benchmarker et valider les solutions en simulation et sur robots réels Produire des exemples applicatifs détaillés basés sur les solutions logicielles développées

Vous assurez le pont entre la recherche en Data Science et la mise en production des modèles prédictifs. Votre mission principale consiste à industrialiser les pipelines de Machine Learning pour garantir leur robustesse, leur répétabilité et leur scalabilité. Vous mettez en place des chaînes de CI/CD spécifiques au ML (MLOps) incluant le versioning des données, des modèles et du code. Vous développez des outils de monitoring pour détecter la dérive des données (data drift) et la baisse de performance des modèles en production. Vous travaillez sur l'optimisation des infrastructures de calcul (GPU/CPU), la conteneurisation des modèles (Docker/Kubernetes) et l'exposition via des micro-services performants. Expert technique, vous collaborez avec les Data Scientists pour optimiser les algorithmes et avec les équipes Infra pour garantir une intégration fluide dans l'écosystème Cloud ou On-premise de la banque.

Dans le cadre de sa feuille de route IA, nous sommes à la recherche d’un (e) Data Scientist / Machine Learning Engineer confirmé. Ce poste requiert une expertise en Data Science orientée vers le Machine Learning, avec au moins 5 à 7 ans d'expérience. Les candidats doivent posséder une connaissance approfondie des modèles supervisés, ainsi qu'une maîtrise du langage Python et de l'écosystème ML. Ce rôle est crucial pour l'optimisation de l'expérience client grâce à l'intégration de l'IA et du Machine Learning dans les processus opérationnels. Responsabilités Principales : Concevoir et optimiser les scores d'octroi et de comportement, en explorant des approches innovantes. Assurer le monitoring de la dérive des modèles. Collaborer avec les équipes Métiers et Risque. Optimiser l'expérience client en intégrant des modèles d’IA en temps réel sous forme d’API. Participer à l’architecture technique en suivant les meilleures pratiques de développement. Prototyper et déployer des solutions d’IA Générative pour transformer les processus internes. Évaluer et monitorer les performances des agents. Exigences Clés 5-7 ans d’expérience en Data Science et Machine Learning. Expérience en modèles supervisés: Logistic Regression, Tree-based models, Gradient Boosting (XGBoost / LightGBM). Maîtrise du langage Python et de l’écosystème ML (Pandas, Scikit-learn, MLflow). Expérience en déploiement de modèles API et pipelines automatisés. Atouts Souhaitables Connaissance de Snowflake et enjeux bancaires. Expérience avec les outils Azure (Azure ML, Foundry). Familiarité avec les approches explicables (SHAP/LIME). Autres Détails Ce poste se situe dans un environnement orienté vers l’écosystème Data Engineering et MLOps. Il est attendu une excellente maîtrise de l’intégration CI/CD, des tests et du monitoring, ainsi qu'une bonne connaissance des outils tels que Databricks, pySpark, Confluence, JIRA et Bitbucket. Il est essentiel d’être à l’aise avec la modélisation ML et l’architecture du SI. Lieu : LILLE Télétravail : 2 jours par semaine

Contexte : Dans le cadre du développement d’un assistant virtuel pour les employés, nous recherchons un ML Engineer capable de structurer une vision technique claire et de la transformer en roadmap d’implémentation robuste. ❇️ Concevoir et déployer des micro-services Python (API, Swagger, tests, CI/CD) ❇️ Industrialiser des pipelines Machine Learning de bout en bout (déploiement, monitoring, retraining) ❇️ Faire le lien entre Data Science, équipes AI & Analytics et IT Production ❇️ Garantir la qualité des données, la fiabilité des modèles et leur performance en production

Contexte de la mission Accompagner les Business Units dans la conception, le développement et l’industrialisation de solutions d’intelligence artificielle sur l’ensemble des segments Énergie (bâtiments, sites industriels, réseaux, production). S’appuyer sur une expertise du domaine de l’énergie et de solides compétences techniques en IA / Machine Learning afin de transformer des problématiques opérationnelles en produits IA industrialisés, scalables et prêts pour la mise en production . L’objectif est de se concentrer sur des cas d’usage à fort impact , générant des résultats mesurables en matière de performance énergétique et de décarbonation , en développant des composants IA/ML robustes, explicables et réutilisables , intégrés à la plateforme data du Groupe et déployables dans plusieurs Business Units.

Contexte de la mission Dans le cadre de ses initiatives visant à améliorer la performance énergétique et à accélérer la décarbonation de ses activités, le client recherche un Product Engineer IA / ML . La mission s’inscrit au cœur des activités Énergie (bâtiments, sites industriels, réseaux, production) et consiste à accompagner les Business Units dans la conception, le développement et l’industrialisation de solutions d’intelligence artificielle à fort impact opérationnel. Le prestataire interviendra comme acteur clé entre les équipes métier, Data Science et IT , avec un objectif clair de passage à l’échelle et de déploiement multi-BU. 2. Objectifs de la mission Développer et déployer des solutions IA/ML industrielles visant l’optimisation de la performance énergétique et la réduction de l’empreinte carbone Transformer des problématiques opérationnelles complexes en produits IA robustes, maintenables et prêts pour la production Garantir l’intégration des solutions dans la plateforme data du Groupe et leur réplicabilité à l’échelle des Business Units Assurer un impact métier mesurable en lien direct avec les enjeux énergétiques et environnementaux 3. Missions et responsabilités Le Product Engineer IA / ML sera en charge de : Concevoir, développer et déployer des solutions IA/ML scalables, du POC à la production Collaborer étroitement avec les équipes Data Science et IT pour assurer la faisabilité technique, la qualité des données et l’industrialisation Construire et maintenir une bibliothèque de composants IA/ML explicables et réutilisables Intégrer les solutions dans la plateforme data Groupe pour un déploiement multi-BU Orchestrer la livraison end-to-end des cas d’usage, en garantissant robustesse, performance et traçabilité Produire une documentation complète (blueprints, guides d’implémentation, bonnes pratiques) afin de faciliter la réplication des solutions Favoriser la collaboration transverse entre Business Units, équipes Data, IT et fonctions centrales Contribuer au partage de connaissances et à la montée en compétence des équipes internes 4. Compétences requisesCompétences techniques IA générative et agents : Expert Machine Learning & Deep Learning : Expert MLOps et industrialisation des modèles : Confirmé Data Engineering : Avancé Efficacité énergétique et enjeux de décarbonation : Avancé Compétences transverses Capacité à transformer des enjeux métier en produits IA industrialisables Forte culture produit et orientation impact mesurable Capacité à travailler en environnement complexe et multi-acteurs Autonomie, rigueur technique et sens du delivery

Fiche de poste Data Scientist / ML Engineer – Credit Risk & GenAI Expérience : 5–7 ans Contexte : IA / Risk / MLOps / GenAI Contexte Dans le cadre de sa feuille de route IA, Oney développe des solutions de : Machine Learning NLP IA générative pour optimiser le scoring crédit, les processus opérationnels et l’expérience client . MissionsCredit Risk Scoring Conception et optimisation des modèles de scoring Entraînement, déploiement et monitoring des modèles Suivi de la dérive et stabilité du coût du risque Collaboration avec les équipes Risque et Validation AI Solutions Intégration de modèles ML en temps réel via API Participation à l’architecture technique (Cloud / MLOps) Industrialisation des modèles GenAI Prototypage et mise en production d’agents IA (LLM, RAG) Automatisation de processus métiers (risque, marketing, support) Monitoring et optimisation des performances des agents Compétences techniquesMachine Learning Logistic Regression Tree-based models XGBoost / LightGBM Explainable AI (SHAP, LIME) LLM / modèles génératifs (OpenAI, HuggingFace) Python & MLOps Python, Pandas, Scikit-learn MLflow, FastAPI LangChain / LangGraph CI/CD, pytest Docker, Kubernetes Feature stores Monitoring modèles (drift, performance) Data & Cloud Azure ML Databricks PySpark Git, Bitbucket, Azure DevOps Jira, Confluence Apprécié : Snowflake Contexte bancaire / scoring crédit Profil recherché Data Scientist avec expérience mise en production des modèles À l’aise en ML, MLOps et architecture technique Capacité à travailler avec les équipes métiers (Risque, Paiement, Digital) Intérêt pour l’IA générative et les architectures agentiques

Dans le cadre de sa feuille de route en intelligence artificielle, ce client s'engage à développer et accélérer l’intégration des technologies de Machine Learning , Deep Learning , NLP (traitement du langage naturel) ainsi que des solutions d’IA Génératives . L’objectif est de maximiser l’exploitation des données, d’optimiser les processus opérationnels et d’améliorer l’expérience client. Objectifs et livrables Credit Risk Scoring Concevoir et optimiser, pour les équipes Risque et Validation, des modèles de scoring d’octroi et de comportement, en explorant des approches innovantes. Assurer la stabilité du coût du risque en entraînant et déployant ces solutions, tout en mettant en place un monitoring efficace de la dérive des modèles. Collaborer étroitement avec les experts métier et les équipes Risque pour garantir la pertinence et l’efficacité des solutions développées. Solutions d’Intelligence Artificielle Optimiser l’expérience client en intégrant en temps réel nos modèles d’IA via des API dans les parcours digitaux (ex. scoring en temps réel, personnalisation des offres de paiement, etc.). Participer à l’architecture technique pour une intégration fluide des modèles, en suivant les meilleures pratiques en matière de développement (notamment Cloud et MLOps). Collaborer avec les équipes Produit et IT afin d’industrialiser et déployer ces solutions à grande échelle. Intelligence Artificielle Générative (GenAI) Transformer les processus internes (Marketing, Audit, Risque, etc.) ainsi que la relation et le support client, en prototypant puis en déployant en production des solutions d’IA Générative sous forme d’agents (ex. LLM, RAG). Automatiser l’octroi de crédits, réaliser des analyses documentaires complexes et faciliter l’interaction avec la clientèle en mettant en place des architectures orientées agents. Évaluer, optimiser et suivre les performances des agents (cohérence, diversité, utilisation de LLM en tant que juge, etc.).

Vous rejoindrez l’équipe ML Platform , dont la mission est d’améliorer la productivité des chercheurs en machine learning en développant des bibliothèques, services, outils et bonnes pratiques, tout en garantissant une mise en production robuste des modèles ML à grande échelle. L’équipe est composée : d’ingénieurs travaillant sur des projets transverses, et de profils accompagnant les équipes fonctionnelles dans leur parcours ML. Vous travaillerez également en étroite collaboration avec le ML Lab , une équipe de recherche académique nécessitant des outils et infrastructures dédiés, distincts de l’infrastructure principale, afin de : accéder librement aux technologies open source de pointe, collaborer avec des partenaires externes, expérimenter rapidement à grande échelle. Mission En tant que Senior DevOps Engineer au sein de l’équipe ML Platform, vous mettrez à profit votre solide background en ingénierie logicielle, votre maîtrise de Python et votre expérience des environnements cloud pour faciliter le travail quotidien du ML Lab sur , tout en assurant les interconnexions nécessaires avec l’infrastructure principale, majoritairement basée sur AWS . Responsabilités principales Configurer et maintenir l’environnement cloud , notamment pour l’accès GPU du ML Lab Mettre en place des mécanismes FinOps et des protections minimales contre les erreurs humaines (“fat fingers”) Optimiser les images Docker afin de réduire les temps de cold start Implémenter et maintenir des systèmes de monitoring pour l’entraînement des modèles ML Contribuer ponctuellement aux projets transverses de l’équipe ML Platform sur AWS (CI/CD, outillage cloud, services communs pour les chercheurs) Promouvoir et implémenter des processus d’ automatisation Renforcer la sécurité via des évaluations de vulnérabilités, la gestion des risques et le déploiement de mesures de cybersécurité adaptées