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

1. Conception et Déploiement Industrialisation ML : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles de qualité des données. IaC & Reproductibilité : Gérer l'infrastructure cloud (IaC) et assurer le versioning des modèles, données (Feature Store) et pipelines (ZenML, MLflow). 2. Monitoring et Maintenance Observabilité/Alerting : Implémenter le monitoring (Drift, latence) et configurer des alertes pour les modèles 3P en production. Optimisation : Optimiser les ressources de calcul pour les modèles. 3. Collaboration et Qualité Conseil MLOps : Accompagner les Data Scientists sur les bonnes pratiques MLOps (tests, code quality). Data Quality Gates : Intégrer des validations de schémas et des "Data Quality Gates" dans les pipelines. Data Mesh : Contribuer à l'architecture Data Mesh en traitant les modèles comme des "Data Products".

Au sein d'un grand groupe bancaire, intégré au pôle Paiement, vous agissez en tant que référent technique et fonctionnel sur des projets décisionnels et Big Data. Vous faites le lien entre les besoins métiers et les solutions technologiques innovantes basées sur l'Intelligence Artificielle et le Cloud. Vos missions principales : Gestion de projet & Analyse : Collecter les besoins auprès des métiers, animer des groupes de travail et rédiger les spécifications fonctionnelles et techniques. Data Engineering & Architecture : Modéliser les données et développer des reportings. Vous assurez l'exploration des données et contribuez à l'architecture sur le Cloud. Data Science & Machine Learning : Concevoir et implémenter des algorithmes de Machine Learning (spécifiquement en classification et NLP - Traitement du Langage Naturel). Delivery & Qualité : Assurer la recette, la mise en production (CI/CD) et garantir la qualité des livrables. Accompagnement : Former les utilisateurs et vulgariser la donnée via une communication visuelle efficace. Environnement Technique & Méthodologique : Cloud & Big Data : Expertise Google Cloud Platform indispensable (BigQuery, Airflow, Vertex AI/Notebook Jupyter). Langages & Libs : SQL, Python (Pandas, Scikit-learn, TensorFlow). DevOps/Delivery : Git, Jenkins, Cloud Build. Méthodologie : Agilité (Scrum, Kanban).

Bonjour, Pour l’un de mes clients, je recherche un(e) consultant(e) pour la mission suivante : Mission : ML Ops / ML Engineer – Lille ou Paris Déployer et gérer des applications de machine learning en production Collecter, nettoyer et orchestrer les données Créer des outils pour automatiser la mise en production Développer le monitoring et intégrer les applications ML dans les produits Compétences principales : MLOps et machine learning IA générative / LLMOps Python, API et webapp simples Docker et CI/CD SQL et gestion de données Anglais courant et travail en équipe Profil recherché : Confirmé/senior, expérience sur LLM et industrialisation de modèles Basé sur Lille idéalement ou Paris Si vous êtes intéressé(e) et que votre profil correspond, merci d’envoyer votre CV à jour. Je reviendrai vers vous rapidement pour échanger.

Au sein d’une direction data & innovation à dimension internationale, nous recherchons pour l'un de nos clients un·e Data Scientist pour rejoindre une équipe experte et pluridisciplinaire sur la métropole Lilloise. Vous interviendrez sur des projets IA critiques à forte valeur ajoutée métier, avec un fort enjeu d’industrialisation, de scalabilité et de sécurité. Votre rôle sera à la fois technique, structurant et transverse, au cœur des échanges entre équipes data, IT et Métiers dans un environnement exigeant.

Dans le cadre de programmes stratégiques autour de l’ IA de nouvelle génération (GenAI) , notre client grand compte du secteur bancaire renforce ses équipes avec un expert technique en cybersécurité et DevSecOps , très orienté mise en œuvre concrète des contrôles de sécurité sur Azure / Microsoft . Vous rejoignez une équipe internationale mature, déjà dotée de profils GRC et pilotage . 👉 Ce poste n’est pas un rôle de chef de projet ni de GRC : la valeur attendue est 100 % technique . 🎯 Priorité absolue : experts cyber capables de sécuriser des cas d’usage GenAI / LLM / agentiques en production , dans un contexte bancaire exigeant (sécurité, conformité, data sensible) . Vos missions (périmètre technique) Vous interviendrez en support technique avancé pour la sécurisation de la stack IA du client : 🔹 Sécurité des plateformes GenAI sur Azure Azure AI & Cognitive Services Azure OpenAI (si utilisé) Azure Machine Learning Microsoft Fabric, Power Platform, M365 Intégrations data (ex : Snowflake) 🔹 Design & implémentation des contrôles de sécurité Identités & accès : RBAC, MFA, Conditional Access, PIM Sécurisation réseau et cloisonnement des environnements Sécurisation des endpoints et services IA 🔹 DevSecOps & Infrastructure as Code Mise en place et amélioration de pipelines CI/CD sécurisés Sécurité de l’IaC : Terraform, Bicep Intégration de contrôles automatisés et policy-as-code 🔹 Outils de sécurité Microsoft Microsoft Sentinel Defender for Cloud Microsoft Purview (DLP, classification, conformité) 🔹 Rôle de référent technique Interaction directe avec développeurs, data engineers, data scientists Capacité à apporter des réponses opérationnelles sur les risques IA : prompt injection data / model poisoning exfiltration de données escalade de privilèges via agents / LLM 📦 Livrables attendus Blueprints et architectures de sécurité GenAI sur Azure Configurations sécurisées des services IA (RBAC, policies, alertes, DLP…) Contribution aux analyses de risques et mesures de mitigation techniques Revue de code, IaC et pipelines CI/CD Mise en œuvre de contrôles automatisés Reporting technique : posture de sécurité, vulnérabilités, plans de remédiation

Data Scientist Azure ML Python Gitlab LLM La mission concerne, une nouvelle entité du client créée pour développer de nouveaux cas d’utilisation en Intelligence Artificielle. La mission s’organise autour de trois axes : - Identification et analyse des besoins : participation à des ateliers d’idéation pour identifier les besoins du client et proposition de solutions algorithmiques sur mesure adaptées aux besoins. - Développement et validation des modèles d’IA : analyse des données disponibles, développement, test et validation des algorithmes de traitement de données en utilisant des méthodes d’algorithmes d’optimisation, de LLM, de Machine Learning et de Deep Learning en tenant compte des besoins en termes de sensibilité des données. - Partage de connaissance et communication : diffusion de la connaissance au sein de l'entité, partage des avancées réalisés, communication des succès et apprentissages, montée en compétence au sein de l’équipe. Objectifs et livrables Participer activement à l’identification des besoins des clients à travers des ateliers d’idéation Proposer des solutions algorithmiques sur mesure adaptées aux besoins Analyser rapidement les données disponibles pour sélectionner les modèles d'IA les plus pertinents face aux défis identifiés. Développer et tester des applications. Partager régulièrement des insights et des innovations issues des projets avec l'équipe . Communiquer efficacement en interne pour mettre en valeur les succès, les avancées réalisées et les leçons apprises. Compétences demandées Compétences Niveau de compétence Expérience solide dans le déploiement d’algorithmes d’optimisation Azure Machine Learning Gitlab CI/CD Connaissance approfondie des modèles algorithmiques (ML/DL). Programmation Python Confirmé Conduite d'atelier et de réunion Deep learning LLM

Contexte de la mission Dans le cadre du programme Move2Cloud du projet Prognos, une migration majeure vers le cloud est en cours. Afin d’assurer la poursuite et la consolidation de cette migration en 2026 , nous recherchons un profil MLOps / DevOps Senior . Au-delà de la migration, le projet fait face à de nouveaux enjeux techniques majeurs, notamment : l’ automatisation du réentraînement des modèles de Machine Learning sur le cloud , la gestion et l’orchestration de plusieurs milliers de pipelines (jusqu’à 4 000) en simultané , la scalabilité, la robustesse et l’industrialisation de la plateforme ML. Missions principales Finaliser et sécuriser la migration Move2Cloud de la plateforme Prognos Concevoir et maintenir des pipelines MLOps industrialisés (entraînement, validation, déploiement) Mettre en place le réentraînement automatique des modèles ML sur le cloud Garantir la scalabilité et la performance d’un grand nombre de pipelines exécutés en parallèle Déployer et maintenir les infrastructures cloud (Infrastructure as Code) Mettre en place les bonnes pratiques CI/CD, monitoring, logging et observabilité Collaborer étroitement avec les équipes Data Science, Software et Architecture Contribuer aux choix d’architecture et aux standards MLOps du projet Profil recherché Séniorité : Senior (autonomie et capacité de prise de décision attendues) Expérience significative sur des environnements MLOps et DevOps en production Solide compréhension des problématiques de Machine Learning à l’échelle industrielle Capacité à intervenir dans des environnements critiques et complexes (haute disponibilité)

Ton rôle : concevoir, industrialiser et fiabiliser des solutions IA en production, tout en instaurant des standards d’ingénierie logicielle (tests, CI/CD, MLOps/LLMOps, sécurité). Responsabilités principales Concevoir et déployer des features IA Construire des pipelines de traitement de données Industrialiser et monitorer les applications / services (latence, coût, taux de réponse, satisfaction utilisateur). Industrialiser l’IA via MLOps/LLMOps : suivi d’expériences, déploiement, monitoring, observabilité. Garantir la qualité des données, la conformité (GDPR) et la sécurité des solutions. Compétences techniques attendues IA générative, LLM, RAG, Prompt optimisation, Agents & orchestration Machine learning / Deep learning Traitement de données non structurées: PDF/Images Ingénierie & industrialisation Langages : Python avancé, SQL. APIs : conception et intégration Data pipelines : orchestration, streaming, feature stores. MLOps/LLMOps : CI/CD, Docker/Kubernetes, suivi des modèles, monitoring/observabilité, tests offline/online. Sécurité & conformité : gouvernance des données, IAM/secrets, mitigation des risques LLM (hallucinations, prompt injection, data leakage). Bonnes pratiques de dev Structuration des projets, templates, documentation vivante. Stratégie de tests Standards de code, revue d’architecture et diffusion des bonnes pratiques. Profil recherché 4+ ans d’expérience en Data Science/MLOps

Expérience : 7 à 10 ans minimum en audit de processus, automatisation ou transformation digitale Dans le cadre d’une mission stratégique d’optimisation des opérations, un acteur majeur du secteur de l’énergie recherche un Consultant Senior en Automatisation pour conduire un audit complet des processus métiers et définir une roadmap d’automatisation priorisée (IA, RPA, interfaces inter-systèmes). Les périmètres couverts incluent : Logistique – Service Client – Commerce – Administration des Ventes (ADV)

Dans le cadre de projets innovants autour de l’Intelligence Artificielle et plus particulièrement des Large Language Models (LLM) , nous recherchons un Data LLM Engineer pour rejoindre une équipe spécialisée dans la mise en place de solutions IA génératives. Missions Concevoir, développer et optimiser des pipelines de données adaptés à l’entraînement et au fine-tuning de modèles LLM. Participer à la préparation, la structuration et l’étiquetage de jeux de données massifs et hétérogènes. Intégrer et déployer des modèles de langage dans des environnements de production. Mettre en place des mécanismes d’évaluation, monitoring et amélioration continue des performances des modèles (metrics, hallucinations, biais, robustesse). Collaborer étroitement avec les Data Scientists, MLOps et Software Engineers pour industrialiser les solutions IA. Assurer une veille technologique sur les dernières avancées en NLP, LLM et IA générative.

Principales missions : Vision & Stratégie Produit IA : Définir la stratégie des solutions IA en collaboration avec les équipes métier, en identifiant les opportunités dans les domaines du Risque, du Paiement, du Digital, etc., et en priorisant les projets selon leur valeur et faisabilité. Gestion du Backlog & Priorisation : Coordonner et prioriser les initiatives en Data Science et IA en traduisant les besoins métier en fonctionnalités, en maintenant le backlog et en arbitrant les priorités pour maximiser l’impact business à chaque sprint. Pilotage du Delivery Agile : Superviser la livraison des projets IA via des méthodologies agile (Scrum/Kanban), organiser les cérémonies, suivre l’avancement, lever les obstacles, et garantir le respect des délais, du budget et de la qualité, tout en communiquant avec les sponsors. Coordination Métiers–Data–IT : Servir d’interface entre les équipes Data Science, IT et métiers, en facilitant la co-construction de solutions adaptées, en intégrant les contraintes techniques et en assurant une mise en œuvre fluide. Crédit & Risque (Scoring) – Use cases « Machine Learning » classiques : Piloter l’évolution des modèles de scoring crédit (octroi, scores comportementaux), en concevant, expérimentant, déployant et en monitorant les modèles en collaboration avec Risque et Validation, en s’assurant qu’ils respectent les normes réglementaires et qu’ils améliorent la stabilité du coût du risque. IA Générative & Agents : Explorer et déployer des cas d’usage liés à l’IA générative, tels que chatbots, assistants cognitifs ou systèmes avec LLM/RAG, pour automatiser l’analyse de documents, soutenir les équipes internes ou enrichir le support client, en définissant objectifs et indicateurs de performance.

Fort d’une maturité croissante sur ces sujets, notre client lance en 2026 un programme stratégique IA composé d’environ 40 projets et produits, avec pour ambition d’accélérer sa capacité à délivrer des solutions à forte valeur ajoutée. Dans ce cadre, un accompagnement est recherché pour accompagner le développement de produits dédiés à l’efficacité commerciale. Mission : Piloter le développement des produits IA/ML orientés performance commerciale, en lien avec la Direction du Développement Commercial. Identifier et prioriser les cas d’usage à fort impact business (segmentation, scoring, prédiction, churn, valeur client BtoB/BtoC), pour construire une backlog orientée valeur. Assurer, en lien avec l'équipe Data Science, la reprise et la création d’algorithmes de Machine Learning, en garantissant leur robustesse, leur pertinence métier et en s'assurant du respect du processus de gouvernance (Validation des cas d'usages par les instances dédiées, Documentation des produits au niveau attendu, anticipation de la phase d'industrialisation le cas échéant,...). Coordonner la mise en oeuvre de la roadmap produit avec les équipes Data Science, IT, Architecture et Sécurité, en anticipant les jalons, les mises en production et les validations de performance. Mettre en place des mécanismes automatisés de mesure de la valeur produit (performances des modèles, adoption, satisfaction métier) et améliorer la datavisualisation des usages pour suivre l’impact business. Animer et structurer la gouvernance du produit et préparer les livrables à destination du Sponsor pour arbitrages éventuels (COPIL, Report au programme IA,....). livrables : 1. Gouvernance & pilotage produit - Production des supports d’animation des instances (COPIL, COMOP, ateliers de travail) et rédaction des comptes rendus associés - Animation des ateliers de recensement des besoins et d’alignement stratégique avec les métiers - Suivi des budgets dédiés aux projets et réalisation du reporting 2. Construction de la valeur produit - Contribution active à la formation des besoins et problématiques métiers à adresser grâce à l'IA / ML - Contribution active à la définition des features et améliorations nécessaires pour délivrer la valeur métier ; pour des projets en construction ou dans le cadre de l'évolution de produits déjà en run - Participation aux phases de recette fonctionnelle en lien avec les métiers et les data scientists. La pédagogie est primordiale - Appropriation des composants technologiques sous-jacents, en lien avec les architectes, afin de mieux évaluer leur impact sur la performance produit. 3. Structuration du delivery produit - Développement et mise à jour de la roadmap et de la backlog produit, en priorisant la valeur métier. - Support à l’équipe produit sur les sujets transverses : qualité, gouvernance, gestion des risques, et coordination avec la DSI. - Reprise du cycle de vie des produits de scoring en production et dédiés au développement commercial 4. Animation & acculturation IA - Animation de l’équipe produit (métier, DSI, Data, Dev front, etc.) sur les cas d’usage en phase d’exploration ou d’incubation. - Mise en oeuvre du plan de communication autour des produits le cas échéant. - Animation de la veille autour des sujets

Contexte Développement de solutions IA avancées pour le projet du client Missions Concevoir, entraîner et optimiser des modèles ML et LLM Implémenter des architectures Agentic AI Industrialiser les modèles (MLOps, monitoring, performance) Collaborer avec les équipes produit et tech Garantir la robustesse et l’éthique des modèles en production Profil recherché 10+ ans d’expérience en data science Excellente maîtrise de Python et des frameworks ML Expérience réelle de LLM et Agentic AI en production Forte capacité d’abstraction et de vulgarisation Experience en IA / AI en production ANGLAIS ASAP

Contexte Nous recherchons un Développeur Python avec une appétence forte pour l’ intelligence artificielle , capable de participer au développement et à l’industrialisation de solutions IA intégrées à des applications existantes. Missions principales Développer des applications et services backend en Python Intégrer des composants IA / Machine Learning dans des applications métier Concevoir et exposer des APIs pour la consommation de services IA Participer à la mise en production des solutions (tests, déploiement, supervision) Collaborer avec les équipes techniques et métiers Contribuer à l’amélioration continue du code et des pratiques de développement Compétences techniques Très bonne maîtrise de Python Développement d’APIs (FastAPI, Flask ou équivalent) Bases solides en IA / Machine Learning ou en intégration de modèles existants Utilisation de frameworks ou services IA (OpenAI, HuggingFace, Azure OpenAI, etc.) Connaissances en conteneurisation ( Docker ) appréciées Notions de CI/CD et d’environnements cloud appréciées Profil recherché Formation en informatique ou équivalent Expérience en développement Python (production ou projets significatifs) Intérêt marqué pour les sujets IA et LLM Capacité à travailler en équipe et à communiquer efficacement Curiosité technique et esprit pragmatique Environnement de travail Projets techniques à fort impact Collaboration avec des profils backend, IA et infrastructure Contexte évolutif et innovant

Dans le cadre d’une mission pour l’un de nos clients, acteur majeur du secteur bancaire, nous recherchons un Data Scientist / ML Engineer spécialisé en IA Générative et Agentic AI pour intégrer l’équipe Data & IA . Vous interviendrez sur la conception, l’entraînement et le déploiement de solutions d’IA avancées visant à optimiser des processus métier critiques : analyse de documents, support aux traders, automatisation de workflows, conformité réglementaire et reporting. Missions principales 1. Modélisation & Machine Learning Développer des modèles de Machine Learning avancés en Python pour des cas d’usage bancaires : fraude, scoring, gestion et anticipation des risques. Préparer, nettoyer et transformer des données structurées et non structurées (logs, documents réglementaires, rapports, données métiers). 2. Large Language Models (LLM) Fine-tuning et intégration de LLM industriels (GPT-4/5, LLaMA, Mistral…). Conception et implémentation de pipelines RAG (Retrieval-Augmented Generation) pour un accès contextualisé aux données internes (politiques internes, réglementations, Knowledge Base). Mise en œuvre de prompting avancé et d’architectures adaptées aux besoins CIB . 3. Agentic AI Prototyper et déployer des agents autonomes capables d’interagir avec : APIs internes Workflows Services bancaires (ex. assistant trader, extraction d’informations réglementaires). Orchestration de tâches complexes via des frameworks tels que : LangChain, LangGraph, AutoGPT . 4. Production & Industrialisation Packager et déployer les modèles en production : Docker API REST / GraphQL Environnements cloud privé ou hybride Collaboration avec les équipes MLOps, Cloud et Sécurité pour garantir : Scalabilité Monitoring & observabilité Respect des contraintes réglementaires. 5.Gouvernance & Compliance IA Garantir l’application des règles internes d’ Ethics & Compliance liées à l’IA. Mise en place de tests de : Robustesse Biais Traçabilité et explicabilité des modèles. Profil recherché Formation supérieure en Data Science, IA ou Informatique Solide expérience en Machine Learning et IA Générative Excellente maîtrise de Python Bonne connaissance des environnements bancaires / financiers appréciée Capacité à travailler sur des sujets à forte valeur métier et forte exigence réglementaire

Contexte et enjeux Notre client en assurance s’est engagé dans un projet stratégique majeur visant à accélérer et industrialiser le déploiement des cas d’usage de la Data Science et de l’Intelligence Artificielle (Machine Learning et LLM). Ce programme ambitieux repose sur la mise en œuvre de socles technologiques robustes, sécurisés et scalables : MLOps LLMOps Environnements Python industrialisés L’objectif est de fournir une plateforme mutualisée et standardisée permettant le développement, l’entraînement, le déploiement et le monitoring des modèles d’IA, utilisable par l’ensemble des équipes Data & IA du client. Dans ce cadre, notre client en assurance recherche un Consultant expert pour prendre en charge la gestion et l’animation de l’équipe dédiée à la plateforme MLOps . Ce rôle est stratégique pour la réussite du projet et la pérennisation des socles en mode RUN. Responsabilités principales 1. Management et animation de l’équipe MLOps Structurer et encadrer l’équipe MLOps (MLOps Engineers, Data Engineers, etc.) Définir les rôles et responsabilités Organiser et planifier les activités, répartir les charges et suivre l’avancement Mettre en place et animer les rituels agiles (daily stand-ups, sprint reviews, rétrospectives) Favoriser la montée en compétences et la diffusion des bonnes pratiques 2. Pilotage technique de la plateforme MLOps / LLMOps Définir l’architecture technique de la plateforme en collaboration avec les architectes et les équipes Data & IA Sélectionner et intégrer les outils et technologies MLOps / LLMOps pertinents Garantir la disponibilité, la scalabilité, la sécurité et la performance de la plateforme Assurer la conformité aux normes de sécurité, de gouvernance des données et de réglementation (RGPD) Définir, suivre et analyser les KPIs de la plateforme et des modèles déployés 3. Delivery du socle MLOps et des cas d’usage Garantir le déploiement des composants du socle MLOps industriel , en lien avec l’ensemble des parties prenantes DSI Organiser la réintégration des cas d’usage déjà en production dans le nouveau socle (compatibilité ascendante) Piloter le déploiement et la gestion opérationnelle de la plateforme MLOps, en autonomie et en coordination avec la DSI Accompagner l’industrialisation et la mise en production des cas d’usage IA 4. Roadmap, gouvernance et pilotage Définir et mettre en œuvre la roadmap MLOps / LLMOps , en adéquation avec les besoins des équipes Data & IA Piloter un portefeuille de projets techniques Gérer les budgets et l’allocation des ressources Animer les instances de pilotage (Comité Projet, Comité de Pilotage) S’appuyer sur les outils de suivi : SCIFORMA (planning et suivi budgétaire), JIRA (suivi des tâches) 5. Communication et coordination Interagir avec les équipes Data Scientists, Data Analysts, Architectes, Sécurité et Opérations Présenter l’avancement et les résultats aux parties prenantes internes (direction, métiers) Animer des ateliers de partage de connaissances et de bonnes pratiques Accompagner l’adoption de la plateforme par les équipes Data & IA Livrables attendus Organisation cible et plan de charge de l’équipe MLOps Roadmap détaillée de la plateforme MLOps / LLMOps Documentation technique et fonctionnelle Rapports d’activité et tableaux de bord de suivi Propositions d’architecture et de choix technologiques Processus et procédures MLOps / LLMOps formalisés Supports de formation et de sensibilisation