Trouvez votre prochaine offre d’emploi ou de mission freelance Statistiques

Contexte Dans le cadre du fonctionnement Agile de la Squad Data & Métrologie des environnements de travail, dédiée à la production de tableaux de bord, de rapports analytiques et au suivi des usages (postes de travail et applications associées), nous recherchons un Data Analyst disposant d'une bonne maîtrise de l'environnement poste de travail.L'objectif est de contribuer à la valorisation de la donnée afin de piloter l'usage et l'adoption des solutions mises à disposition. Missions principales 1. Recueil des besoins et collaboration métier Interagir avec les équipes internes et participer aux ateliers d'expression des besoins Comprendre les enjeux métiers et les traduire en problématiques analytiques exploitables Étudier et rédiger les cahiers des charges des rapports de métrologie attendus 2. Analyse et valorisation de la donnée Collecter, analyser et croiser des données issues de multiples sources (BDD SQL, Active Directory, Azure Cloud, Microsoft Graph, Service NOW etc.) Concevoir et développer des tableaux de bord pertinents et orientés décisionnel Réaliser des analyses statistiques afin d'identifier tendances, usages et axes d'optimisation 3. Documentation et accompagnement Rédiger les dossiers d'architecture technique liés aux cas d'usage Documenter les dashboards pour en faciliter la lecture et l'appropriation par les utilisateurs Accompagner les équipes dans la compréhension des indicateurs, des calculs et de la donnée présentée Compétences requises Compétences techniques · SQL : requêtes complexes, jointures, agrégations, sous-requêtes, fonctions analytiques, optimisation et contrôle de la qualité des données. · Power BI : modélisation de données, Power Query, langage DAX, conception de rapports interactifs, gestion des accès et publication dans Power BI Service. · Microsoft Azure : compréhension des services de données et des environnements Cloud utilisés pour collecter, stocker et exploiter les données. · Microsoft Graph et API REST : interrogation d'API, authentification, manipulation de formats JSON et intégration de données issues de Microsoft 365. · Active Directory et Entra ID : exploitation des données relatives aux utilisateurs, groupes, équipements, droits et identités. · ServiceNow : extraction et analyse des données de parc, incidents, demandes et usages via les tables, rapports ou API disponibles. · ETL et préparation des données : collecte, nettoyage, transformation, rapprochement et historisation de données provenant de sources multiples. · Analyse statistique : statistiques descriptives, segmentation, détection de tendances et d'anomalies, suivi d'indicateurs et analyse temporelle. · Environnement poste de travail : connaissance des données de parc, versions de systèmes, applications, équipements, télémétrie, conformité et usages. · Documentation technique : rédaction des flux de données, règles de gestion, modèles, calculs, contrôles et dossiers d'architecture technique. · Analyse et traitement des données : maîtrise de SQL pour l'extraction, la transformation et le contrôle de données issues de sources hétérogènes ; capacité à construire des jeux de données fiables, documentés et réutilisables. · Datavisualisation : maîtrise d'un outil de Business Intelligence, idéalement Power BI ; conception de modèles de données, mesures et indicateurs, création de tableaux de bord interactifs et application des bonnes pratiques de visualisation. · Écosystème Microsoft : bonne connaissance d'Active Directory, Azure, Microsoft Graph et des données liées au poste de travail ; compréhension des principaux objets, référentiels et mécanismes d'authentification et d'accès. · Sources et intégration : expérience de l'exploitation de bases SQL, d'API et de données ServiceNow ; capacité à qualifier les sources, gérer les correspondances entre référentiels et identifier les anomalies de qualité. · Analyse statistique : capacité à produire des analyses descriptives, segmentations, tendances et comparaisons temporelles ; aptitude à interpréter les résultats et à formuler des recommandations opérationnelles. · Qualité et gouvernance des données : maîtrise des contrôles de complétude, cohérence, unicité et fraîcheur ; respect des règles de sécurité, de confidentialité et de traçabilité. · Recueil du besoin : aptitude à animer des ateliers, formaliser les besoins, définir des indicateurs et rédiger des spécifications fonctionnelles et techniques claires. · Méthodes de travail : pratique d'un environnement Agile, collaboration avec les métiers et les équipes techniques, gestion des priorités et suivi des livrables. · Communication : capacité à vulgariser les résultats, présenter des analyses à des interlocuteurs variés et accompagner l'appropriation des tableaux de bord.

Au sein d'une équipe dédiée à la gestion et à la valorisation des données techniques, vous intervenez sur des problématiques à la fois Data, Data Quality et Intelligence Artificielle. Votre objectif sera notamment de contribuer à l'industrialisation de la mesure de la qualité des données, à l'enrichissement des outils d'exploitation et au développement de premiers cas d'usage IA à forte valeur métier. Vos principales responsabilités Data Quality et fiabilisation des données Analyser et qualifier les besoins métiers liés aux données. Contribuer à l'industrialisation des indicateurs de qualité, complétude et importance des données. Identifier les données manquantes, incomplètes ou incohérentes. Définir et mettre en œuvre des actions de mise en qualité des données. Développer des scripts, outils ou programmes spécifiques pour automatiser les traitements. Réaliser des contrôles, analyses et mises à jour de données. Participer à la gouvernance et au suivi de la qualité des données. Développement de cas d'usage IA Vous participerez à l'étude et à la mise en œuvre de plusieurs cas d'usage autour de l'IA : Complétude et enrichissement des données Exploiter des corpus documentaires hétérogènes : PDF, rapports, plans, tableaux, archives ou documents numérisés. Extraire et classifier automatiquement les informations pertinentes. Rapprocher les informations extraites avec les modèles de données existants. Identifier les champs manquants ou incohérents. Proposer des valeurs candidates accompagnées de leur source et d'un niveau de confiance. Mettre en place des mécanismes de validation métier avant intégration. Aide à l'estimation des travaux Analyser les données historiques disponibles. Identifier les variables explicatives pertinentes. Étudier différentes approches statistiques et Machine Learning. Comparer les estimations produites aux données réellement observées. Concevoir des restitutions permettant aux experts métiers de comprendre et challenger les résultats. Assistance à la rédaction de rapports Étudier des solutions d'assistance intelligente à la saisie et à la rédaction. Mettre en œuvre des fonctionnalités de structuration automatique. Contribuer à la classification des informations. Détecter les incohérences. Étudier les possibilités de transcription et d'exploitation de contenus multimédias. Garantir que l'IA reste une aide à la formalisation et ne génère pas de données techniques non fournies par l'expert. Pilotage et accompagnement Vous serez également amené(e) à : Étudier les leviers d'intégration des solutions IA dans les processus existants. Piloter la mise en œuvre des solutions et suivre leur avancement. Définir des indicateurs permettant d'évaluer les performances des modèles et traitements. Participer aux échanges avec les équipes métiers et techniques. Préparer les points de suivi et contribuer à la documentation des travaux. Accompagner la gouvernance et l'évolution des modèles de données

Le nombre de jours d'exploitation exploitables par an est la variable la plus déterminante pour la rentabilité d'un service de barging et de transbordement en Afrique de l'Ouest : elle gouverne le dimensionnement de la flotte, la capacité annuelle du système et l'ensemble des flux de trésorerie du modèle financier. Le littoral atlantique concerné connaît un contraste marqué entre saison sèche et saison des pluies, dont l'effet doit être quantifié — pas seulement estimé. Cette composante est mobilisée en tout premier lieu : ses résultats conditionnent directement le travail de l'architecte naval et de l'expert financier. Vos responsabilités : Caractériser les conditions bathymétriques et de marée des chenaux, approches et zones de mouillage concernées Reconstituer les régimes de houle, de vent et de courant sur au moins 20 ans (bases ERA5, Copernicus Marine), validés si possible contre des observations in situ Établir les statistiques de dépassement des seuils opérationnels (hauteurs de houle de 2 m et 2,5 m notamment) Convertir ces statistiques en jours d'exploitation exploitables par corridor et par saison, avec intervalle de confiance Identifier les lacunes de données et chiffrer les acquisitions complémentaires nécessaires

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 ! 📩

🎯 Contexte de la mission Dans le cadre du développement de projets Data & IA pour l'industrie, nous recherchons un(e) Data Scientist / AI Engineer Senior pour intervenir sur plusieurs cas d'usage d'intelligence artificielle industrielle. Le consultant intégrera une équipe spécialisée en Data Science, AI Engineering et IA pour l'industrie, intervenant sur différents projets en fonction des priorités métiers. La mission sera réalisée en collaboration étroite avec les experts métier, équipes produit et partenaires technologiques. Les problématiques adressées pourront notamment concerner : Séries temporelles industrielles : détection d'anomalies, qualification d'alertes, réduction des faux positifs, prévision de variables procédé ou production. Maintenance et fiabilité : aide à la décision à partir des historiques équipements et maintenance, identification des modes de défaillance, optimisation des plans de maintenance. Données industrielles non structurées : extraction d'informations structurées depuis des rapports, journaux de maintenance et documents techniques. Optimisation de la production et des procédés : estimation de quantités, automatisation de la surveillance, priorisation d'opportunités ou d'interventions. IA agentique appliquée aux données industrielles : agents outillés et assistants IA combinant données, modèles et connaissances métier, avec des résultats traçables. 🛠️ Missions principales Cadrer les cas d'usage avec les équipes métier et produit : traduction du besoin en problématique Data/IA, définition des hypothèses, métriques métier et critères de succès. Explorer et qualifier les données : séries temporelles, données de maintenance, documents et données de production. Construire des jeux d'évaluation en collaboration avec les experts métier. Concevoir, développer et comparer différents modèles par rapport à des baselines métier solides. Travailler sur des modèles de Machine Learning, méthodes statistiques, modèles de fondation pour séries temporelles et agents LLM. Concevoir des briques GenAI / IA Agentique lorsque pertinent : RAG, extraction structurée, recherche sur cas historiques, agents outillés. Industrialiser les solutions : pipelines reproductibles, packaging, APIs, déploiement et supervision en production. Assurer le cycle de vie des modèles : suivi des performances, détection de dérive, réentraînement et documentation. Restituer les résultats, limites et recommandations aux équipes métier et au management. Contribuer aux décisions go / no-go sur les différents cas d'usage. 📦 Livrables Notes de cadrage et protocoles d'évaluation. Définition des métriques, baselines et jeux de données. Rapports d'exploration et benchmarks avec recommandations. Code versionné et testé. Modèles, agents et composants API déployables. Documentation des modèles. Indicateurs de suivi des solutions en production. 👤 Expérience recherchée 5 ans minimum d'expérience en Data Science / AI Engineering. Au moins 2 ans d'expérience sur des projets industriels. Expérience de modèles déployés et maintenus en production. Capacité à intervenir sur des problématiques Data Science et AI Engineering de bout en bout. 💻 Compétences techniquesExpertise Python et écosystème scientifique / ML : Pandas NumPy Scikit-learn PyTorch Modélisation de séries temporelles industrielles : Détection d'anomalies Analyse multivariée Prévision Données capteurs bruitées et irrégulières Conception d'évaluations rigoureuses : Métriques métier Baselines Arbitrage faux positifs / faux négatifs Reproductibilité des benchmarks Industrialisation de solutions ML de bout en bout : MLOps MLflow ou équivalent CI/CD Git / GitHub Packaging Supervision Maîtrise GenAI et systèmes agentiques RAG Sorties structurées Appels d'outils Orchestration d'agents Évaluation et traçabilité des LLM Plateformes Cloud et Data : Databricks Azure et/ou AWS SQL APIs / FastAPI Docker Nice to have Maintenance prédictive / conditionnelle Fiabilité et modes de défaillance RCA / Root Cause Analysis Opérations de production industrielle Oil & Gas Systèmes de données industrielles : PI / Historians Inmation SAP PM Cognite Data Fusion IA documentaire / Computer Vision : P&ID Plans techniques Usage critique de l'IA dans les pratiques de développement, avec maintien de la compréhension et de la responsabilité technique. 🤝 Compétences comportementales Profil Data Scientist / AI Engineer Forte orientation métier et capacité à relier la performance du modèle à la décision métier. Capacité à travailler avec des experts terrain : maintenance, fiabilité, production. Aptitude à vulgariser les résultats et les limites auprès d'interlocuteurs non techniques. Rigueur scientifique et esprit critique. Capacité à challenger les choix techniques et à exprimer un désaccord de manière constructive. Autonomie et organisation. Capacité à travailler dans un environnement Agile – Scrum / Kanban. Esprit d'équipe et partage de connaissances. Français courant. Anglais professionnel.

La mission s'inscrit dans le cadre d'un programme SI dans le secteur de la santé, intervenant sur plusieurs domaines fonctionnels liés à l'Assurance Maladie : gestion des référentiels stratégiques (tiers, codification), traitements nationaux et statistiques, outils de contrôle médical, gestion des risques et recours contre tiers. Dans ce contexte, les applications traitées présentent des enjeux importants de fiabilité, de qualité et de cohérence des données. Au sein d'une équipe de support applicatif spécialisée dans le domaine de la santé, le consultant intervient sur le support des utilisateurs ainsi que sur certaines activités liées à la maintenance, la fabrication et au déploiement des applications. Ses principales responsabilités seront : Analyser les sollicitations et incidents remontés par les utilisateurs ; Diagnostiquer les problèmes et identifier leur origine ; Apporter une réponse et résoudre les incidents de premier niveau ; Informer et accompagner les utilisateurs dans la résolution de leurs demandes ; Escalader les incidents vers les équipes compétentes en fonction de leur niveau de criticité ; Participer aux activités de maintenance et au processus de fabrication et de déploiement des applications.

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 ?

Dans le cadre du renforcement d'une Squad Data & Métrologie fonctionnant en environnement Agile, nous recherchons un Data Analyst disposant d'une bonne connaissance de l'environnement poste de travail / Digital Workplace. La Squad est notamment en charge de la production de tableaux de bord, rapports analytiques et indicateurs de métrologie permettant de suivre les usages des postes de travail et des applications associées. L'objectif de la mission est de valoriser les données afin de mesurer et piloter l'usage et l'adoption des solutions mises à disposition des utilisateurs. À ce titre, vos principales missions seront : Recueil des besoins et collaboration avec les équipes Participer aux ateliers d'expression des besoins avec les différentes équipes internes. Comprendre les enjeux métiers et les traduire en problématiques analytiques exploitables. Étudier les besoins et rédiger les cahiers des charges des rapports de métrologie attendus. Définir les indicateurs et données nécessaires au suivi des usages. Analyse et valorisation de la donnée Collecter, analyser et croiser des données provenant de sources multiples. Exploiter notamment des données issues de bases SQL, Active Directory, Azure Cloud, Microsoft Graph et ServiceNow. Concevoir et développer des tableaux de bord et rapports décisionnels pertinents. Réaliser des analyses statistiques permettant d'identifier les tendances, les usages et les axes d'optimisation. Garantir la cohérence et la pertinence des indicateurs produits. Documentation et accompagnement Rédiger les dossiers d'architecture technique associés aux différents cas d'usage. Documenter les dashboards, indicateurs et règles de calcul afin d'en faciliter la compréhension. Accompagner les utilisateurs et les équipes dans la lecture et l'appropriation des données présentées.

📍 Marseille (13) · Hybride, 2 jours par semaine sur site · Démarrage octobre 2026 · CDI Qui sommes-nous ? Visian Azur, filiale du Groupe Neurones, est un cabinet de conseil spécialisé en Data et Intelligence Artificielle, implanté à Marseille. Nous accompagnons de grands comptes de la région sur leurs projets data les plus ambitieux. Vos missions Vous concevrez et intégrerez deux modules spécialisés au sein d'un framework agentique de recherche et d'expérimentation en Machine Learning. Module Event Forecasting : intégrer des événements externes dans des prévisions de séries temporelles. Découvrir et représenter les événements, modéliser leur probabilité, date, durée, intensité, direction, incertitude et impact Construire des scénarios (sans événement, central, optimiste, pessimiste, stress) à partir de méthodes statistiques, ML et Deep Learning Garantir l'absence de fuite temporelle en tenant compte strictement de la date de publication des données Valider les résultats par des tests placebo, des backtests événementiels et une comparaison à un modèle de référence sans événements Module IoT et détection de pannes : maintenance prédictive sur les données capteurs de sites industriels connectés. Détecter précocement les anomalies et les signaux précurseurs de panne Estimer la probabilité de panne et la durée de vie utile restante (RUL) Traiter des séries temporelles multivariées réelles : données manquantes, bruit, changements de régime Mobiliser des approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie Assurer la généralisation à de nouveaux équipements et produire des alertes explicables et hiérarchisées Transverse Définir les protocoles expérimentaux, jeux de tests et modèles de référence Produire un code versionné, testé et documenté, avec guide de prise en main Présenter régulièrement les résultats et assurer le transfert de connaissances aux équipes internes

Contexte de la missionNous cherchons un candidat capable de s'adapter à l'environnement technique du département Service & Données et aux pratiques de l'équipe qu'il va rejoindre : • Qui saura travailler de manière autonome • Disposant d'un bon sens de l'organisation et de la rigueur • Qui saura synthétiser ses travaux pour communiquer efficacement à ses commanditaires Objectifs et livrablesActivité principale A ce titre, le profil sera amené à assurer les activités suivantes : • Participation à des ateliers avec des experts métiers pour collecter le besoin et comprendre les données • Conception et développement de traitements de données • Réalisation d'études statistiques • Présentation de résultats sous la forme de rapports d'étude ou de tableaux de bord • Diffusion et vulgarisation des résultats d'études Le consultant sera également attendu sur les compétences suivantes : • Lien entre la partie métier et la partie data science • Conception fonctionnelle du besoin métier au sein d'un SI • Préparer et participer aux ateliers avec le métier et ses représentants utilisateurs Activité secondaire o Veille technologique sur les outils utilisés au sein du projet o Partage et formation sur les guides de bonnes conduites

Nous recherchons un(e) Data Scientist spécialisé(e) en LCB-FT (Lutte contre le Blanchiment de Capitaux et le Financement du Terrorisme) pour intervenir au sein d'un environnement bancaire. Vous rejoindrez une équipe Data travaillant sur des problématiques de détection et de prévention des risques financiers, avec une forte utilisation de Dataiku. MissionsAnalyser et exploiter des données liées aux problématiques LCB-FT afin d'identifier des comportements ou transactions à risque. Concevoir, développer et optimiser des modèles statistiques et Machine Learning pour la détection d'anomalies et de signaux de fraude/blanchiment. Préparer, transformer et fiabiliser les données nécessaires aux analyses et à la modélisation. Développer et industrialiser les traitements et modèles dans Dataiku DSS. Évaluer la performance des modèles et contribuer à leur amélioration continue. Collaborer avec les équipes Data, Risques, Conformité et Métiers afin de traduire les enjeux LCB-FT en solutions Data. Participer à la documentation, au suivi et à la mise en production des modèles développés.

Au sein d'un établissement bancaire, nous recherchons un(e) Consultant(e) spécialisé(e) en Regulatory Reporting pour piloter la production des reportings réglementaires et contribuer à l'amélioration continue des processus, contrôles et outils. Il/elle supervisera les reportings prudentiels, statistiques et de résolution, sur une base individuelle et sous-consolidée, et planifiera les cycles de production, validations et soumissions auprès de la CSSF, BCL, EBA, ECB et SRB. Le consultant assurera la qualité, la complétude et la traçabilité des données, coordonnera l'équipe de production offshore européenne et contribuera aux évolutions réglementaires, à l'amélioration des outils, des flux de données, des contrôles automatisés et de la data lineage.

Nous recherchons un Data Scientist Senior pour rejoindre une équipe Data Science & Analytics et intervenir à 100 % sur un projet stratégique à fort enjeu. La mission combine Data Science, Machine Learning, optimisation, IA Générative et industrialisation, avec une forte proximité avec les équipes métiers dans un environnement international. Missions principalesConcevoir, développer et industrialiser des solutions Data & IA. Cadrer les nouveaux cas d'usage avec les différentes parties prenantes. Extraire, explorer, analyser et transformer des volumes importants de données. Concevoir et entraîner des modèles prédictifs. Développer des pipelines de construction et d'industrialisation des modèles. Travailler sur des problématiques de Machine Learning, clustering, optimisation et Deep Learning. Concevoir et développer des solutions autour des LLM et agents IA. Développer, déployer et monitorer des services Data fiables et capables de passer à l'échelle. Participer aux choix d'architecture et proposer les technologies les plus adaptées. Contribuer aux bonnes pratiques de développement, de déploiement et d'industrialisation. Accompagner les utilisateurs dans l'adoption des solutions développées. Présenter les résultats et recommandations aux équipes techniques et métiers. Environnement techniqueStack principale : Python SQL scikit-learn Machine Learning LLM / GenAI Git Docker S3 Parquet Écosystème complémentaire : Kubernetes GitLab / CI/CD Airflow Kafka Spark Bash Prometheus / Grafana / Loki Kestra Compétences Data ScienceMachine Learning & modèles prédictifs Clustering Statistiques Deep Learning LLM / IA Générative Optimisation / Recherche Opérationnelle Heuristiques Industrialisation et monitoring des modèles

Dans le cadre d'un programme de rationalisation et d'optimisation du parc logiciel, notre client renforce son équipe Data dédiée à la métrologie des environnements de travail. L'équipe intervient notamment sur la production de tableaux de bord, rapports analytiques et indicateurs de suivi des usages, afin de mieux piloter l'adoption et l'utilisation des solutions mises à disposition des collaborateurs. Nous recherchons un Data Analyst disposant d'une bonne connaissance des environnements poste de travail / applications, capable de transformer des données issues de sources variées en analyses et indicateurs à forte valeur décisionnelle. Vos missions1. Recueil des besoins & collaboration métierParticiper aux ateliers avec les équipes métiers et techniques Recueillir et analyser les besoins en matière de reporting et de métrologie Comprendre les enjeux métier et les traduire en problématiques analytiques Rédiger les cahiers des charges des rapports et indicateurs attendus Être force de proposition sur les indicateurs permettant de mesurer les usages et l'adoption 2. Analyse & valorisation de la donnéeCollecter, exploiter et croiser des données provenant de différentes sources Réaliser des analyses statistiques et exploratoires Identifier les tendances, usages, anomalies et axes d'optimisation Concevoir et développer des tableaux de bord décisionnels Mettre en place des indicateurs fiables et pertinents pour le pilotage des usages Travailler notamment avec des données issues de : Bases de données SQL Active Directory Azure Cloud Microsoft Graph ServiceNow Sources liées aux environnements postes de travail et applications 3. Documentation & accompagnementRédiger les dossiers d'architecture technique associés aux cas d'usage Documenter les tableaux de bord, indicateurs et règles de calcul Garantir la compréhension et la traçabilité des données utilisées Accompagner les utilisateurs dans l'interprétation des indicateurs Participer à l'amélioration continue des dashboards et des processus de reporting

developpement un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning, inspiré des approches DS-STAR et MLE-STAR de Google Research. Son architecture repose sur un cœur générique associé à des plugins spécialisés. Le système automatise notamment les activités suivantes : analyse et formalisation du problème ; proposition et priorisation d'expériences ; génération, exécution et correction du code ; validation expérimentale et évaluations rétrospectives ; études d'ablation et sélection robuste des modèles. La mission consiste à faire évoluer ce framework selon deux axes prioritaires, tout en garantissant la qualité scientifique, la reproductibilité des expérimentations et l'intégration des développements dans l'écosystème existant. Objectif 1 — Amélioration du plugin Event Forecasting : Consolider un plugin capable d'intégrer des événements dans les prévisions de séries temporelles, selon un protocole scientifique rigoureux. Les travaux porteront notamment sur : découverte, qualification et représentation structurée des événements ; modélisation de leur probabilité d'occurrence, de leur date de début, de leur durée, de leur intensité, de leur direction, de leur incertitude et de leur impact ; production de scénarios sans événement, central, optimiste, pessimiste et de stress ; intégration de méthodes statistiques, de Machine Learning et de Deep Learning adaptées ; prise en compte stricte de la date de publication des informations afin d'éviter toute fuite temporelle ; mise en place de tests placebo, d'évaluations rétrospectives événementielles et de comparaisons avec un modèle de référence sans événements ; amélioration de la robustesse, de la reproductibilité et de l'interprétabilité des résultats. Objectif 2 — Cas d'usage IoT : détection de pannes : Concevoir et intégrer dans RAFA un plugin dédié aux données IoT et à la maintenance prédictive. Les travaux porteront notamment sur : détection précoce des anomalies et des signaux précurseurs de panne ; estimation de la probabilité de panne et, lorsque les données le permettent, de la durée de vie utile restante ; exploitation de séries temporelles multivariées issues de capteurs, avec gestion des données manquantes, du bruit et des changements de régime ; comparaison d'approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie ; évaluation des modèles selon des protocoles temporels réalistes et mesure de leur capacité de généralisation à de nouveaux équipements ; production d'alertes explicables, hiérarchisées et exploitables par les équipes métier. Livrables attendus : plugins Event Forecasting et IoT intégrés, testés et documentés dans RAFA ; protocoles expérimentaux, jeux de tests, modèles de référence et résultats comparatifs reproductibles ; code source versionné, documentation technique et guide de prise en main ; synthèses des travaux, recommandations et présentation régulière des résultats ; transfert de connaissances vers les équipes internes. Critères de réussite : amélioration mesurable des performances par rapport aux modèles de référence ; absence de fuite temporelle et respect des protocoles de validation définis ; reproductibilité des expérimentations et traçabilité des résultats ; qualité, maintenabilité et intégrabilité du code livré ; appropriation des développements et de la documentation par les équipes internes.