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.
