Trouvez votre prochaine mission ou futur job IT.

Missions – Tech Lead Full Stack Porter les exigences DSI et les NFR Assurer le leadership technique et l’architecture (API, events…) Garantir la sécurité (veille CVE, bonnes pratiques) Prendre en charge les enablers techniques Promouvoir et appliquer les pratiques DevSecOps Concevoir, maintenir et sécuriser les pipelines CI/CD (tests automatisés, Jenkinsfile) Développer, corriger et assurer la qualité (tests unitaires, automatisés, End-to-End) Gérer les anomalies et le suivi de production Veiller à la conformité des livrables aux standards techniques Suivre les indicateurs d’excellence opérationnelle Participer aux rituels Agile/SAFe, aux estimations et aux communautés de pratique Collaborer avec les équipes du train (Système, Tech Leads…) Utiliser les outils de supervision applicative Intégrer l’usage de l’IA générative Si tu veux, je peux aussi adapter le wording pour un ton plus “consulting” ou plus “interne DSI”.

Informations générales Département : Digital, Data & IA Localisation : Siège / Lille (présence obligatoire sur site) Supérieur hiérarchique : Head of IA Position dans l’organisation Le/la IA Ready Lead pilote la préparation et la structuration des données et connaissances nécessaires aux systèmes d’intelligence artificielle. Il/elle encadre une équipe dédiée à la mise en qualité des contenus et à leur exploitation optimale pour les solutions IA (copilots, agents, RAG). Encadrement Management d’une équipe spécialisée pouvant inclure : Knowledge Manager IA Ready Data / IA Ready Analyst Interactions internes Équipes Data (Data Hub, gouvernance, référentiels) Équipes IT / DSI Directions métiers Équipes Digital / Data / IA Équipes en charge de la conformité et de l’adoption Interactions externes Partenaires technologiques et plateformes cloud Éditeurs de solutions IA (LLM, RAG, etc.) Cabinets spécialisés Mission Le/la IA Ready Lead est responsable de la préparation fonctionnelle, sémantique et organisationnelle des données utilisées par les solutions d’intelligence artificielle. Il/elle garantit la disponibilité, la qualité, la cohérence et la traçabilité des bases de connaissances, et définit les standards permettant d’optimiser la performance des systèmes IA. Responsabilités principales 1. Définition de la stratégie IA Ready Définir la stratégie de préparation des données pour l’IA Identifier et cartographier les sources de connaissances Prioriser les sources en fonction des cas d’usage Définir l’architecture fonctionnelle des bases de connaissances 2. Standards de structuration et performance RAG Définir les standards de structuration des contenus (taxonomie, tagging, hiérarchie) Définir les règles de segmentation (chunking) adaptées aux usages IA Fixer les niveaux de granularité optimaux pour la recherche par similarité Définir les critères de qualité permettant d’améliorer la pertinence des réponses 3. Pilotage de la préparation des contenus Qualifier les besoins de contenus avec les équipes IA Delivery Superviser la structuration, le nettoyage et l’enrichissement des données Définir les critères d’acceptation IA Ready (qualité, complétude, fraîcheur) Garantir la cohérence sémantique et métier des bases de connaissances 4. Coordination transverse Collaborer avec les équipes IT pour l’ingestion et la mise à disposition des données Travailler avec les équipes Data pour l’alignement avec les référentiels Coordonner avec les équipes IA Delivery pour assurer l’adéquation avec les cas d’usage Organiser les boucles de feedback entre usage et amélioration des contenus 5. Gouvernance et documentation Définir les standards de documentation des bases de connaissances Mettre en place les règles de gouvernance (ownership, validation, versioning) Structurer les processus de mise à jour et de maintenance Garantir la traçabilité des sources et des transformations 6. Qualité et fiabilité des données Définir les règles de qualité des données IA Mettre en place des contrôles et indicateurs de qualité Suivre les écarts et piloter les plans d’amélioration Garantir la fiabilité et la lisibilité des contenus 7. Industrialisation et réutilisation Concevoir des modèles de connaissances réutilisables Standardiser les pratiques IA Ready Capitaliser sur les retours d’expérience Diffuser les bonnes pratiques au sein de l’organisation 8. Contribution à la conformité Assurer la traçabilité des sources utilisées Veiller au respect des règles de protection des données Contribuer aux exigences des équipes en charge de la conformité

Informations générales Département : Digital, Data & IA Localisation : Siège / Lille (présence obligatoire sur site) Supérieur hiérarchique : IA Ready Lead Position dans l’organisation Le/la IA Ready Analyst prépare et structure les contenus nécessaires au bon fonctionnement des solutions d’intelligence artificielle (copilots, agents, RAG). Il/elle intervient en amont du delivery pour garantir la qualité, la cohérence et l’exploitabilité des bases de connaissances. Encadrement Aucun management direct Interactions internes Équipes Data (Data Hub, gouvernance, référentiels) Équipes IT / DSI Directions métiers Équipes Digital / Data / IA Équipes en charge de l’adoption et de la conformité Interactions externes Partenaires technologiques et plateformes cloud Éditeurs de solutions IA (LLM, RAG, etc.) Cabinets de conseil spécialisés Mission Le/la IA Ready Analyst est responsable de la préparation fonctionnelle des connaissances et contenus utilisés par les solutions d’intelligence artificielle. Il/elle structure les bases de connaissances, garantit leur qualité sémantique, leur cohérence métier et leur traçabilité, et contribue à leur industrialisation pour permettre un usage fiable et performant de l’IA. Responsabilités principales 1. Préparation des contenus IA Identifier et exploiter les sources nécessaires aux cas d’usage IA Structurer, nettoyer et enrichir les bases de connaissances Définir la classification métier (taxonomie, tagging, hiérarchie) Préparer les contenus pour les usages RAG (segmentation, granularité adaptée) 2. Analyse fonctionnelle Comprendre les processus métiers pour organiser les connaissances Définir les règles d’inclusion et d’exclusion des contenus Garantir la cohérence sémantique entre documents et référentiels Assurer l’alignement avec les besoins fonctionnels des cas d’usage 3. Coordination opérationnelle Collaborer avec les équipes IT pour la mise à disposition des données Travailler avec les équipes Data pour l’alignement avec les référentiels Coordonner avec les équipes IA Delivery pour valider la complétude des contenus Contribuer aux spécifications fonctionnelles liées à l’indexation et à l’exploitation des données 4. Qualité des données et des contenus Identifier les doublons, incohérences, obsolescences et manques Appliquer les règles de qualité définies Garantir la lisibilité, la fiabilité et la pertinence des connaissances Améliorer en continu la qualité des bases de connaissances 5. Documentation et gouvernance Maintenir la documentation fonctionnelle des bases IA Appliquer les règles de gouvernance des connaissances Mettre en place et suivre les processus de mise à jour Assurer la pérennité et la maintenabilité des contenus 6. Contribution à la conformité Garantir la traçabilité des sources utilisées Veiller à l’absence de données sensibles non nécessaires Contribuer aux exigences réglementaires (ex : RGPD, cadre IA) Fournir les éléments nécessaires aux équipes en charge de la conformité 7. Industrialisation et réutilisation Appliquer les standards IA Ready sur les nouveaux cas d’usage Maintenir des modèles de connaissances réutilisables Capitaliser sur les retours d’expérience Diffuser les bonnes pratiques de structuration des contenus

Dans le cadre du développement de nos initiatives autour de l’intelligence artificielle, nous recherchons un(e) Product Manager IA / GenAI capable d’identifier, structurer et piloter des opportunités produits à fort impact, en lien étroit avec les équipes métiers, data et tech. Vous jouerez un rôle central dans la définition et la mise en œuvre de solutions basées sur les LLM , les architectures RAG et plus largement les usages de l’ IA générative , avec une forte orientation valeur métier et impact opérationnel. Au sein d’un environnement transverse et en forte évolution, vous serez amené(e) à : Identifier et cadrer les opportunités IA en collaboration directe avec les équipes métiers, en partant des problématiques terrain, des irritants et des enjeux business Mener des phases de product discovery pour faire émerger les cas d’usage les plus pertinents, challenger les besoins, évaluer la faisabilité et prioriser les initiatives à forte valeur Piloter des projets IA de bout en bout , notamment autour des LLM , des architectures RAG et de solutions d’IA générative Traduire les besoins métiers en solutions concrètes , activables et alignées avec les contraintes produit, techniques et organisationnelles Définir, structurer et prioriser la roadmap produit IA , en arbitrant entre impact, effort, maturité des cas d’usage et valeur pour les utilisateurs Travailler en étroite collaboration avec les équipes data, tech, innovation et métiers afin d’assurer la cohérence, l’adoption et la réussite des projets Contribuer à la diffusion d’une culture produit et IA au sein de l’organisation, en facilitant la compréhension des enjeux, des possibilités et des limites des technologies déployées

Développeur .NET Full Backend – Orientation Intelligence Artificielle - Bordeaux Démarrage ASAP. 2 jours de déplacement sur site toutes les deux semaines. Longue mission. Je recherche un Développeur .NET Full Backend passionné par l’Intelligence Artificielle pour concevoir et développer des solutions backend robustes intégrant des capacités d’IA modernes. Vous participerez à la création de services intelligents, APIs scalables et architectures cloud capables d’exploiter des modèles d’IA pour automatiser, analyser et optimiser des processus métiers. Missions : Concevoir et développer des APIs backend performantes en .NET (C#, Core) Concevoir des architectures microservices scalables Intégrer des modèles d’IA / Machine Learning / LLM dans les applications backend Développer des pipelines de données pour alimenter les modèles d’IA Mettre en place des services d’automatisation intelligente Participer à la conception technique et à l’architecture logicielle Optimiser les performances et la sécurité des services Collaborer avec les équipes produit et data Stack technique : Backend : .NET 6/7/8, C#, Core Architecture : Microservices, Clean Architecture, DDD Data : SQL Server, PostgreSQL, Redis Cloud / DevOps : Azure / AWS, Docker, CI/CD IA / Data : intégration d’API d’IA (LLM, NLP) pipelines ML traitement de données API : REST, GraphQL Messaging : RabbitMQ / Kafka Profil recherché : Profil sénior en développement backend .NET Excellente maîtrise de C# et Core Bonne connaissance des architectures backend modernes Intérêt marqué pour l’Intelligence Artificielle et les systèmes intelligents Expérience avec APIs, microservices et cloud Capacité à concevoir des systèmes évolutifs et maintenables

Dans le cadre de l’évolution d’un assistant conversationnel déjà déployé au sein d’une application mobile à forte audience, nous recherchons un Product Owner IA expérimenté pour piloter l’extension de ses usages vers de nouveaux périmètres métiers (assurance vie, leasing, etc.). Depuis son lancement, cet assistant a déjà généré plus d’un million de conversations, confirmant son rôle structurant dans l’amélioration de l’expérience utilisateur. 🎯 Votre rôle Vous intervenez sur une phase clé de structuration et d’extension produit, en lien étroit avec les équipes IT, Data/IA et Métiers. À ce titre, vous serez amené à : • Cadrer les évolutions du produit à partir des travaux d’idéation existants • Définir la vision produit et piloter la roadmap associée • Concevoir l’architecture de gestion des données et la base documentaire • Rédiger les user stories et suivre les développements • Mettre en place la gouvernance projet et les dispositifs de pilotage • Définir et suivre les KPI (usage, performance, impact) • Animer les ateliers et coordonner les parties prenantes Le produit repose sur une plateforme RAG + LLM interne, intégrant différents modèles (OpenAI, Mistral, Google…). 📍 Informations pratiques • Mode de travail : Hybride • Démarrage : ASAP • Durée : 6 mois renouvelables ✨ Pourquoi cette mission ? • Produit déjà déployé et utilisé à grande échelle • Enjeux stratégiques autour de l’IA générative • Forte exposition et impact métier • Périmètre fonctionnel riche et évolutif

La Plateforme Agentique constitue un pilier central de la stratégie IA de. Elle fournit un socle unifié pour créer, orchestrer, sécuriser et industrialiser les agents IA utilisés par les métiers. Elle repose notamment sur : * un Agent Registry et un Agent Gateway permettant le référencement, l’orchestration et la sécurisation des agents IA ; • des standards de gouvernance, workflows agentiques, règles SSI, conformité IA Act ; • des frameworks agentiques tels que Dust, Mistral, Dataiku ; • une intégration profonde au SI (APIs internes, data products, bus d’événements, services cloud) ; • des exigences fortes d’observabilité, de scalabilité et de conformité. Le Technical Lead IA jouera un rôle structurant pour garantir cohérence technique, industrialisation et excellence DevOps au sein de la plateforme.

Contexte de la mission Dans le cadre du projet Factor Acceleration , vous rejoignez l'équipe Factor, composée d’environ 10 collaborateurs, en tant que catalyseur de productivité. Votre mission principale consiste à lever le goulet d'étranglement lié à la réécriture du frontend en Angular, actuellement estimée à 300 jours, en s’appuyant sur des méthodes de développement assistées par des technologies d’IA de nouvelle génération. Objectifs et livrables Opérant en mode Agile-Scrum, vous adoptez une approche non conventionnelle de développement. Vous pilotez des outils d'IA afin de produire un code de haute qualité à une vitesse accrue, à travers plusieurs axes : Accélération (legacy remédiation) : Industrialiser la conversion des interfaces legacy et Angular v15 vers Angular v21, en utilisant des prompts et des agents de migration. Ensuite, contribuer à la réécriture des environ 1300 procédures stockées en base de données vers un ORM moderne. Vibe Coding / BMAD : Soutenir l’équipe dans l’adoption de nouvelles méthodes de développement pour transformer rapidement, via des itérations assistées par IA, les spécifications en composants fonctionnels sur la nouvelle stack technologique. Automatisation de la qualité : Exploiter l’IA pour générer automatiquement la couverture de tests unitaires (TU) et de tests de bout en bout (E2E). Agentic Workflows : Déployer des agents connectés à la base de code pour automatiser la revue de code, la remédiation de dette technique, la correction de bugs, et à terme, la génération automatique des User Stories. Livrables Composants Angular "AI-generated" : Développement de composants modulaires, optimisés et documentés, créés en collaboration avec des outils d’IA. Harnais de tests automatisés : Mise en place d’une couverture accrue par la création massive de tests unitaires et d’intégration, assurant la stabilité lors de la refonte. Bibliothèque de Prompts et d’Agents : Documentation exhaustive des méthodes d’accélération, facilitant la montée en compétences du reste de l’équipe. CI/CD augmentée : Contribution à l’enrichissement des pipelines d’intégration continue afin d’intégrer des étapes de vérification automatique par IA.

• Management de Produit & Agilité : Expérience confirmée en tant que Product Owner (ou poste équivalent) dans un contexte agile. Vous savez définir une vision produit, gérer un backlog, rédiger des user stories et animer une équipe agile multidisciplinaire. Une certification Product Owner ou Scrum Master serait un plus • Culture Data Science & IA : Solide culture des technologies Data et IA. Sans être Data Scientist vous-même, vous comprenez les concepts clés du Machine Learning (modèles prédictifs supervisés, scoring, etc.) ainsi que les approches d’IA Générative (LLMs, agents conversationnels…). Vous êtes capable d’échanger de manière fluide avec des Data Scientists sur des sujets comme la performance d’un modèle ou le fine-tuning d’un LLM. Vous vous tenez informé(e) des avancées du domaine (ex : nouvelles offres d’OpenAI/HuggingFace, frameworks comme LangChain) et percevez comment les appliquer concrètement à des cas d’usage métiers • Coordination Technique & MLOps : Bonne compréhension de l’écosystème Data Engineering/MLOps. Vous n’hésiterez pas à participer aux discussions techniques sur l’architecture des solutions IA. Idéalement, vous êtes familier avec le cycle de vie d’un modèle ML : du prototypage à la mise en production Cloud (Azure, conteneurisation Docker/Kubernetes, pipelines automatisés), en incluant le monitoring (data drift, performance, feedback utilisateurs). Vous savez ainsi challenger et soutenir techniquement l’équipe dans les choix de solution, et comprendre les contraintes d’échelle et de sécurité propres au secteur bancaire

Responsabilités principales 1. Cadrage Animer des ateliers métiers (recueil des besoins, irritants, processus, scénarios) Formaliser les cas d’usage et définir les priorités Contribuer à la définition des KPI de succès 2. Gestion du backlog, MVP & priorisation Construire et maintenir le backlog produit (user stories, critères d’acceptation) Prioriser les évolutions en collaboration avec l’IA Delivery Lead et les sponsors métiers Préparer et animer les rituels Agile Garantir la clarté et la qualité des tickets 3. Design fonctionnel des copilots / agents IA Définir les scénarios d’usage et règles métier Encadrer les limites fonctionnelles et les contenus attendus Contribuer aux comportements “safe” (gestion des erreurs, incertitudes, hallucinations) 4. Coordination des prérequis Exprimer les besoins en bases de connaissances (périmètre, exclusions, fréquence de mise à jour) avec IA Ready Préparer les éléments nécessaires à Responsible IA (usage, périmètre, traçabilité fonctionnelle) Clarifier les besoins fonctionnels avec la DSI et les partenaires techniques 5. Recette fonctionnelle Définir le plan de tests (cas nominaux, limites, erreurs, scénarios sensibles) Participer au go/no-go avec l’IA Delivery Lead Suivre les anomalies et leur résolution 6. Industrialisation et amélioration continue Capitaliser sur les retours d’expérience (REX) Standardiser les bonnes pratiques (copilots, agents IA, RAG) Alimenter le backlog d’amélioration continue Compétences requises Compétences techniques Connaissance des solutions GenAI (copilots, agents IA, RAG) : mécanismes, limites, hallucinations Compréhension des principes MLOps (niveau usage/consommation) Bonne compréhension fonctionnelle du RAG Notions de structuration des données pour l’IA (Golden Data, référentiels) Compétences transversales Formation Bac +5 (ingénieur, data science, produit digital ou SI) Expérience en product management (backlog, MVP, priorisation) Maîtrise des méthodologies Agile (Scrum, Kanban) Expérience en AMOA : Recueil du besoin Animation d’ateliers Rédaction de spécifications fonctionnelles Modélisation de parcours utilisateurs Capacité à travailler en transverse (métiers, DSI, data, IA) Culture IA, data et processus métiers Compétences en recette fonctionnelle (tests, critères d’acceptation, gestion des anomalies) Livrables attendus Backlog produit (user stories + critères d’acceptation) Spécifications fonctionnelles et parcours utilisateurs Plan de tests, PV de recette et suivi des anomalies Supports de démonstration et d’adoption (guides, FAQ) Retours d’expérience (REX) et backlog d’amélioration continue

Conception et optimisation des invites Concevoir, améliorer et maintenir des invites de haute qualité (système, instructions, exemples, etc.). Développer des stratégies d'invites avancées : enchaînement de pensées, interactions multiples, routage, utilisation d'outils. Créer et gérer un référentiel d'invites standardisées pour les principaux cas d'usage du secteur bancaire. Intégration aux produits Collaborer avec les équipes Données et Informatique pour intégrer des invites optimisées aux assistants conversationnels. Gérer le versionnage et le suivi du cycle de vie des invites. Accompagner les équipes métiers dans la définition de leurs besoins et l'identification des cas d'usage d'IA à forte valeur ajoutée. Évaluation et assurance qualité Mettre en œuvre des cadres de test robustes : analyse comparative, analyse des hallucinations, contrôles de précision. Réaliser des tests A/B et mettre en place des outils d'évaluation semi-supervisée. Surveiller et améliorer en continu les performances conversationnelles. Conformité, Sécurité et Gouvernance Garantir la conformité aux exigences réglementaires (secteur bancaire, RGPD, loi sur l'IA). Créer et diffuser des bonnes pratiques pour les équipes métiers.

Secteur : Grande Banque d'Investissement / Asset Servicing Localisation : Montrouge (92) - Hybride possible stack technique : Python, LLMs, LangChain, Cursor, AWS, MLOps 🌟 Le Challenge : L'IA au cœur de la production Vous n'allez pas simplement "coder en Python". Vous rejoignez une AI Factory de pointe pour transformer les métiers de la finance grâce à l'Intelligence Artificielle Générative. En tant qu' AI-Native Developer , votre mission est double : construire des solutions IA robustes (RAG, Agents, Fine-tuning) et révolutionner votre propre manière de produire du code en utilisant les outils les plus avancés de Vibe Coding . 🛠️ Vos Missions (Le "Build") Conception IA : Développer et optimiser des modèles ML/DL et des architectures de LLM (Hugging Face, LangChain) pour des cas d'usage métiers concrets. Vibe Coding Expert : Piloter le développement via des outils d'IA générative ( Cursor, GitHub Copilot, Claude ) pour accélérer le delivery sans jamais sacrifier la qualité. Industrialisation (MLOps) : Déployer vos modèles en production via des microservices ( FastAPI, Docker, Kubernetes ) et assurer leur monitoring. Qualité & Rigueur : Garantir la robustesse du code (Pytest) et auditer les suggestions de l'IA avec un esprit critique aiguisé. Collaboration Agile : Travailler en proximité avec les Data Scientists et les architectes dans un environnement international (Anglais requis). 🎯 Votre Profil (Le "Matching") Expérience : Minimum 5 ans en développement Python avec une spécialisation forte en IA/ML. Maîtrise GenAI : Vous savez manipuler les LLMs, faire du Prompt Engineering complexe et mettre en place des bases de données vectorielles. Productivité augmentée : Vous êtes un adepte du "Vibe Coding" et maîtrisez parfaitement les assistants de code IA. Stack Technique : Expert en frameworks (PyTorch, Scikit-Learn) et à l'aise avec les plateformes Cloud ( AWS SageMaker ou équivalent). Mindset : Esprit critique, pragmatisme et capacité à décomposer des problèmes complexes en instructions claires.

Almatek recherche pour l'un de ses clients Un Data Engineer Sénior / Big Data / Spark / Cloudera sur Paris. Contexte de la mission Le projet HALO est un programme stratégique de digitalisation des parcours bancaires (vente en ligne, souscription, IA). La Direction Data met en place une plateforme Big Data pour alimenter les cas d’usage métiers à forte valeur ajoutée. Il s’agit d’un nouveau projet (build) avec des enjeux de performance, d’intégration IA et de montée en charge. L’environnement technique est centré sur un écosystème Hadoop/Cloudera on-premise. Missions principales • Participer à la définition de l’architecture Data en lien avec les architectes et la squad • Affiner les User Stories avec le PO/BA, concevoir et développer les pipelines de collecte et de stockage des données • Orchestrer les flux batch et temps réel (Spark batch + Spark Streaming) • Mettre en œuvre les tests unitaires et automatisés • Déployer le produit dans les différents environnements (CI/CD) • Garantir le bon fonctionnement en production : monitoring, gestion des incidents, optimisation • Accompagner l’équipe dans une logique d’amélioration continue de la qualité du code Environnement technique Catégorie Technologies Framework Big Data Hadoop Cloudera (requis) Traitement Spark, PySpark, Spark Streaming (requis) — Scala (apprécié) Messaging Kafka, Kafka Connect, Kafka Streams (apprécié) Langages SQL (requis), Scala, Java, Shell, Python Bases de données SQL : Hive, Phoenix — NoSQL : HBase, MongoDB DevOps / CI-CD Git, Jenkins, Artifactory, XL Deploy, XL Release Monitoring ELK Stack (Elasticsearch, Logstash, Kibana), Grafana Gouvernance RGPD, Data Lineage, Catalogage

Bonjour a tous je suis a la recherche d'un profil DevOps Engineer IA pour l'un de mes clients, Profil recherché : DevOps Engineer avec expertise en MLOps et maîtrise du vibe coding, capable de construire et maintenir des infrastructures robustes pour l'IA tout en automatisant les déploiements et en garantissant la performance des solutions en production. Compétences requises Hard Skills : • 5 ans d'expérience minimum en développement Python avec focus IA/ML • Expérience démontrée en vibe coding avec utilisation productive d'outils IA (GitHub Copilot, Cursor, Claude, ChatGPT) • Expertise en frameworks ML/DL : TensorFlow, PyTorch, Scikit-learn, Hugging Face, LangChain • Expérience confirmée avec les LLMs (fine-tuning, prompt engineering, RAG, agents) • Maîtrise des plateformes Cloud (AWS SageMaker, Azure ML, GCP Vertex AI) • Connaissance des technologies MLOps et pipelines CI/CD pour modèles IA • Compétences en data engineering (preprocessing, feature engineering, pipelines de données) • Maîtrise des bases de données (SQL, NoSQL, Vector DBs) • Expérience en développement d'APIs (FastAPI, Flask, REST) • Bonne connaissance de la conteneurisation (Docker, Kubernetes) • Expertise en testing et qualité du code (pytest, unittest, code coverage) • Connaissance des outils de versioning (Git, GitLab/GitHub) • Un plus : Expérience en Computer Vision et/ou NLP Soft Skills : • Esprit critique développé face au code généré par IA • Capacité à décomposer des problèmes complexes et à formuler des prompts efficaces • Curiosité intellectuelle et veille technologique active sur l'IA • Pragmatisme : équilibre entre vitesse de développement et qualité • Rigueur dans la validation et l'optimisation du code • Autonomie et force de proposition • Excellent relationnel et capacité à travailler en équipe • Esprit agile et adaptatif • Capacité à partager ses connaissances et best practices Résultats attendus (Livrables) • Participation aux workshops avec les équipes IT/métiers et les Data Scientists • Développement et optimisation de modèles IA/ML pour les use cases métiers • Intégration et déploiement des modèles en production (APIs, microservices) • Utilisation experte du vibe coding pour accélérer le développement sans compromettre la qualité • Mise en place de pipelines MLOps (entraînement, versioning, monitoring) • Tests automatisés et validation des modèles (performance, robustesse, biais) • Documentation technique détaillée (code, modèles, APIs, prompts réutilisables) • Optimisation des performances (latence, coûts, scalabilité) • Veille technologique et recommandations sur les nouvelles techniques IA • Partage des best practices de vibe coding avec l'équipe

Dans le cadre du renforcement des dispositifs de sécurisation des paiements électroniques et de la lutte contre la fraude, il est recherché un Data Scientist capable d’intervenir sur des problématiques de détection de fraude bancaire, scoring et authentification forte, analyse massive de données transactionnelles et optimisation de modèles prédictifs en environnement critique. Le poste s’inscrit dans un contexte à forts enjeux réglementaires et opérationnels, avec des traitements en temps réel et des volumes de données importants. Le contexte fonctionnel couvre : Paiement électronique & cartes bancaires Lutte contre la fraude Authentification forte Conformité réglementaire Analyse de risques transactionnels 🧩 MissionsAnalyse & Modélisation Analyse exploratoire et statistique de données transactionnelles massives Conception et amélioration de modèles de Machine Learning pour la détection de fraude Feature engineering sur données temporelles et comportementales Optimisation des performances des modèles (précision, recall, stabilité) Industrialisation & Production Déploiement et suivi de modèles de scoring en environnement de production Monitoring des performances des modèles (drift, précision, recall) Automatisation des traitements et du reporting analytique Participation à l’amélioration continue des pipelines data Collaboration métier Interaction avec les équipes sécurité, fraude et conformité Traduction des besoins métier en solutions data Création de tableaux de bord et visualisations exploitables par les métiers Documentation et présentation des résultats 🛠️ Environnements techniquesLangages & Data Science Python R SQL Machine Learning & IA Scikit-learn XGBoost / LightGBM / Random Forest PyTorch (optionnel) Approches RAG / NLP (bonus) Data Engineering & Big Data PySpark Écosystème Hadoop Traitements batch et temps réel Data & Visualisation Power BI Pandas NumPy Excel avancé Environnements complémentaires Elasticsearch PostgreSQL API Data / JSON Industrialisation de modèles ML Outils métiers (paiement / fraude) Plateformes de scoring temps réel (type Feedzai ou équivalent) Outils d’authentification forte Analyse comportementale fraude

Contexte : Dans le cadre d'une transformation digitale majeure, un leader de la distribution omnicanale lance un Shopping Agent basé sur l'IA . L'objectif est révolutionnaire : permettre à chaque client de trouver son produit idéal en moins de 5 minutes grâce à une expérience conversationnelle et prédictive. 🎯 Vos Missions En tant que garant de la vision produit, vous orchestrez la création de cet assistant intelligent. Votre rôle se décline en trois piliers : 1. Vision et Cadrage Stratégique Définir et porter la stratégie globale pour garantir la désirabilité et l’efficacité de l’assistant. Rédiger le cahier des charges fonctionnel en mettant l'accent sur les capacités agentiques . Concevoir le design détaillé des parcours (agent principal et agents de services spécialisés). 2. Expertise Métier & Product Management Priorisation : Animer les sessions d’arbitrage pour définir et piloter le MVP. Roadmap : Construire la trajectoire de développement IT (focus T1) en synergie avec les services prioritaires. Différenciation : Consolider l'argumentaire de vente de l'IA en intégrant les insights des meilleurs vendeurs terrain pour enrichir la base de connaissances. 3. Coordination & Déploiement Orchestrer les interactions entre les différents pôles : Digital, Data/IA, et IT. Assurer le suivi des livrables et la fluidité du parcours client de bout en bout. 👤 Profil Recherché Expérience : Minimum 5 ans en Product Ownership, avec une expérience significative sur des projets IA Générative ou LLM . Compétences clés : * Maîtrise du cycle de vie produit (Agilité, Scrum). Capacité à traduire des besoins "métier" complexes en spécifications techniques pour l'IA. Forte culture UX orientée conversationnel. Soft Skills : Leadership, esprit de synthèse et capacité à naviguer dans un écosystème multi-acteurs. 📅 Modalités Pratiques Lieu : Lille (Rythme hybride : 3 jours/semaine obligatoires sur site). Tarif (TJM) max : 400 € Date de démarrage : ASAP Durée de la mission : Jusqu'au 31/12/2026 (Mission longue visibilité).