Trouvez votre prochaine mission ou futur job IT.

Basée à Lille, Lyon, Nantes, Grenoble, Marseille, Paris et Bruxelles, Insitoo Freelances est une société du groupe Insitoo, spécialisée dans le placement et le sourcing des Freelances IT et Métier. Depuis 2007, Insitoo Freelances a su s'imposer comme une référence en matière de freelancing par son expertise dans l'IT et ses valeurs de transparence et de proximité. Actuellement, afin de répondre aux besoins de nos clients, nous recherchons un Data Scientist H/F à Lille, France. Contexte : Afin de piloter au mieux son activité et d'accompagner les points de vente dans leur performance, un acteur majeur du secteur de la distribution renforce son équipe Data Métier, directement intégrée au sein du Département Performance (Contrôle de gestion). Les missions attendues par le Data Scientist H/F : Transformer les données en leviers d'actions concrets pour le réseau de magasins. L'intervenant travaillera au carrefour des enjeux financiers, commerciaux et supply chain, en concevant des modèles de Machine Learning et des algorithmes de recommandation directement actionnables par les équipes sur le terrain. En tant que Data Scientist, vous interviendrez sur des projets innovants, touchant à l'optimisation commerciale, au pricing et à la supply chain. Vos principaux défis seront les suivants : Maximisation du potentiel commercial : Détection des produits "pépites" (à fort potentiel) afin d'alerter les points de vente et de les aider à dynamiser leur offre en rayon. Prototypage de moteurs de préconisation de merchandising sur les produits complémentaires pour optimiser les podiums et les mises en avant (Têtes de Gondole - TG). Analyse et optimisation du merchandising : Cartographie et analyse des métrages linéaires des magasins. Croisement de ces données avec les ventes, la disponibilité et le stock pour comprendre et optimiser les performances des familles de produits. Optimisation de la rentabilité (Pricing & Supply) : Création d'algorithmes prédictifs pour alerter sur le potentiel d'un produit à devenir un "stock toxique" (dormant). Détection et alerte sur les remises locales à la main des points de vente qui s'avèrent destructrices de valeur. Benchmark et conformité : Établissement de modèles de clustering de magasins afin de créer des groupes de comparaison pertinents et d'aider les directeurs à se benchmarker.

Contexte : Dans le cadre d'un projet R&D dédié à l'évaluation de la performance des retrofits et à la décarbonation maritime, notre client recherche un profil spécialisé en analyse de performance navire et en data. Le consultant interviendra au sein d'une équipe pluridisciplinaire afin de fiabiliser la méthodologie de calcul des économies de carburant et de CO2, en distinguant notamment les gains liés au fouling de ceux générés par les retrofits. Missions principales : · Définir, documenter et valider la méthodologie de calcul des économies de carburant et de CO2 liées aux retrofits. · Analyser les performances des navires avant et après retrofit à partir des données de vitesse, tirant d'eau, puissance et consommation. · Séparer et quantifier les effets du fouling et les gains réellement liés aux retrofits. · Contrôler la qualité et la cohérence des données opérationnelles et identifier les éventuelles anomalies. · Comparer différentes sources de données de consommation et analyser leur impact sur les résultats. · Réaliser les analyses navire par navire et produire les synthèses techniques nécessaires à la validation. · Appuyer la validation des gains retrofit en comparant les résultats réels aux gains théoriques. · Préparer les données nécessaires aux tableaux de bord et au reporting CO2 Savings. · Formaliser les hypothèses, limites, recommandations et éléments de traçabilité afin de permettre l'industrialisation de la méthodologie. Livrables attendus : · Méthodologie de calcul validée pour le périmètre pilote, avec distinction fouling / retrofit. · Notes méthodologiques détaillant hypothèses, formules, sources de données et limites. · Fichiers d'analyse par navire et synthèses techniques. · Contrôles qualité et cohérence des données opérationnelles et retrofit. · Analyses comparatives des différentes sources de consommation. · Données et résultats prêts pour le reporting des économies de carburant et de CO2.

Dans le cadre du développement de la roadmap Intelligence Artificielle, le consultant interviendra sur la conception, le développement et l'industrialisation de cas d'usage IA. Il travaillera en collaboration avec les équipes Data Engineering afin d'intégrer les résultats des modèles dans les outils de Business Intelligence. En tant qu'unique Data Scientist du domaine, il jouera également un rôle clé dans la démocratisation des usages IA, le transfert de compétences et l'accompagnement des équipes métiers et techniques. Missions principalesDévelopper et déployer les cas d'usage de la backlog IA. Concevoir l'architecture technique des solutions IA. Définir et concevoir les modèles d'Intelligence Artificielle. Participer au co-design des solutions back-end et des flux de données. Réaliser les développements et l'industrialisation des modèles. Collaborer avec les Data Engineers pour l'intégration des résultats dans la BI. Mettre en place les outils de monitoring et de supervision des modèles. Produire la documentation technique et fonctionnelle. Former les utilisateurs et les équipes en charge du maintien en conditions opérationnelles. Livrables attendusSolutions IA industrialisées et déployées en production. Documentation technique et fonctionnelle complète. Supports de formation à l'utilisation et au paramétrage des solutions. Outils de monitoring permettant de détecter les dérives et anomalies des modèles IA. Respect des standards d'opérabilité et de supportabilité Michelin. Compétences techniques recherchéesIndispensablesData Science et Machine Learning. Conception et développement de modèles IA. Industrialisation et déploiement de modèles. Architecture de solutions Data / IA. Data Engineering (interaction avec les flux de données). Monitoring et supervision de modèles IA. Documentation technique. Anglais professionnel. AppréciéesIntégration de résultats analytiques dans des solutions BI. Sensibilité aux problématiques métiers et compréhension des enjeux business. Profil recherchéData Scientist Junior autonome. Capacité à recueillir les besoins métiers et les transformer en solutions techniques. Solides bases techniques en Intelligence Artificielle. Rigueur, organisation et autonomie. Excellent relationnel et capacité à transmettre ses connaissances. Dynamique et force de proposition. Points clés pour le sourcing

Au sein de la direction conformité ou sécurité financière d'un acteur bancaire, nous recherchons un Data Scientist spécialisé dans la détection de la fraude et la lutte contre le blanchiment (LCB-FT) pour renforcer les dispositifs de surveillance des transactions. Le consultant interviendra notamment sur : ▪ La conception et le développement de modèles de détection de fraude sur les transactions et les parcours clients ▪ Le développement de modèles de détection des comportements suspects au titre de la LCB-FT (AML) et l'optimisation des scénarios de surveillance existants ▪ La réduction du taux de faux positifs des dispositifs de filtrage et de surveillance, enjeu majeur de productivité pour les équipes d'analystes ▪ L'analyse des typologies de fraude et de blanchiment, et leur traduction en variables et règles exploitables par les modèles ▪ L'évaluation rigoureuse des modèles et la documentation nécessaire à leur validation indépendante et à leur présentation au régulateur ▪ L'explicabilité des modèles : capacité à justifier chaque alerte auprès des analystes et des autorités ▪ L'industrialisation des modèles et leur suivi en production (dérive, réentraînement)

Dans le cadre du renforcement d'une équipe Data & Intelligence Artificielle, nous recherchons un Data Scientist expérimenté pour intervenir sur un projet stratégique d'IA Générative à forte valeur métier. Tu reprendras des travaux déjà engagés autour d'une solution capable de générer automatiquement des pré-réponses à des sollicitations clients, avec un fort enjeu de pertinence, de performance et d'industrialisation. Tes missions principales : Reprendre et poursuivre les travaux Data Science déjà engagés Concevoir, évaluer et optimiser des solutions basées sur des Large Language Models (LLM) Améliorer les mécanismes de Retrieval-Augmented Generation (RAG) Travailler sur la pertinence et la qualité des réponses générées Participer à l'intégration et au déploiement des modèles en production Mettre en œuvre les bonnes pratiques MLOps / LLMOps Industrialiser le versioning, le monitoring et le déploiement des modèles Analyser les performances et identifier les axes d'amélioration Collaborer avec les développeurs, Product Owners, architectes et équipes Data Participer aux rituels Agile de l'équipe Assurer une veille active sur les évolutions en IA Générative, NLP et Machine Learning Documenter les développements et architectures réalisés

Description du poste Dans le cadre du développement et de l'encadrement des usages de l'intelligence artificielle générative au sein de la banque, le groupe souhaite renforcer ses capacités d'évaluation, de qualification et de sécurisation des LLM. Les LLM sont amenés à être utilisés dans différents cas d'usage métiers, que ce soit pour l'assistance aux collaborateurs, l'analyse documentaire, la génération de contenus, l'aide à la décision, l'automatisation de processus ou l'exploitation de bases de connaissances internes. Leur adoption nécessite toutefois un cadre rigoureux afin de garantir leur performance, leur robustesse, leur sécurité, leur conformité et leur adéquation aux exigences du secteur bancaire. La mission consiste à intervenir en tant que Data Scientist spécialisé dans l'évaluation des LLM, afin de définir et de mettre en œuvre des méthodologies d'évaluation, de benchmark et de red teaming des modèles d'IA générative utilisés, testés ou envisagés par le groupe. Cette mission s'inscrit dans une démarche de gouvernance des modèles d'IA, de maîtrise des risques liés à l'IA générative et d'industrialisation des pratiques d'évaluation avant mise en production. Principaux objectifs Définir et mettre en œuvre un cadre d'évaluation des LLM adapté aux enjeux de la banque. Évaluer les performances, limites, risques et comportements des modèles d'IA générative. Réaliser des benchmarks comparatifs entre différents LLM, qu'ils soient internes, open source ou fournis par des éditeurs. Concevoir et exécuter des campagnes de red teaming pour identifier les vulnérabilités, biais, hallucinations et comportements indésirables. Contribuer à la sélection, la validation et la qualification des modèles LLM avant usage ou mise en production. Produire des analyses objectives permettant d'éclairer les décisions métiers, techniques, risques et conformité. Participer à l'industrialisation des processus d'évaluation des LLM dans le cycle de vie des modèles d'IA. Contribuer à la constitution de jeux de tests, métriques, référentiels d'évaluation et outils de suivi. Activités principalesÉvaluation des LLM Définir les protocoles d'évaluation adaptés aux cas d'usage d'IA générative de la banque. Identifier les métriques pertinentes pour mesurer la qualité des réponses générées : exactitude, pertinence, cohérence, complétude, factualité, robustesse, sécurité, explicabilité et conformité. Évaluer les capacités des modèles sur différents types de tâches : résumé, extraction d'information, classification, question-réponse, génération de texte, analyse documentaire, raisonnement, traduction ou reformulation. Mettre en place des jeux de tests représentatifs des usages métiers bancaires. Analyser les performances des modèles selon différents contextes, langues, domaines métiers et niveaux de complexité. Identifier les limites fonctionnelles et techniques des modèles testés. Documenter les résultats d'évaluation et formuler des recommandations. Benchmark LLM Concevoir et conduire des benchmarks comparatifs entre plusieurs modèles LLM. Comparer les modèles selon des critères de performance, coût, latence, robustesse, sécurité, empreinte technique et conformité. Tester différents modèles propriétaires, open source ou internes selon les contraintes du groupe. Mettre en place des grilles d'analyse permettant d'aider au choix des modèles selon les cas d'usage. Évaluer l'impact de différents paramètres : prompt, température, taille de contexte, modèle d'embedding, architecture RAG, fine-tuning ou quantization. Produire des rapports de benchmark clairs, exploitables par les équipes métiers, data, IT, sécurité et conformité. Participer à la définition de standards internes pour la comparaison et la qualification des LLM. Red teaming et sécurité des LLM Définir et exécuter des scénarios de red teaming adaptés aux risques liés à l'IA générative. Tester la résistance des modèles face aux attaques de type prompt injection, jailbreak, data leakage, contournement de garde-fous, génération de contenu inapproprié ou non conforme. Identifier les risques d'hallucination, de biais, de toxicité, de désinformation ou de réponses dangereuses. Concevoir des corpus de prompts adversariaux adaptés aux contextes bancaires et réglementaires. Évaluer la capacité des modèles à respecter les politiques internes, les règles de conformité et les contraintes de sécurité. Analyser les vulnérabilités détectées et proposer des mesures de mitigation. Collaborer avec les équipes sécurité, conformité, risques et architecture pour renforcer le cadre d'usage des LLM. Méthodologie, outillage et industrialisation Mettre en place des outils, notebooks, scripts ou pipelines d'évaluation automatisée. Contribuer à l'industrialisation des campagnes d'évaluation dans le cycle de vie des modèles. Définir des référentiels de métriques et de seuils d'acceptabilité. Construire et maintenir des datasets d'évaluation internes, anonymisés et représentatifs. Participer à l'intégration des résultats d'évaluation dans les outils de gouvernance des modèles, notamment ModelHub v2. Assurer la traçabilité des campagnes d'évaluation, des versions de modèles et des résultats obtenus. Mettre en place des tableaux de bord ou rapports de suivi de la qualité des LLM. Contribuer à la veille technologique sur les méthodes d'évaluation, frameworks de benchmark et pratiques de red teaming LLM. Livrables attendus Cadre méthodologique d'évaluation des LLM adapté aux usages bancaires. Protocoles de test et grilles d'évaluation des modèles d'IA générative. Jeux de tests et datasets d'évaluation documentés. Corpus de prompts de benchmark et de red teaming. Rapports d'évaluation des LLM testés. Rapports de benchmark comparatif entre modèles. Analyses de risques liées aux comportements des LLM. Synthèses des vulnérabilités identifiées lors des campagnes de red teaming. Recommandations de mitigation et plans d'amélioration. Tableaux de bord ou indicateurs de suivi de performance et de sécurité. Scripts, notebooks ou pipelines d'évaluation automatisée. Documentation des métriques, seuils et critères de validation. Recommandations pour la sélection et la mise en production des modèles. Contributions à l'intégration des résultats d'évaluation dans ModelHub v2 ou tout autre outil de gouvernance IA. Supports de présentation à destination des équipes métiers, techniques,

Au sein du Security Operations Center (SOC) d'un grand compte, nous recherchons un Data Scientist spécialisé en cybersécurité pour renforcer les capacités de détection des menaces par l'exploitation avancée des données de sécurité. Le consultant interviendra notamment sur : ▪ La conception et le développement de modèles de détection d'anomalies sur les journaux de sécurité (logs réseau, systèmes, applicatifs) ▪ La mise en œuvre de l'analyse comportementale des utilisateurs et des entités (UEBA) : détection des comportements déviants, compromissions de comptes ▪ Le développement de modèles de scoring et de priorisation des alertes afin de réduire le bruit et les faux positifs ▪ L'analyse des jeux de données de sécurité et l'ingénierie des caractéristiques (feature engineering) sur des données massives et déséquilibrées ▪ L'évaluation rigoureuse des modèles : métriques adaptées à la détection (précision, rappel, taux de faux positifs), analyse des erreurs ▪ L'industrialisation et le monitoring des modèles en production, en lien avec les équipes SOC ▪ La collaboration avec les analystes sécurité pour qualifier les détections et enrichir les modèles

Missions principalesData Science & AnalyticsConcevoir et développer des modèles analytiques avancés. Construire des algorithmes prédictifs et prescriptifs. Réaliser des analyses exploratoires sur des volumes importants de données. Identifier des leviers d'optimisation des opérations logistiques. Développer des modèles de prévision des volumes, de la charge entrepôt et de la performance transport. Data Warehouse & Data EngineeringExploiter et enrichir le Data Warehouse Snowflake. Structurer, nettoyer et transformer les données issues de différentes sources. Participer à l'amélioration de la qualité des données. Concevoir et optimiser les modèles de données analytiques. Business IntelligenceParticiper à la conception des tableaux de bord Power BI. Produire des KPI et indicateurs métier. Accompagner les directions Supply Chain et Opérations dans l'exploitation de la donnée. Construire des reportings stratégiques et opérationnels. Intégration des données métierExploiter les données provenant des systèmes : SAP WMS TMS Applications métiers logistiques Comprendre les flux opérationnels : Réception Préparation de commandes Stockage Expédition Transport Cas d'usage attendusPrévision d'activité entrepôt. Forecast des volumes logistiques. Optimisation des stocks. Analyse des performances opérationnelles. Détection d'anomalies sur les flux. Analyse de la productivité des sites. Aide à la décision Supply Chain. Construction d'indicateurs de pilotage groupe. Environnement TechniqueData PlatformSnowflake SQL avancé Data Warehouse Data Lake Data SciencePython Pandas NumPy Scikit-Learn Matplotlib Jupyter Notebook Business IntelligencePower BI DAX Power Query ERP & Applications MétiersSAP WMS TMS Solutions logistiques diverses Cloud & Data EngineeringAzure (apprécié) ETL / ELT APIs Modélisation de données Profil recherchéBac+5 Informatique, Data Science, Statistiques ou équivalent. Minimum 5 ans d'expérience en Data Science. Solide expertise Snowflake. Très bonne maîtrise de SQL. Excellente maîtrise de Python. Expérience significative sur Power BI. Expérience dans la gestion de grands volumes de données. Bonne compréhension des flux Supply Chain et logistiques. Pourquoi rejoindre cette mission ? Participation à la transformation Data d'un acteur majeur de la logistique. Projets à fort impact métier. Données volumineuses et complexes. Environnement moderne autour de Snowflake et Power BI. Collaboration avec les équipes Data, Supply Chain et Direction.

Contexte : Dans le cadre d'un projet stratégique autour de la Data Science et de l'Intelligence Artificielle, notre client recherche un Data Scientist IA confirmé capable d'intervenir de manière autonome sur des problématiques de Machine Learning, Computer Vision et traitement automatisé de documents. Le consultant intégrera un environnement technique exigeant, en collaboration étroite avec les équipes métiers et les équipes spécialisées en IA. Il interviendra notamment sur des sujets de reconnaissance de formulaires, traitement d'images, reconnaissance d'écriture manuscrite et évaluation de modèles de vision et de langage. La mission sera réalisée en environnement sécurisé, avec de fortes exigences en matière de confidentialité, reproductibilité, traçabilité et qualité des traitements. Missions : Concevoir et développer des pipelines de Machine Learning / Deep Learning dédiés au traitement automatisé de documents. Prétraiter et analyser des images : redressement, binarisation, recalage et alignement de formulaires. Réaliser la segmentation, détection et extraction de zones d'intérêt sur des documents. Mettre en œuvre des solutions de reconnaissance d'écriture manuscrite (OCR / HTR). Étudier et exploiter des modèles Vision-Language (VLM) : prompting, évaluation et, selon les besoins, fine-tuning de modèles open-weight. Comparer différentes architectures et approches afin d'identifier les modèles les plus adaptés aux différents types de variables. Concevoir des métriques d'évaluation adaptées aux cas d'usage, analyser les performances et caractériser les erreurs. Mettre en place des mécanismes de score de confiance et de gestion de l'incertitude. Automatiser la comparaison des résultats produits par les modèles avec les données de référence. Développer des pipelines reproductibles permettant de générer les sorties attendues et d'automatiser les contrôles qualité. Assurer la mise en production et l'industrialisation des modèles dans un environnement conteneurisé. Utiliser des infrastructures GPU et des environnements de type Kubernetes / stockage objet S3. Assurer le suivi des expérimentations et des modèles avec des pratiques MLOps, notamment via MLflow. Produire un code source versionné, documenté, lisible et reproductible. Rédiger la documentation technique et méthodologique permettant la réappropriation des travaux par les équipes internes. Présenter les résultats et restituer les travaux auprès d'interlocuteurs techniques et métiers.

Contexte de la missionDans le cadre du renforcement d'une équipe Data Science / Intelligence Artificielle au sein d'un grand acteur du secteur bancaire – Banque d'Investissement, nous recherchons un Data Scientist / AI Engineer Senior. L'équipe intervient sur la conception et l'intégration de solutions d'IA innovantes au sein d'applications métiers, notamment autour de l'exploitation de données issues de documents financiers, de documents de crédit et de différents systèmes internes. La mission s'inscrit dans une forte dynamique autour de l'IA générative, des LLM et des architectures agentiques, avec un objectif d'industrialisation et de mise en production de cas d'usage à forte valeur métier. Localisation : Est parisien – proche banlieue Missions et responsabilitésLe consultant interviendra sur l'ensemble du cycle de vie des projets IA : Concevoir et contribuer à la mise en œuvre de solutions et architectures agentiques permettant de simplifier et d'accélérer des processus métiers complexes. Concevoir des pipelines IA agentiques capables d'extraire, structurer et exploiter des données provenant de documents et de systèmes internes. Travailler avec les équipes métiers afin de comprendre leurs problématiques et de maximiser l'impact, la pertinence et l'adoption des solutions IA. Concevoir et intégrer des solutions reposant sur des LLM et modèles d'IA générative. Déployer et exécuter des LLM / modèles sur GPU au sein des environnements de développement. Mettre en place des dispositifs d'évaluation, de monitoring et d'observabilité des pipelines agentiques. Définir des métriques permettant d'évaluer la qualité et la fiabilité des réponses et extractions produites par les modèles. Améliorer de manière continue les performances des modèles et des pipelines selon une approche itérative et incrémentale. Définir et mettre en œuvre des stratégies de tests automatisés afin de garantir la qualité des solutions. Industrialiser les développements Data Science en respectant les standards IT de l'entreprise. Collaborer étroitement avec les architectes, développeurs et équipes de production / DevOps. Assurer la responsabilité technique de certains use cases métiers, jusqu'à leur mise en production. Participer au support technique et au transfert de compétences auprès des équipes. Environnement techniqueIA / Agentic AI LLM / Generative AI Google ADK LangGraph DSPy Phoenix / Arize Architectures agentiques et multi-agents vLLM Développement Python FastAPI Pytest APIs REST Industrialisation / Infrastructure Kubernetes Jenkins GPU / déploiement de modèles CI/CD Profil recherchéNous recherchons un profil Senior, capable d'aller au-delà de l'expérimentation Data Science et de participer réellement à l'industrialisation de solutions IA. Une expérience significative est attendue sur : IA générative et LLM. Développement Python. Conception de pipelines et/ou systèmes agentiques. Intégration de solutions IA dans des applications métiers. Évaluation et observabilité de modèles ou de systèmes LLM. APIs et architectures applicatives. Kubernetes et environnements CI/CD. Mise en production de solutions Data Science / Machine Learning. Une expérience dans le secteur bancaire, financier ou sur des problématiques documentaires complexes constitue un plus. Qualités attenduesAutonomie et capacité de prise en charge d'un sujet de bout en bout. Très bonnes capacités d'analyse et de résolution de problèmes. Capacité à interagir avec des interlocuteurs métiers et techniques. Curiosité forte autour des évolutions de l'IA générative. Capacité à challenger les solutions et être force de proposition. Culture de la qualité et de l'industrialisation. Communication et capacité de transmission.

Nous recherchons un(e) Data Scientist / Expert IA disposant d'un doctorat (PhD) en Machine Learning / NLP ou domaine proche, pour rejoindre nos équipes à Paris au sein de projets à forte valeur ajoutée en intelligence artificielle appliquée. Profil PHD EXPERIMENTE ayant plusieurs expériences profesionnelles concrètes CDI de préférence (ouvert aux freelance pour certaines missions) : Rémunération fixe définie selon votre expérience et votre profil, complétée par une prime de performance. . Package d'avantages incluant mutuelle, prévoyance et chèques-repas. Projets sur Paris, luxembourg ou Belgique Votre rôle Concevoir, développer et industrialiser des solutions d'IA (NLP, LLM, IA générative) au service de cas d'usage métiers concrets. Participer à la définition des architectures data/IA et aux choix technologiques associés (cloud, outils, librairies). Contribuer à la mise en production des modèles (qualité, performance, robustesse) en lien étroit avec les équipes produit et métier. Intervenir sur tout le cycle de vie des projets : cadrage, POC, expérimentation, déploiement, suivi et amélioration continue. Ce que nous offrons Des projets IA de pointe, avec un fort niveau d'autonomie et de responsabilité. Un environnement stimulant, à l'interface entre R&D, innovation et enjeux business. Un cadre parisien dynamique, au sein d'équipes passionnées par l'intelligence artificielle et son impact concret. 🗼 Comment se passe la suite Trois étapes : un premier entretien avec l'équipe recrutement, une évaluation technique sur des cas proches de ceux que vous rencontrerez et/ou en fonction du besoin clients , et un entretien vidéo asynchrone conduit par un assistant IA. Les résultats de cette dernière étape sont revus par nos équipes avant toute décision.

ContexteDans le cadre du renforcement de notre équipe, nous recherchons un Data Analyst disposant également de compétences en Data Science. La mission consiste à concevoir et produire des analyses de données, des rapports BI sous Power BI et des analyses avancées sur Google Cloud Platform (GCP) afin de répondre aux besoins métiers et de développer de nouveaux usages autour de la Data. Compétences recherchéesPower BI – maîtrise indispensable Google Cloud Platform (GCP) BigQuery DBT Cloud Composer Data Analysis / Business Intelligence Compétences en Data Science / analyses avancées Profil recherchéNous recherchons un profil capable de faire le lien entre les besoins métiers, l'analyse des données et la restitution BI, avec une bonne maîtrise de l'environnement GCP. Une expérience significative sur Power BI, BigQuery, DBT et Cloud Composer est fortement attendue.

En tant qu'Ingénieur Support & Fiabilité, vous serez responsable de la gestion et de l'assurance de la fiabilité des systèmes et processus de données au sein du département Data Technology. Vous travaillerez en étroite collaboration avec les équipes de développement, les ingénieurs de données et les data scientists pour garantir la disponibilité, la qualité et la performance des pipelines de données et des systèmes sous-jacents. Support et opérations des données Fournir un support de niveau 1 pour les domaines de données, gérer les alertes et incidents pendant le shift de Paris. Objectifs et livrables : Mettre en place les meilleures pratiques de support et la documentation Agir en tant que gatekeeper pour la gestion des versions de données (processus CMRM), gestion de la fiabilité des données Maintenir des pipelines de données fiables et évolutifs (collecte, stockage, traitement, livraison) Mettre en œuvre une surveillance proactive pour la qualité, l'intégrité et la cohérence des données Définir et appliquer les politiques de gestion des données (sauvegarde, récupération, sécurité) Automatisation et meilleures pratiques Automatiser les tâches de données récurrentes pour améliorer l'efficacité et réduire les erreurs Établir une surveillance continue pour détecter les anomalies Promouvoir les meilleures pratiques de développement axées sur la fiabilité des données Collaboration inter fonctionnelle Travailler avec les équipes de développement, quant dev, ingénieurs data et data scientists pour comprendre les besoins Résoudre ensemble les problèmes liés aux données Fournir des conseils techniques sur la gestion des données avec les meilleures pratiques

La Direction des Systèmes d'Information recrute un Data Engineer pour concevoir, développer et maintenir les architectures Data nécessaires à l'exploitation des données par les analystes métiers et data scientists. Vos principales missions consisteront à : - Mener les projets d'intégration (temps réel) et data (big data & insights) - Comprendre, analyser et proposer des solutions techniques répondant aux besoins des divers acteurs de la donnée (spécialistes métier, domain managers, architecte, data analystes et scientists) - Apporter un éclairage technique sur les architectures Cloud, dialoguer avec les fournisseurs de solutions et les consultants techniques - Dans une logique de mise en production, créer et déployer des pipelines de données robustes pour les data scientists et data analysts (collecte, stockage, transformation et exploitation) - Assurer une bonne qualité des données pour les projets Machine Learning (préparation, complétude, épuration, enrichissement) dans le but d'optimiser les performances des modèles - Améliorer les processus internes : localisation et traçabilité de la donnée, standardisation des flux et des scripts de traitement des données, documentation - Collaborer avec les équipes basées aux Pays-Bas pour faciliter le Data-Sharing, échanger sur les best-practices et les moyens d'optimiser les architectures - Contribuer à l'amélioration de la gouvernance sur la protection et la confidentialité des données

Contexte Objectif global : Développer Projet du SI Interne MISSIONS Expertise sur la gestion de la données (base relationnelle, DWH) Développement de routine SQL Développement de process en Angular et Netcore TACHES ET ACTIVITES Infrastructures de données: Cartographie et documente les sources de données. Assure la maintenance des différentes applications déployées en production et des infrastructures associées. Conçoit les solutions permettant le traitement de volumes importants de flux de données. Structure les bases de données (sémantique, format, etc.). Contribue à la gestion des référentiels de données. Intégration des données : Capte et stocke les données (structurées ou non) produites dans les différentes applications ou venant de l'extérieur de l'entreprise. Assure la supervision et l'intégration des données de diverses natures qui proviennent de sources multiples. Vérifie la qualité des données et s'assure de leur sécurité. MLOPS (Machine Learning Operations) Assiste les Data Scientists dans l'optimisation des performances techniques des modèles de Machine Learning. Industrialise les modèles de Machine Learning conçus par les Data Scientists. Veille Technologique Reste en alerte sur les technologies liées au traitement de la manipulation de la données et identifie les solutions utilisables. Propose des évolutions pour les Infrastructures et solutions de données en place