Trouvez votre prochaine mission ou futur job IT.

Au sein du pôle digital d'un grand groupe international, vous rejoignez l'équipe d'optimisation des parcours clients digitaux dans le cadre de son renforcement. L'objectif est de développer des modèles analytiques avancés pour optimiser les parcours clients, améliorer la conversion, personnaliser l'expérience digitale et maximiser la performance des actions marketing et opérationnelles. Vous interviendrez au cœur des sujets clés de l'équipe : Clustering et segmentation comportementale : segmenter les utilisateurs selon leur navigation, leurs transactions et leurs usages digitaux, et identifier personas, micro-segments, intentions et points de friction. Systèmes de recommandation : concevoir des recommandations personnalisées de contenus et de services additionnels selon une approche hybride (collaborative, contenu et séquentielle). Modèles prédictifs : prédire la conversion, le churn et la complétion du funnel, prévoir les volumes par étape du parcours et classifier les comportements (drop-off, intention, scoring). Attribution multi-touch : construire des modèles de Markov (1er et 2e ordre) et de Shapley, mesurer le poids de chaque point de contact (email, WalkMe, AB Tasty, notifications, pages clés) et calculer le ROI des actions menées. IA générative et LLM : développer des modèles capables d'interpréter automatiquement les résultats analytiques, de détecter les irritants et de générer des recommandations pour orienter les décisions. COMPÉTENCES TECHNIQUES ATTENDUES Langages : Python avancé (programmation orientée objet), SQL. Data platform : Snowflake, Dataiku DSS (scénarios, job scheduling), notebooks Jupyter. Machine learning : supervisé et non supervisé (K-means…), deep learning, séries temporelles, feature engineering, SHAP. Modélisation marketing : attribution multi-touch (Markov, Shapley), recommender systems, scoring, prédiction de conversion et de churn. IA générative : LLM, NLP, embeddings, classification sémantique.

En tant que Tech Lead Machine Learning Engineer, vous aurez la charge de : • Accompagner nos clients : cadrage et support technique ; aide à l'amélioration des performances et de l'industrialisation sur le code ; aide à l'évolution de leur AI plateforme • Assurer le support et le développement applicatif interne : opérer le développement de l'infrastructure Datalab (git, installation de packages, outils,...) ; contribuer à la pérennité et à la diffusion des projets internes • Industrialiser : mettre en production les modèles de ML développés (optimisation des scripts développés par les Data Scientist) et maintenir les scripts en production ; développer une CI/CD avec l'infrastructure développée jusqu'en production ; mettre en place une gouvernance viable ; rédiger des documents projets (design, réalisation, déploiement, ...) Référence de l'offre : vninfcki59

Contexte Notre client lance ses premiers projets d'IA et d'automatisation. Le premier chantier est un POC d'automatiser, c'est-à-dire le recensement d'informations dans les PDF, images et autres, fait aujourd'hui à la main. D'autres projets data et IA suivront. La mission Construire la chaîne de traitement : extraction des PDF, détection des publicités, structuration des données (annonceur, marque, format, page, numéro). Choisir et comparer les approches (OCR, vision, LLM) sur des métriques mesurées : précision, rappel, coût, temps. Livrer du code de production : tests, logs, reprise sur erreur, API, Docker. Préparer la suite : intégrer le traitement aux données et automatiser d'autres processus.

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

A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ 🏠 2 jours de télétravail / semaine - 📍 Lyon (07) - 🛠 Expérience de 5 ans minimum Envie de rejoindre une équipe où la tech et les projets stimulants sont au rendez-vous ? Cette opportunité est faite pour vous ! 🚀 Nous poursuivons notre développement et recherchons actuellement un.e DevOps / Data & Machine Learning pour intervenir chez un de nos clients. 💻💼 Contexte : L'équipe travaille sur des produits Data liés notamment à la maintenance prédictive, la mobilité électrique et l'analyse des charges sur les réseaux. Voici un aperçu détaillé de vos missions : 🎯 - Construire et maintenir les outils CI/CD pour les traitements de données en Python / PySpark et les applications web. - Assurer le run et l'exploitation des traitements et applications en production. - Mettre en place et maintenir l'observabilité des applications et traitements : logs, métriques techniques et monitoring. - Gérer les évolutions et corrections techniques : montées de version des dépendances, traitement des vulnérabilités cyber, évolutions de configuration, etc. - Maintenir et améliorer l'Infrastructure as Code. - Administrer les différents environnements : développement, préproduction, production et environnements de type lab Data Science. - Accompagner les équipes Data Science et Data Engineering sur le build et le run de leurs produits. - Assurer un support technique de première ligne et faire le lien avec les équipes externes : infrastructure, cybersécurité, fournisseurs, etc. - Rédiger et maintenir la documentation technique. - Assurer une veille technologique sur les outils utilisés. - Partager les bonnes pratiques et contribuer à la formation des équipes.

ContexteNotre équipe développe des algorithmes de détection d'objets d'intérêt militaire sur images satellites. Pour faire face à une hausse de charge, l'équipe renforce sa squad dédiée au Retraining Kit, un outil qui permettra aux clients de réentraîner certains détecteurs sur leurs propres données et cas d'usage. Le kit s'appuie sur les modules internes de l'AI Factory (préparation des données, lancement et suivi des entraînements, évaluation, packaging du détecteur réentraîné). Le socle technique et le cadrage sont déjà définis. Vous rejoignez une squad pour construire et fiabiliser l'outillage. MissionsDévelopper l'outillage du Retraining Kit en vous appuyant sur les modules existants de l'AI Factory. Adapter les librairies et composants pour un déploiement chez des clients : packaging, suppression des dépendances réseau, images Docker autonomes. Fiabiliser le kit pour un déploiement client : tests de bout en bout, amélioration des workflows, qualité logicielle, documentation d'installation et d'utilisation. Contribuer à la vie de la squad (revues de code, rituels agiles, partage avec les Deep Learning Scientists). Environnement techniquePython, PyTorch, Docker CI/CD Linux, GPU Il n'y a aucune dimension LLM / GenAI sur ce poste dans un premier temps.

Dans le cadre d'un projet stratégique autour de la recommandation et de l'IA, nous recherchons un Machine Learning Engineer expérimenté pour concevoir, développer et industrialiser des pipelines Data et ML de bout en bout. Vous intégrerez une équipe pluridisciplinaire composée de Data Scientists, Data Engineers, développeurs, Tech Lead et Product Owner, au sein d'un environnement fortement orienté Data, ML et Cloud. Vos missionsConcevoir et développer des data pipelines de bout en bout : ingestion, transformation, stockage et exposition des données. Concevoir et industrialiser des pipelines ML : préparation des données, entraînement, évaluation, publication et inférence. Participer à la conception et à l'évolution d'architectures Data / ML sur GCP. Mettre en place les mécanismes de qualité, reproductibilité, monitoring et observabilité des pipelines. Industrialiser les modèles ML pour des usages en production, notamment en inférence temps réel. Participer à l'évolution du socle DataOps / MLOps et des outils d'orchestration. Optimiser les solutions existantes en matière de performance, fiabilité, maintenabilité et coûts Cloud. Participer au Run et à la résolution des incidents sur les pipelines et services existants. Garantir la qualité des développements : tests, revue de code, documentation et bonnes pratiques d'ingénierie. Collaborer avec les équipes Data, ML et Software Engineering afin de partager les bonnes pratiques. Environnement techniqueData Engineering : BigQuery, dbt, Kafka, streaming, data modeling, Terraform. ML / MLOps : Python, Deep Learning, embeddings, Docker, Kubernetes, Git, ZenML ou outils similaires, ML pipelines, inférence temps réel. Cloud : GCP, architectures Cloud distribuées.

Contexte L'équipe détecteur IMINT (IMagery INTelligence) travaille sur des algorithmes de détection d'objets d'intérêt militaire sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler sur le développement d'un Retraining Kit. L'objectif est de permettre à nos clients de réentraîner certains de nos détecteurs sur leurs propres données et cas d'usage. Ce kit s'appuiera sur plusieurs modules internes de notre AI factory, notamment pour préparer les données, lancer et suivre les entraînements, évaluer les performances et packager le détecteur réentraîné. Nous cherchons à renforcer l'équipe avec un profil ML Engineering capable de contribuer à la mise en production de ce kit. La personne fera partie intégrante de l'équipe et s'intègrera dans une squad de 3 personnes. La mission sera d'une durée minimale de 6 mois. La personne devra venir sur site au minimum 2 jours par semaine. Mission Les missions principales sont : Développer le Retraining Kit en s'appuyant sur les modules internes de notre AI Factory. Valider et fiabiliser le kit pour un déploiement client via des tests de bout en bout, l'amélioration des workflows, de la qualité logicielle et de la documentation. Profil recherché en résumé : Une formation en Software Engineering, en machine learning, computer vision ou domaine similaire. 2 ans d'expérience minimum en ML Engineering, très bonne connaissance de Python et des bonnes pratiques en développement logiciel Expérience en Deep Learning et / ou Computer Vision o D'une expérience en SW engineering (culture archi / design, qualité / testing / CI/CD). o Une connaissance de l'imagerie satellite est un plus. En terme de méthodologie de travail : d'une expérience en environnement agile, sans pour autant en défendre une application dogmatique En terme de soft skills : o D'autonomie et de capacité à investiguer un problème de bout en bout. o D'une posture user-centric, en pensant avant tout aux besoins des utilisateurs. o D'ouverture d'esprit, communication, et travail en équipe. Conditions de la mission : Intégration dans une squad de 3 personnes, Mission de 6 mois minimum Présence sur site 2 jours par semaine

Notre client, un grand groupe bancaire international et un acteur majeur des services financiers en Europe, a fait de l'intelligence artificielle un levier central de sa transformation. Plusieurs cas d'usage sont déjà en production auprès des collaborateurs, et l'enjeu porte désormais sur l'accélération et l'industrialisation des développements. Au sein de la direction IT Innovation, l'équipe IA renforce ses capacités avec un profil technique senior. Tu interviendras sur la conception, le développement et l'industrialisation de solutions Data et IA : développement et mise en production de modèles de Machine Learning, exposition via des API et des microservices, mise en place de pratiques MLOps, tests et documentation. Il s'agit d'un rôle de réalisation, pas de développement d'agents IA. L'IA générative est ici avant tout un outil de production : tu utiliseras Claude Code et GitHub Copilot de manière avancée sur tout le cycle de développement pour livrer plus vite, sans compromis sur la qualité.

Au sein d'un acteur majeur du retail européen, l'équipe Data & IA Marketplace traite des volumes massifs de données issues de vendeurs tiers. L'objectif est d'automatiser la qualification, la classification et l'enrichissement des catalogues produits pour garantir une expérience utilisateur optimale. Le défi réside dans l'industrialisation de modèles complexes au sein d'une architecture Data Mesh en forte croissance. La Stack Technique Langages : Python, Bash. Cloud : GCP (Google Cloud Platform). Orchestration & MLOps : Airflow, Kubeflow, ZenML, MLflow, Vertex AI. Infrastructure & DevOps : Docker, Kubernetes, Terraform, Ansible, Gitlab CI. Data Quality & Feature Store : Great Expectations, Feast. Ta Mission & Ton Impact : Concevoir et maintenir des pipelines MLOps automatisés (CI/CD) pour l'entraînement et le déploiement des modèles en production. Gérer l'infrastructure cloud via Terraform et assurer le versioning complet des modèles et des données. Implémenter le monitoring de performance (détection de drift, latence) et configurer l'alerting pour garantir la fiabilité des solutions. Accompagner les Data Scientists dans l'adoption des meilleures pratiques de développement (code quality, tests, industrialisation). Intégrer des validations de schémas et des filtres de qualité de données au sein des pipelines de production.

A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ 🏠 2 jours de télétravail / semaine - 📍 Lyon (07) - 🛠 Expérience de 5 ans minimum Envie de rejoindre une équipe où la tech et les projets stimulants sont au rendez-vous ? Cette opportunité est faite pour vous ! 🚀 Nous poursuivons notre développement et recherchons actuellement un.e DevOps / Data & Machine Learning pour intervenir chez un de nos clients. 💻💼 Contexte : L'équipe travaille sur des produits Data liés notamment à la maintenance prédictive, la mobilité électrique et l'analyse des charges sur les réseaux. Voici un aperçu détaillé de vos missions : 🎯 - Construire et maintenir les outils CI/CD pour les traitements de données en Python / PySpark et les applications web. - Assurer le run et l'exploitation des traitements et applications en production. - Mettre en place et maintenir l'observabilité des applications et traitements : logs, métriques techniques et monitoring. - Gérer les évolutions et corrections techniques : montées de version des dépendances, traitement des vulnérabilités cyber, évolutions de configuration, etc. - Maintenir et améliorer l'Infrastructure as Code. - Administrer les différents environnements : développement, préproduction, production et environnements de type lab Data Science. - Accompagner les équipes Data Science et Data Engineering sur le build et le run de leurs produits. - Assurer un support technique de première ligne et faire le lien avec les équipes externes : infrastructure, cybersécurité, fournisseurs, etc. - Rédiger et maintenir la documentation technique. - Assurer une veille technologique sur les outils utilisés. - Partager les bonnes pratiques et contribuer à la formation des équipes.

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