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.

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

Le client est un organisme public intervenant sur des activités de collecte, de traitement et de valorisation de données sensibles. Dans ce cadre, il mène des travaux visant à améliorer la qualité et l'automatisation de certains processus internes liés au traitement de documents et de données. La mission s'inscrit dans une phase d'étude et d'expérimentation autour de modèles d'intelligence artificielle appliqués au traitement d'images et de données structurées. L'objectif est d'évaluer la faisabilité technique d'une approche automatisée, dans un environnement nécessitant un haut niveau de confidentialité, de traçabilité et de qualité.

Le client est un organisme public intervenant sur des activités de collecte, de traitement et de valorisation de données sensibles. Dans ce cadre, il mène des travaux visant à améliorer la qualité et l'automatisation de certains processus internes liés au traitement de documents et de données. La mission s'inscrit dans une phase d'étude et d'expérimentation autour de modèles d'intelligence artificielle appliqués au traitement d'images et de données structurées. L'objectif est d'évaluer la faisabilité technique d'une approche automatisée, dans un environnement nécessitant un haut niveau de confidentialité, de traçabilité et de qualité.

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,

Dans le cadre d'un important programme de transformation et de modernisation de ses outils de Revenue Management, un grand groupe international recherche un Data Scientist Senior afin de renforcer une équipe Data composée d'une douzaine de collaborateurs. La mission aura pour objectif principal de participer à la réévaluation et à la modernisation des modèles de prévision de la demande. Vous interviendrez sur des problématiques de forecasting et de séries temporelles, depuis l'analyse et la préparation des données jusqu'au développement, à l'évaluation et à l'amélioration des modèles. Vous serez également amené(e) à exploiter des techniques avancées de Machine Learning et de statistiques, à analyser et restituer les résultats obtenus et à contribuer à des sujets à forte dimension innovation. La mission s'inscrit dans un environnement international nécessitant des échanges réguliers en français et en anglais.

URGENT Merci de contacter Sumi Delplanque via LinkedIn Rattaché·e au département Data, RO & IA, vous rejoignez une équipe de 8 personnes travaillant sur la gestion des recettes. Votre mission : Développer et améliorer les moteurs de prédiction utilisés pour anticiper la demande, la capacité et la volonté de payer. Vous interviendrez aussi ponctuellement sur des projets exploratoires côté digital et opérations, notamment en vision par ordinateur. C'est une mission qui mêle rigueur analytique et exploration - 60% d'innovation, 40% de continuité - avec un vrai terrain de jeu pour quelqu'un qui aime creuser un problème métier autant qu'un modèle mathématique. Compétences recherchées Techniques et fonctionnelles Maîtrise du Machine Learning, en particulier appliqué aux séries temporelles (Time Series) Fort intérêt pour la modélisation mathématique et les statistiques bayésiennes Maîtrise de Python Compréhension d'un environnement cloud, idéalement GCP Connaissances en gestion des recettes : un vrai plus, pas un prérequis Soft skills Bonnes capacités de communication et d'apprentissage Rigueur et autonomie - ce sont d'ailleurs les points différenciants attendus sur ce poste Le challengeS'approprier un nouveau domaine métier (la gestion des recettes) et transformer cette compréhension en modèles de prédiction concrets et exploitables par les équipes business.

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.

Contribuer à la recherche, au prototypage et à la mise en production de nouvelles fonctionnalités d'IA et de ML au sein de notre portefeuille de produits. Collaborer avec les chefs de produit et les équipes d'ingénierie pour concevoir et déployer des améliorations à fort impact fondées sur les données. Acquérir une compréhension approfondie des produits et des actifs de données existants afin d'identifier des opportunités d'amélioration grâce à l'IA. Concevoir et mener des expérimentations pour valider de nouvelles pistes de recherche et évaluer les performances des modèles. Entraîner, affiner (fine-tuning) et optimiser des modèles de LLM et de ML à partir de données structurées et non structurées issues d'API et de flux de travail clients. Élaborer des stratégies pour l'inférence de modèles en temps réel et un déploiement à grande échelle. Collaborer avec des prestataires externes pour la collecte de données, l'annotation et les initiatives de recherche. Échanger avec les clients et les équipes régionales de services professionnels pour comprendre l'évolution des schémas de fraude et intégrer ces enseignements au développement des produits.

A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ DEMARRAGE – SEPTEMBRE 2026 - 🏠 2 jours de télétravail / semaine - 📍 Grenoble (38) - Corenc - 🛠 Expérience de 5 ans minimum Et si vous pouviez travailler sur des projets Data / IA directement connectés aux enjeux métiers d'une grande banque ? Ici, pas de modèle qui reste en POC. Vous intervenez sur des cas d'usage réels, utilisés, et amenés à être industrialisés. Pourquoi nous recrutons ? L'activité Data / IA prend de l'ampleur côté client. L'enjeu aujourd'hui est clair : - accélérer l'appropriation de la Data et de l'IA par les métiers - transformer des cas d'usage en solutions concrètes et durables Vous arrivez donc dans une phase où tout se structure et se développe. Concrètement, votre quotidien : Après votre onboarding pour comprendre les enjeux bancaires et l'écosystème technique, vous allez : 1/ Construire des cas d'usage Data / IA Vous utiliserez Python et les frameworks ML/DL pour : - préparer et explorer les données - concevoir et entraîner des modèles - restituer les résultats de manière compréhensible pour les métiers 2/ Travailler avec les métiers Vous interviendrez directement avec eux pour : - cadrer les besoins - traduire des problématiques métiers en cas d'usage data - accompagner l'adoption des solutions 3/ Déployer des sujets IA générative Vous accompagnerez les équipes sur : - la création de prompts efficaces - le déploiement de LLM - la mise en place d'agents / assistants 4/ Structurer l'environnement Vous contribuerez à : - la mise en place de l'environnement technique (notamment GCP) - l'amélioration des pratiques projets Data / IA - l'industrialisation des cas d'usage 5/ Maintenir et faire évoluer les modèles Vous assurerez la MCO des solutions déployées : - suivi de performance - ajustements des modèles - amélioration continue 6/ Diffuser la culture Data / IA Vous animerez : - des ateliers d'acculturation - du coaching (notamment sur des POC étudiants)

A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ DEMARRAGE – SEPTEMBRE 2026 - 🏠 2 jours de télétravail / semaine - 📍 Grenoble (38) - Corenc - 🛠 Expérience de 5 ans minimum Et si vous pouviez travailler sur des projets Data / IA directement connectés aux enjeux métiers d'une grande banque ? Ici, pas de modèle qui reste en POC. Vous intervenez sur des cas d'usage réels, utilisés, et amenés à être industrialisés. Pourquoi nous recrutons ? L'activité Data / IA prend de l'ampleur côté client. L'enjeu aujourd'hui est clair : - accélérer l'appropriation de la Data et de l'IA par les métiers - transformer des cas d'usage en solutions concrètes et durables Vous arrivez donc dans une phase où tout se structure et se développe. Concrètement, votre quotidien : Après votre onboarding pour comprendre les enjeux bancaires et l'écosystème technique, vous allez : 1/ Construire des cas d'usage Data / IA Vous utiliserez Python et les frameworks ML/DL pour : - préparer et explorer les données - concevoir et entraîner des modèles - restituer les résultats de manière compréhensible pour les métiers 2/ Travailler avec les métiers Vous interviendrez directement avec eux pour : - cadrer les besoins - traduire des problématiques métiers en cas d'usage data - accompagner l'adoption des solutions 3/ Déployer des sujets IA générative Vous accompagnerez les équipes sur : - la création de prompts efficaces - le déploiement de LLM - la mise en place d'agents / assistants 4/ Structurer l'environnement Vous contribuerez à : - la mise en place de l'environnement technique (notamment GCP) - l'amélioration des pratiques projets Data / IA - l'industrialisation des cas d'usage 5/ Maintenir et faire évoluer les modèles Vous assurerez la MCO des solutions déployées : - suivi de performance - ajustements des modèles - amélioration continue 6/ Diffuser la culture Data / IA Vous animerez : - des ateliers d'acculturation - du coaching (notamment sur des POC étudiants)

Contexte du poste : Nous recherchons un Data Scientist Confirmé afin de rejoindre la direction Data/IA d'un grand groupe industriel. Vous intégrerez une équipe dédiée à la transformation data et à l'intelligence artificielle, et interviendrez sur plusieurs projets de data science et de data analyse à forte valeur métier. Sous la supervision d'un Lead Data Scientist, vous accompagnerez les équipes métiers dans l'identification de leurs besoins, la conception de solutions data adaptées et leur déploiement en production. Missions principales : Identifier, qualifier et prioriser des cas d'usage data science à forte valeur métier Concevoir, développer et évaluer des modèles de data science et d'intelligence artificielle Collecter, fiabiliser, enrichir et analyser les données nécessaires aux projets Développer des notebooks, codes et pipelines structurés, versionnés et documentés Participer au déploiement et à l'industrialisation des modèles sur les infrastructures de production Collaborer avec les équipes métiers et techniques et participer aux différentes instances projet : kick-offs, revues de sprint, comités de pilotage... Réaliser des benchmarks, analyses et recommandations afin de mesurer la performance et la valeur des solutions développées Valoriser les travaux réalisés à travers des démonstrations et des communications internes

Nous recherchons un Data Scientist H/F pour concevoir, expérimenter et évaluer des modèles de machine learning et d'intelligence artificielle répondant à des enjeux métiers concrets. Vos principales missions seront les suivantes : Analyser les besoins métiers, les données disponibles et les critères de succès des cas d'usage. Réaliser les analyses exploratoires et le profiling des données. Préparer, nettoyer et enrichir les données afin de constituer les jeux d'entraînement, de validation et de test. Mettre en œuvre des techniques de feature engineering et de sélection de variables. Développer des modèles statistiques, de machine learning et de deep learning. Concevoir et évaluer des modèles supervisés, non supervisés, NLP et séries temporelles. Adapter ou spécialiser des modèles pré-entraînés via des approches de fine-tuning, LoRA, PEFT ou prompt-tuning. Évaluer les modèles à travers des métriques métier et techniques : performance, robustesse, biais, dérive et explicabilité. Réaliser des expérimentations, comparer différentes approches et optimiser les performances des modèles. Produire les visualisations, rapports d'analyse et recommandations nécessaires à la prise de décision. Collaborer avec les équipes IA Engineering et MLOps afin de préparer l'industrialisation des modèles. Veiller à la conformité des traitements avec les exigences réglementaires, notamment le RGPD et l'AI Act.

Nous recherchons un Data Scientist H/F pour concevoir, expérimenter et évaluer des modèles de machine learning et d'intelligence artificielle répondant à des enjeux métiers concrets. Vos principales missions seront les suivantes : Analyser les besoins métiers, les données disponibles et les critères de succès des cas d'usage. Réaliser les analyses exploratoires et le profiling des données. Préparer, nettoyer et enrichir les données afin de constituer les jeux d'entraînement, de validation et de test. Mettre en œuvre des techniques de feature engineering et de sélection de variables. Développer des modèles statistiques, de machine learning et de deep learning. Concevoir et évaluer des modèles supervisés, non supervisés, NLP et séries temporelles. Adapter ou spécialiser des modèles pré-entraînés via des approches de fine-tuning, LoRA, PEFT ou prompt-tuning. Évaluer les modèles à travers des métriques métier et techniques : performance, robustesse, biais, dérive et explicabilité. Réaliser des expérimentations, comparer différentes approches et optimiser les performances des modèles. Produire les visualisations, rapports d'analyse et recommandations nécessaires à la prise de décision. Collaborer avec les équipes IA Engineering et MLOps afin de préparer l'industrialisation des modèles. Veiller à la conformité des traitements avec les exigences réglementaires, notamment le RGPD et l'AI Act.

Nous recherchons un Data Scientist H/F pour concevoir, expérimenter et évaluer des modèles de machine learning et d'intelligence artificielle répondant à des enjeux métiers concrets. Vos principales missions seront les suivantes : Analyser les besoins métiers, les données disponibles et les critères de succès des cas d'usage. Réaliser les analyses exploratoires et le profiling des données. Préparer, nettoyer et enrichir les données afin de constituer les jeux d'entraînement, de validation et de test. Mettre en œuvre des techniques de feature engineering et de sélection de variables. Développer des modèles statistiques, de machine learning et de deep learning. Concevoir et évaluer des modèles supervisés, non supervisés, NLP et séries temporelles. Adapter ou spécialiser des modèles pré-entraînés via des approches de fine-tuning, LoRA, PEFT ou prompt-tuning. Évaluer les modèles à travers des métriques métier et techniques : performance, robustesse, biais, dérive et explicabilité. Réaliser des expérimentations, comparer différentes approches et optimiser les performances des modèles. Produire les visualisations, rapports d'analyse et recommandations nécessaires à la prise de décision. Collaborer avec les équipes IA Engineering et MLOps afin de préparer l'industrialisation des modèles. Veiller à la conformité des traitements avec les exigences réglementaires, notamment le RGPD et l'AI Act.