Rejoignez une équipe Data & Product innovante qui développe des solutions d’intelligence artificielle appliquée à la finance.

Basé sur les données de Bridge, nous développons des services financiers innovants.

Ton objectif est de créer, mettre en place et piloter l’amélioration continue de nos modèles ML, participer à la R&D pour les prochains algorithmes type LLM, et contribuer à l’architecture data scalable de notre plateforme.

Tes missions

1. Machine learning et optimisations

• Developper des stratégies de feature engineering en lien avec nos futurs projets.

• Proposer des nouvelles sources de données.

• Piloter l’optimisation d’algorithmes de type Random Forest, XGBoost, LLM et Mixture of Expert.

• Monitorer les évolutions des models tels que la surveillance du drift.

2. Industrialisation & Run

• Concevoir les pipelines et Implémenter les processus de CI/CD

• Mettre en place le monitoring, la détection de drift et la maintenance prédictive

• Optimiser les performances et la scalabilité des systèmes en production

Plus globalement, contribuer positivement au développement de la société.

Ces missions sont susceptibles d’évoluer selon les besoins et les priorités de l’entreprise en lien avec l’évolution de la stratégie.

Stack Technique

Langages & Frameworks

• Python & SQL : Numpy, Pandas, Pytorch, Scikit-learn

• Deep Learning - Transformers, architectures neuronales

• Évaluation - Métriques avancées, analyse de biais, interprétabilité

Infrastructure & DevOps

• AWS - Lambda, S3, SageMaker

• Docker - Containerisation, orchestration

• CI/CD & Monitoring

🔥 Travailler chez Bridge, c’est :

• Des bureaux au coeur de Paris, métro République

• Une politique hybride : 3 jours de télétravail par semaine

• 4 jours de repos offerts par an

• Une carte Swile pour tes déjeuners

• Des événements et rituels Bridge toute l’année : afterworks, événements internes…

• Bac+5 en école d’ingénieur, Master Data Science, ou équivalent

• 3-5 ans d’expérience en Data Science ou ML Engineering

• Expérience dans des projets ML en production

• Connaissance du domaine financier (KYC, scoring, fraude)

• Expertise en algorithmes de classification et de régression

• Maîtrise des métriques d’évaluation et de l’optimisation de modèles

• Expérience en feature engineering et sélection de variables

• Connaissance des architectures ML scalables et des bonnes pratiques

• Screening call avec Thibault (Head of Data) ou Benjamin (CTO)

• Test technique en live avec Thibault et Benjamin

• Entretien fit avec un membre de l’équipe tech et un membre de l’équipe produit