Tes missions : En tant que Data Scientist Machine Learning & ML Ops, ta principale mission consistera à utiliser des approches descriptives et prédictives avancées pour répondre à des problématiques métiers. Tu estimeras le ROI des projets et identifieras les leviers de valeurs, d’engagement et d’activités essentiels pour les équipes métiers. Les problématiques abordées peuvent couvrir les domaines du produit, de l’acquisition et de la monétisation.

• Conception de Roadmap : En tant que force de proposition, tu identifies les opportunités pour mettre en œuvre des algorithmes de machine learning et de deep learning, alignés sur les besoins métier. Tu collabores étroitement avec le Product Owner pour co-construire la roadmap produit.

• Cadrage Métier : Tu participes activement au cadrage et au kick-off des projets avec les équipes, en définissant les objectifs, le périmètre, la méthodologie et la phase d’industrialisation. Ceci garantit la validation tant métier que technique avant le démarrage.

• Développement de Modèles : Tu es responsable du développement de modèles de machine learning et de deep learning afin de résoudre des problématiques métier en adéquation avec la roadmap stratégique. Ces problématiques peuvent toucher à l’optimisation du modèle économique existant ou à venir, à l’amélioration de la satisfaction des utilisateurs, ainsi qu’à la création de valeur à partir des fonctionnalités de l’application.

• Mise en production et MLOps : Tu participes à la mise en production des modèles développés, en respectant les bonnes pratiques de CI/CD, de versionnage des données/modèles et de monitoring. Tu contribues à l’amélioration continue de notre stack Data Science (tests unitaires, packaging, monitoring de la performance des modèles en production, etc.), en collaboration avec les équipes Data Engineering.

• Validation et Robustesse : Tu élabores des tests de robustesse pour évaluer la performance de tes algorithmes en utilisant des jeux de données appropriés.

• Analyse A/B Tests : Tu définis et analyses des A/B tests d’activité pour évaluer l’impact des changements apportés par les modèles.

• Communication et Mobilisation : En tant que spécialiste, tu es chargé.e de vulgariser tes travaux à travers des présentations visuelles et synthétiques. Cela vise à mobiliser les équipes business et la direction, ainsi qu’à coordonner efficacement les équipes impliquées dans les projets.

Candidat.e idéal.le :

• Maîtrise des langages Python et SQL

• Connaissances en IA, Deep Learning et Machine Learning, théoriques/pratiques (TensorFlow, Pytorch, Scikit-Learn, …)

  • Expérience avec des modèles LLMs : fine-tuning, prompt engineering, évaluation, mise en production et intégration dans des produits réels.

  • Traitement d’images à l’aide de modèles de détection d’objets et de génération d’images

• GCP, Docker, Git

Méthodologies et bonnes pratiques :

En tant que référent.e statistique, tu guides les équipes dans l’amélioration des frameworks d’A/B testing (tests statistiques, KPIs, design expérimental). Tu participes aussi à l’évolution des outils internes : développement de librairies Python réutilisables, structuration de projets ML, et industrialisation sur GCP. Tu travailles en lien étroit avec les data ingénieurs et les autres data scientists pour assurer une démarche rigoureuse, versionnée (GitHub) et scalable.

De plus, tu participes activement à l’amélioration des bonnes pratiques au sein du CORE Data Science. Cela comprend l’enrichissement de la plateforme Data Science pour le développement, le test et l’industrialisation des modèles, ainsi que le développement d’outils et de librairies en Python. Tu travailleras en étroite collaboration avec les data ingénieurs et tu assureras un versionnage efficace avec Github.