Data Scientist IA Générative

Contexte

Dans le cadre du développement de plusieurs produits d'intelligence artificielle déjà déployés en production, nous recherchons un(e) Data Scientist pour renforcer une équipe Data & IA composée de Data Scientists, MLOps Engineers, Product Owners et experts métiers.

Vous interviendrez sur des problématiques de Machine Learning, IA générative et assistants conversationnels au service de différents métiers (service client, commerce, marketing, support opérationnel).

L'objectif est de concevoir, industrialiser et améliorer des solutions d'IA à fort impact métier tout en garantissant leur performance, leur fiabilité et leur adoption.

Vous travaillerez en étroite collaboration avec plusieurs équipes métier (Customer Care, Marketing, Commerce) ainsi qu'un Centre d'Excellence IA Générative au sein d'un environnement international.

Missions

Data Science & Machine Learning

• Concevoir, entraîner et évaluer des modèles de Machine Learning répondant à des problématiques métier variées.

• Réaliser des analyses exploratoires et identifier les variables les plus pertinentes pour les modèles.

• Mettre en œuvre des algorithmes de classification, clustering, prédiction et recommandation.

• Développer des modèles d'attribution et de Marketing Mix Modeling (MMM) afin de mesurer l'impact des leviers marketing sur la performance business.

• Participer à l'amélioration continue des performances des modèles à travers des démarches d'expérimentation et d'optimisation.

• Définir et suivre les métriques d'évaluation adaptées aux différents cas d'usage.

• Contribuer à l'interprétation des résultats et à la valorisation des modèles auprès des équipes métier.

IA Générative & NLP

• Concevoir et faire évoluer des assistants conversationnels basés sur les LLMs.

• Développer et optimiser des architectures RAG et des mécanismes de recherche documentaire avancée.

• Mettre en œuvre des approches de recherche hybride (vectorielle, BM25, recherche sémantique).

• Participer à la conception de solutions agentiques et à l'orchestration d'agents spécialisés.

• Évaluer les stratégies de prompting, de fine-tuning et d'enrichissement contextuel selon les cas d'usage.

• Participer aux choix d'architecture autour des modèles OpenAI, Gemini, Claude ou modèles open source.

Industrialisation & MLOps

• Contribuer à la mise en production des modèles et au suivi de leurs performances.

• Participer à la définition des bonnes pratiques de monitoring, observabilité et gouvernance des modèles.

• Mettre en place des indicateurs de qualité, de performance et d'usage des solutions déployées.

• Optimiser les performances, la latence et les coûts d'exploitation des solutions IA.

• Collaborer étroitement avec les équipes MLOps pour assurer la robustesse des déploiements.

• Participer à l'amélioration continue des pipelines d'entraînement, d'évaluation et de déploiement.

Collaboration métier & Produit

• Recueillir et challenger les besoins des équipes métier.

• Traduire les problématiques business en solutions analytiques et algorithmiques.

• Participer aux ateliers de cadrage et aux échanges avec les Product Owners.

• Prioriser les sujets à forte valeur ajoutée et accompagner les arbitrages.

• Accompagner les métiers dans l'adoption et l'interprétation des solutions développées.

• Participer à la définition des KPI produit et à la mesure de l'impact métier des solutions IA.

Profil recherché

Compétences recherchées

Machine Learning & Analytics

• Excellente maîtrise des algorithmes de :

  • Classification

  • Clustering

  • Régression

  • Détection d'anomalies

• Solide expérience sur :

  • XGBoost

  • Random Forest

  • Modèles de séries temporelles

  • Feature Engineering

  • Explainable AI (XAI)

• Bonne maîtrise des métriques d'évaluation et des stratégies de validation.

• Expérience en Marketing Mix Modeling (MMM) et en mesure de la performance marketing.

• Connaissance des problématiques d'attribution marketing et d'optimisation des investissements média.

IA Générative

• Expérience significative sur les LLMs et les systèmes conversationnels.

• Maîtrise des architectures RAG.

• Expérience sur la recherche hybride (vectorielle + BM25).

• Connaissance des architectures multi-agents et des protocoles d'orchestration.

• Expérience avec OpenAI, Azure OpenAI, Gemini, Claude ou technologies équivalentes.

• Connaissance des problématiques de fine-tuning, évaluation et monitoring des LLMs.

Cloud & MLOps

• AWS

• Python

• Git

• CI/CD

• Outils de monitoring et d'observabilité

• Bonnes pratiques MLOps

• Gestion de la performance, des coûts et de la sécurité des solutions IA

Expérience

• 5 ans d'expérience minimum en Data Science.

• Expérience significative sur des modèles déployés en production.

• Expérience concrète en IA générative et/ou assistants conversationnels.

• Participation à des projets à forte visibilité métier.

• Une expérience sur des architectures agentiques constitue un véritable plus.

1. 5 ans d'expérience minimum en Data Science
2. Expérience significative sur des modèles déployés en production
3. Expérience concrète en IA générative et/ou assistants conversationnels
4. Solide maîtrise des algorithmes de classification, clustering, régression et détection d'anomalies
5. Expérience sur XGBoost, Random Forest, modèles de séries temporelles, feature engineering et Explainable AI (XAI)
6. Bonne maîtrise des métriques d'évaluation et des stratégies de validation
7. Expérience en Marketing Mix Modeling (MMM) et mesure de la performance marketing
8. Connaissance des problématiques d'attribution marketing et d'optimisation des investissements média
9. Expérience significative sur les LLMs et les systèmes conversationnels
10. Maîtrise des architectures RAG et expérience sur la recherche hybride (vectorielle + BM25)
11. Connaissance des architectures multi-agents et des protocoles d'orchestration
12. Expérience avec OpenAI, Azure OpenAI, Gemini, Claude ou technologies équivalentes
13. Connaissance des problématiques de fine-tuning, évaluation et monitoring des LLMs
14. Maîtrise des outils et pratiques Cloud & MLOps : AWS, Python, Git, CI/CD, outils de monitoring et d'observabilité
15. Connaissance des bonnes pratiques MLOps et gestion de la performance, des coûts et de la sécurité des solutions IA
16. Participation à des projets à forte visibilité métier
17. Une expérience sur des architectures agentiques constitue un véritable plus