Machine Learning Engineer (MLE) Pricing

L’objectif principal est de moderniser la stratégie tarifaire de l’entreprise grâce aux technologies de la donnée et de l’intelligence artificielle. Il s’agit de faire évoluer un modèle de tarification traditionnel vers une approche dynamique, prédictive et optimisée, afin de concilier la rentabilité de la structure et l’attractivité de son offre commerciale.

Pour concrétiser cette transformation, l’équipe produit Data & Analytics conçoit, développe et industrialise des algorithmes et des solutions décisionnelles destinés à automatiser et ajuster le pilotage des prix en continu.

L'intervenant prendra en charge un périmètre global, couvrant la chaîne de valeur de l'exploration de données jusqu'à l'industrialisation des modèles (MLOps).

Les axes prioritaires identifiés sont :

• Sensibilité tarifaire : Amélioration des modèles d'élasticité existants et conception d'approches prédictives dédiées au lancement d'offres inédites.

• Moteur promotionnel : Création d'un algorithme d'optimisation de la rentabilité des actions commerciales.

• Tarification dynamique : Études préalables et spécification d'un outil décisionnel de pilotage sur mesure.

• Industrialisation et MLOps : Refonte des modèles en place, ingestion de nouvelles données, exposition sous forme d'API et automatisation des flux.

• Assistant décisionnel : Contribution à l'évolution de l'outil d'aide au pilotage tarifaire.

• Monitoring : Implémentation de mécanismes de suivi de la performance des modèles et de la cohérence des flux de données.

Le besoin cible un profil polyvalent et autonome, capable d'assurer la jonction entre l'orientation produit et la réalisation technique.

Compétences techniques :

• Cœur de stack : Maîtrise confirmée de Python et des bibliothèques associées à la Data Science et à l'apprentissage automatique (Pandas, Scikit-Learn, TensorFlow/PyTorch).

• Ingénierie ML & MLOps : Pratique avérée du déploiement de modèles à l'échelle, du packaging, des chaînes d'intégration continue (Git) et du développement d'API.

• Data & Cloud : Maniement des architectures Cloud (type AWS / Databricks) et des outils de traitement de données volumineuses (Spark, dbt).

Compétences relationnelles :

• Culture produit et proactivité : Faculté à analyser le besoin métier, préciser les attentes et suggérer des approches adaptées dans un cadre agile.

• Autonomie et leadership : Capacité à mener des chantiers de bout en bout et à assurer le lien entre les parties prenantes Data, IT et Métier.

• Langues : Anglais professionnel indispensable.

Une expertise préalable ou une bonne compréhension des enjeux liés au pricing (optimisation des marges, gestion des revenus, élasticité) constitue un atout majeur.