Senior Data Scientist

Contexte

Le client recherche un data scientist senior pour travailler sur une application stratégique qui apporte de l'automatisation intelligente, en adaptant dynamiquement les plannings de la main-d'œuvre en réponse aux incidents de production, afin de minimiser les retards et maximiser la résilience opérationnelle.
Le produit aidera les équipes manufacturing à planifier et optimiser leurs plannings quotidiens grâce à de l'optimisation data-driven, pour leur permettre de réagir efficacement aux perturbations sur le shopfloor. Il standardisera les activités de travail (appelées "role cards") sur l'ensemble des sites de production, permettant aux équipes de benchmarker les pratiques et de réutiliser ce qui fonctionne le mieux.

Missions

• IA générative et systèmes agentiques : architecturer et déployer des systèmes agentiques basés sur des LLM, qui automatisent les workflows complexes du shopfloor (de la détection des perturbations à la réallocation de la main-d'œuvre). Sélectionner les frameworks adaptés (LangChain, LangGraph, etc.) et appliquer des techniques avancées de prompting ainsi que des pipelines RAG, pour fournir une aide à la décision fiable et contextualisée en environnement industriel.

• Machine learning : construire des modèles prédictifs et prescriptifs pour la prévision des incidents de production, l'estimation des durées de tâches et l'affectation optimale de la main-d'œuvre, incluant la prévision de séries temporelles et la détection d'anomalies.

• Recherche opérationnelle et optimisation : concevoir et implémenter des modèles d'optimisation de la planification shopfloor à base d'algorithmes de graphes, de programmation linéaire et d'optimisation stochastique. Développer des solutions de programmation par contraintes pour l'affectation de main-d'œuvre sous incertitude.

• Expérimentation et évaluation des modèles : piloter la validation et l'expérimentation avec les sites pilotes et fast-followers. Mettre en place des frameworks d'évaluation et un monitoring continu en production.

• IA responsable : garantir la qualité, la robustesse et la scalabilité des modèles dans un contexte industriel. Implémenter la détection des hallucinations, la mitigation des biais et les pratiques de gouvernance sur toutes les solutions IA.

• Collaboration transverse : travailler avec les équipes engineering et data pour intégrer les modèles dans le produit. Communiquer les arbitrages algorithmiques et les limites des modèles aux parties prenantes techniques et métiers.

Localisation et organisation

• Localisation : Lyon, France

• Présentiel : 3 jours par semaine

• Langue : anglais obligatoire

Outils & Environnement

• Python : scikit-learn, PyTorch/TensorFlow, librairies d'optimisation (PuLP, OR-Tools, SciPy)

• Machine learning : apprentissage supervisé et non supervisé, prévision de séries temporelles, détection d'anomalies

• IA générative et LLM : prompt engineering, pipelines RAG, librairies LLM (OpenAI, Bedrock...), frameworks agentiques (LangChain, LangGraph...)

• Recherche opérationnelle et optimisation : algorithmes de graphes, programmation linéaire, optimisation stochastique

• SQL : interrogation et analyse de données

• Anglais courant (obligatoire)

Compétences appréciées

• Snowflake : interrogation data warehouse et intégration pipelines

• MLOps et déploiement : déploiement d'applications LLM en cloud (Azure, AWS, GCP)

• Bases et algorithmes de graphes : Neo4J

• Connaissance des processus industriels pharmaceutiques

• Background manufacturing ou operations analytics

Soft skills

• Bonne communication, curiosité et audace, autonomie et rigueur.

1. Maîtrise de Python : scikit-learn, PyTorch/TensorFlow, librairies d'optimisation (PuLP, OR-Tools, SciPy)
2. Compétences en machine learning : apprentissage supervisé et non supervisé, prévision de séries temporelles, détection d'anomalies
3. Expérience en IA générative et LLM : prompt engineering, pipelines RAG, librairies LLM (OpenAI, Bedrock...), frameworks agentiques (LangChain, LangGraph...)
4. Connaissances en recherche opérationnelle et optimisation : algorithmes de graphes, programmation linéaire, optimisation stochastique
5. Compétences en SQL : interrogation et analyse de données
6. Anglais courant (obligatoire)
7. Bonne communication, curiosité et audace, autonomie et rigueur