Senior Manager (Tech-Lead Data Science & AI Analytics) - Conseil - CDI - Paris

Au sein de la Practice, vous êtes le garant du delivery de nos missions en Data Science et IA analytique, tout en conservant une forte implication dans la modélisation. Votre expertise ne s'arrête pas au notebook : vous industrialisez vos modèles, vous assurez leur passage en production et vous garantissez leur pérennité. Vous savez traduire des problématiques métiers complexes en stratégies de modélisation concrètes. En charge de workstreams ou de projets complets, vous managez une équipe et participez activement aux phases d'avant-vente. Ce rôle est également un tremplin : en vous appuyant sur votre socle en Data Science et Machine Learning, vous développerez une expertise de pointe sur les LLM et SLM appliqués à l'analytique.

Vos responsabilités

Modélisation & Data Science

• Conception de modèles à fort impact : Développement de modèles sur les séries temporelles et le forecasting (incluant les approches probabilistes et hiérarchiques), le ML tabulaire (classification, régression, scoring, uplift), ainsi que l'optimisation et la recherche opérationnelle appliquées au dynamic pricing et à l'allocation de ressources.

• Maîtrise du cycle de vie complet : Du cadrage métier jusqu'à la robustesse du modèle (exploration, feature engineering, sélection, backtesting, validation, explicabilité et contrôle des biais).

Expérimentation & Mesure d’impact

• Design de protocoles de test : Conception et analyse de dispositifs expérimentaux (A/B tests, inférence causale, uplift) pour valider l'efficacité réelle des modèles déployés.

• Suivi de la performance : Mesure et restitution de l'impact business (revenus, marges, économies générées) pour alimenter une boucle d'amélioration continue.

IA Générative & LLM / SLM appliqués à l'analytique

• Intégration de modèles génératifs : Déploiement de LLM et SLM sur des cas d'usage analytiques (extraction, structuration de données, RAG, agents autonomes). Capacité à arbitrer entre l'utilisation d'un modèle génératif, d'un modèle classique ou tabulaire.

• Approches hybrides : Combinaison de modèles génératifs et prédictifs au sein d'une architecture unifiée.

Industrialisation & MLOps

• Mise en production : Création de pipelines de features / feature store, entraînement, inférence et scoring, exposition des résultats (API / batch), et automatisation via CI/CD.

• Maintien en conditions opérationnelles : Suivi des expérimentations (experiment tracking), monitoring continu (drift des données, performance, coûts d'inférence), réentraînement, évaluation et gouvernance, assurant ainsi une transition fluide du PoC à la production.

Delivery, Conseil & Avant-vente

• Pilotage de projets : Gestion du delivery (planification, garantie de la qualité et de la robustesse des modèles, respect des délais).

• Posture Conseil : Traduction des enjeux métiers en solutions analytiques, mesure des impacts et restitution auprès des sponsors décisionnaires (data storytelling).

• Appui commercial : Participation au cadrage, au chiffrage, à la rédaction de réponses techniques et à la création de démonstrateurs (PoC).

Management & Accompagnement des équipes

• Lead d'équipe : Animation d'une équipe de Data Scientists et de ML Engineers (revues de code, diffusion des bonnes pratiques, suivi opérationnel).

• Mentoring : Accompagnement de la montée en compétences des profils juniors et implication dans le processus de recrutement.

Votre profil

• Formation & Expérience : Diplômé·e d'une école d'Ingénieur ou d'un Master spécialisé (Data Science / Statistiques / Machine Learning) ou équivalent, vous justifiez de 8 à 10 ans d'expérience minimum en Data Science / ML, idéalement acquise en cabinet de conseil ou ESN.

• Expertise Modélisation : Pratique éprouvée de la modélisation en environnement de production (séries temporelles, forecasting, ML tabulaire, et idéalement optimisation ou dynamic pricing). Vous maîtrisez parfaitement le fossé existant entre un notebook de recherche et un modèle industrialisé.

• Profil hybride (DS / MLE / MLOps) : Vous ne vous contentez pas de livrer un algorithme ; vous l'industrialisez et en assurez la maintenance.

• Culture de la donnée : Forte sensibilité à l'expérimentation (tests contrôlés, inférence causale), à l'explicabilité et à la robustesse des modèles.

• Socle technique exigé :

  • Langages & Outils : Python (pandas, scikit-learn, statsmodels / Prophet…), SQL.

  • Frameworks ML : XGBoost / LightGBM, PyTorch ou TensorFlow.

  • Écosystème & MLOps : Environnements Cloud, Databricks / Snowflake, MLflow.

  • La maîtrise des frameworks LLM (LangChain / LangGraph) est un atout majeur.

• Appétence IA : Une première expérience ou un fort intérêt pour les LLM et SLM appliqués à l'analytique, avec le discernement nécessaire pour savoir quand les utiliser à bon escient.

• Savoir-être : Orienté·e résultats (delivery et hands-on), vous possédez une forte posture conseil (cadrage, conviction en soutenance, lien entre tech et business).

• Leadership : Vous justifiez d'une première expérience en management ou en Tech Lead d'une équipe resserrée.

• Langues : Maîtrise courante du français et de l'anglais indispensable.

Ce que nous vous offrons

Rejoignez une Practice en pleine accélération, portée par un groupe international. Nous offrons à un profil expert en Data Science l'opportunité de construire des modèles de bout en bout — de l'identification du problème métier jusqu'à la production — sur des thématiques aussi riches que le forecasting, le pricing ou l'IA générative. Vous deviendrez l'un des référents Data Science & IA de notre structure, en interaction constante avec nos partenaires technologiques de pointe (Databricks, Snowflake, Anthropic…), avec de réelles perspectives d'évolution de carrière.