Tech Lead Data Scientist & Pilote du Socle Data Science

1. Présentation synthétique du poste

• Intitulé du poste : Tech Lead Data Scientist et Pilote du socle Data Science

• Rattachement hiérarchique : Direction des Systèmes d’Information (DSI) – DSI Data

• Interactions rapprochées : Collaboration étroite avec le Chief Data Scientist

• Finalité du poste : Déployer une IA performante, responsable et conforme, au service des adhérents, des métiers et des valeurs mutualistes.

2. Contexte

Dans un environnement mutualiste fortement réglementé (santé, prévoyance, assurance), la Data Science et l’Intelligence Artificielle sont des leviers clés pour :

• Améliorer la qualité de service apportée aux adhérents.

• Renforcer la prévention et l’accompagnement santé.

• Optimiser la gestion des risques, des sinistres et de la fraude.

• Soutenir la performance opérationnelle tout en respectant les valeurs mutualistes.

Dans ce cadre, le/la Tech Lead Data Scientist garantit l’industrialisation sécurisée et responsable des solutions IA.

3. Rôle & Répartition des activités

En tant que référent(e) technique Data Science & IA, le/la Tech Lead Data Scientist combine :

• 40 % Leadership, structuration & management : Animation technique et accompagnement des équipes.

• 60 % Contribution technique directe & pilotage : Développement, architecture et gestion du socle.

Il/Elle assure la robustesse, la conformité et la performance des solutions IA déployées au sein du SI de la mutuelle.

4. Missions principales

1. Leadership technique & Structuration (40 %)

• Encadrement : Assurer le lead technique des Data Scientists, les mentorer et les faire monter en compétences.

• Standards : Définir et diffuser les standards techniques IA/Data adaptés au secteur de la santé et de l'assurance.

• Gestion de projets IA : Accompagner la réalisation des produits d’IA (de l’idéation à la mise en production) en synergie avec les Product Owners IA.

• Animation & Veille : Contribuer à l’animation de la communauté Data Science et mener une veille technologique continue sur l’IA responsable (éthique, IA explicable).

• Coordination : Servir d'interface technique transversale entre la Data Science, le MLOps, la sécurité et la DSI.

2. Contribution technique directe & Pilotage de socle (60 %)

• Développement de modèles : Concevoir et développer des modèles pour les cas d’usage métiers :

  • Scoring et classification (risque, fraude, résiliation, satisfaction adhérent).

  • Modèles complexes sur données hétérogènes (santé, contrats, sinistres).

  • Solutions RAG et LLM (assistance aux conseillers, recherche documentaire, aide à la décision).

• Industrialisation & MLOps : Participer activement à l’industrialisation avec les équipes MLOps.

• Monitoring & Qualité : Mettre en place le suivi des modèles, la gestion des dérives (data drift/concept drift) et produire un code robuste, sécurisé et documenté (CRISP, traçabilité).

5. Responsabilités clés

Architecture & Industrialisation

• Assurer le rôle de pilote du socle Data Science (MLOps, LLMOps, Python) en garantissant sa conception, son évolution et sa maintenance.

• Contribuer à la définition des patterns techniques IA (MLOps, CI/CD, monitoring) et concevoir des architectures ML/IA conformes aux standards SI et exigences réglementaires.

• Garantir la scalabilité, la sécurité, la maintenabilité et la performance des solutions industrialisées.

Qualité, Sécurité & Conformité

• Implémenter et optimiser les bonnes pratiques de développement, de test et de déploiement continu (CI/CD).

• Veiller au respect strict des normes de sécurité et de conformité : RGPD (données de santé et données sensibles), cybersécurité et exigences d’audit.

• Promouvoir et appliquer des pratiques d’IA explicable, traçable et non biaisée.

Interface Métier & Stratégie

• Traduire les besoins métiers (gestion, relation adhérents, prévention, fraude) en spécifications et solutions techniques.

• Apporter de la visibilité sur la faisabilité technique, les coûts et les risques associés.

• Travailler en binôme avec le Chief Data Scientist pour assurer l’alignement parfait entre vision métier et exécution technique.

6. Livrables attendus

• Architectures ML/IA sécurisées et documentées.

• Modèles IA industrialisés, déployés et monitorés.

• Pipelines MLOps, API et notebooks standardisés.

• Dossiers complets de mise en production et d’audit.

• Tableaux de bord d'indicateurs de performance et de suivi des dérives.

• Documentation technique et réglementaire.

7. Profil recherché & Compétences

Compétences techniques

• Data Science & ML : Expertise avancée en Machine Learning, Deep Learning, traitement de données sensibles (santé, assurance).

• IA Générative : Maîtrise des LLM, RAG et techniques de fine-tuning.

• MLOps & DevOps : MLOps, LLMOps, pipelines CI/CD, monitoring de modèles.

• Langages & Outils : Maîtrise approfondie de Python et de son écosystème ML.

• Architecture : Conception d'architectures Data & Cloud.

• Réglementation & Sécurité : Maîtrise du RGPD, des normes de cybersécurité et des enjeux d'éthique/conformité IA.

• Secteur : Une connaissance du secteur mutualiste, de la santé ou de l'assurance est un atout.

Compétences comportementales (Soft Skills)

• Leadership technique, capacités d'encadrement, de mentorat et de pédagogie.

• Sens élevé des responsabilités et de l’éthique.

• Excellentes capacités de communication et de vulgarisation de sujets complexes auprès de publics métiers.

• Esprit collaboratif, proactif et capacité à travailler de manière transverse.

• Autonomie, rigueur et curiosité intellectuelle (veille technologique).

8. Interactions clés

• Interne DSI / Data : Chief Data Scientist, Data Scientists, Équipes MLOps.

• Projets & Métiers : Product Owners IA, Équipes Métiers.

• Support & Gouvernance : Équipes IT, Sécurité (RSSI) et Conformité/DPO.