DATA Scientist/ML Engineer F/H

Descriptif du poste:\
\
Missions principales du poste\
Concevoir, entraîner et mettre en production des modèles de Machine Learning et des solutions d'IA (dont IA générative) qui créent de la valeur pour les métiers de nos clients. Il accompagne le cas d'usage de l'idée jusqu'à l'industrialisation, en garantissant la fiabilité, l'explicabilité et la conformité des modèles.\
Activités et tâches\
Intégré au sein des équipes du client, les activités sont principalement les suivantes :\
\* Identifier et cadrer les cas d'usage IA / ML avec les métiers (tarification, fraude, churn, analyse documentaire, automatisation)\
\* Explorer et préparer les données, construire les variables (feature engineering)\
\* Concevoir, entraîner et évaluer les modèles (ML classique, deep learning, NLP)\
\* Développer des solutions d'IA générative : RAG, agents, prompt engineering, évaluation des LLM\
\* Réaliser des POCs / MVP et accompagner leur passage en production (MLOps)\
\* Suivre la performance des modèles en production (dérive, ré-entraînement)\
\* Garantir l'explicabilité, l'équité et la conformité des modèles (RGPD, AI Act)\
\* Restituer et vulgariser les résultats aux interlocuteurs métier\
\* Contribuer à la practice Data & IA ALTAPYX (capitalisation, retours d'expérience)\
\
Profil recherché:\
\
Diplôme, formations et certifications\
On aime bien les BAC 5 mais on ne s'interdit rien\
Certifications appréciées : Azure AI Engineer (AI-102), AWS Machine Learning, Google Professional ML Engineer, Databricks ML\
Compétences techniques\
\* Python avancé (Scikit-learn, XGBoost, PyTorch ou TensorFlow)\
\* Statistiques et mathématiques appliquées\
\* NLP et LLM (Hugging Face, LangChain / LlamaIndex, API OpenAI / Anthropic / Mistral)\
\* Bases vectorielles et architectures RAG\
\* MLOps : MLflow, conteneurs, CI/CD, services ML cloud (Azure ML, SageMaker, Vertex AI)\
\* SQL et manipulation de gros volumes (Spark apprécié)\
Compétences fonctionnelles\
\* Capacité à traduire un besoin métier en problème de modélisation\
\* Capacité à vulgariser des concepts techniques pour des interlocuteurs non techniques\
\* Sensibilité aux enjeux d'IA de confiance (explicabilité, biais, réglementation)\
\* Une connaissance du métier de l'Assurance (actuariat, sinistres, fraude, relation client) serait un plus\
Soft skills\
\* Une excellente aptitude rédactionnelle\
\* Un bon niveau de communication orale\
\* Un excellent relationnel\
\* Une bonne adaptabilité et rapidité de compréhension pour appréhender les process métier\
Qualités requises\
Votre relationnel, votre esprit de synthèse, votre curiosité, votre esprit d'équipe et votre autonomie sont des atouts qui vous permettront de réussir efficacement dans les missions confiées.\
Expérience exigée\
2 ans minimum en Data Science ou Machine Learning, dont au moins un modèle ou une solution IA mis en production.\