Senior Data Scientist | Scientifique de données senior

Company Overview

Jesta I.S. is a Canadian enterprise software company with over 55 years of experience delivering mission-critical solutions to retailers, wholesalers, and brand manufacturers worldwide. Our Vision Suite platform supports complex retail operations across merchandising, supply chain, inventory, commerce, and financial management for fashion, footwear, athletic, luxury, and specialty retail. As part of our strategic investment in AI, Jesta is building a new generation of intelligent enterprise applications combining predictive analytics, machine learning, generative AI, agentic AI, and computer vision within business workflows. Our AI Centre of Excellence develops production-grade AI solutions deployed against real client data at scale.

Position Summary

We are seeking a Senior Data Scientist with deep expertise across modern AI from predictive modelling to large language models, agentic AI systems, and computer vision. This senior individual contributor role requires strong autonomous judgment, technical leadership, and the ability to define and execute complex AI workstreams with minimal supervision. The successful candidate will take full ownership of our production AI stack maintaining, improving, and scaling models and pipelines already in active client use while contributing to new capabilities. You will work at the intersection of predictive modelling, generative AI, and enterprise software, with your work deployed against real client data at scale.

Key Responsibilities

Predictive Modelling & Demand Forecasting

• Design, develop, and optimize ML models for demand forecasting, inventory optimization, and pricing analytics.
• Perform EDA, model diagnostics, and data quality assessments.
• Engineer advanced features including promotions, seasonality, holidays, stockouts, lag variables, external signals, and signal processing.
• Design and execute model experiments, hypothesis testing, oracle testing, and statistical evaluations.
• Evaluate and benchmark forecasting approaches (LightGBM, Random Forest, Gradient Boosting, PyTorch, DeepAR, ARIMA/SARIMA, Prophet, ensemble methods, Croston/TSB).
• Own the full model lifecycle from development and backtesting to deployment, monitoring, drift detection, and retraining.

Large Language Models & Generative AI

• Design and implement LLM-powered applications using RAG, fine-tuning, prompt engineering, structured outputs, and vector databases.
• Build AI systems that securely interact with enterprise data through governed APIs.
• Evaluate and integrate commercial and open-source foundation models into production.
• Develop explainability and transparency mechanisms for enterprise AI.

Agentic AI Systems & MCP

• Design and develop autonomous AI agents with multi-step reasoning and tool use.
• Build integrations using Model Context Protocol (MCP) and tool-calling architectures for ERP data access.
• Implement human-in-the-loop (HITL) workflows, role-based security, and approval mechanisms.
• Establish standards for reliability, traceability, and auditability of agentic systems.

APIs & Production AI Infrastructure

• Design Semantic Read APIs connecting AI models to ERP data securely.
• Build scalable batch inference and feature pipelines on AWS SageMaker and Azure ML.
• Contribute to CI/CD automation, model validation, and deployment pipelines.
• Collaborate with Data Engineering and MLOps teams on Dockerized deployments, APIs, monitoring, and scalable inference.
• Define standards for feature stores, data pipelines, and model versioning.
• Partner with IT and Security teams to ensure compliant AI deployments.

Computer Vision

• Develop and deploy computer vision solutions for product classification, visual merchandising, and image-based retail applications.
• Integrate multimodal vision capabilities into forecasting and AI agent workflows.
• Evaluate and apply modern computer vision architectures to production use cases.

Product Ownership & Continuous Improvement

• Own and maintain production AI models and pipelines while driving continuous optimization.
• Balance maintenance of existing solutions with development of new AI capabilities.
• Identify and remediate technical debt, performance bottlenecks, and scalability issues.
• Serve as technical owner for AI model performance and production incident resolution.

Documentation & Knowledge Sharing

• Maintain comprehensive documentation for models, pipelines, and experiments.
• Ensure reproducibility through experiment tracking, Git version control, and model lineage.
• Share knowledge through code reviews, technical documentation, and internal presentations.
• Contribute to R&D documentation and technical specifications.

Technical Leadership

• Independently scope, design, and deliver AI solutions with minimal supervision.
• Mentor team members through code reviews and architectural guidance.
• Translate business problems into robust AI solutions and communicate results to technical and business stakeholders.
• Apply responsible AI principles, including fairness, transparency, and model risk management.

Qualifications

Education

• PhD in Artificial Intelligence, Data Science, Computer Science, or a related quantitative field strongly preferred.
• Candidates with a Master's degree and exceptional industry experience will also be considered.

Experience

• Minimum 5 years of industry experience in applied data science (excluding academic research, internships, and research positions).
• Proven experience deploying and maintaining production-scale ML systems.
• Experience owning existing AI platforms and developing new capabilities.
• Hands-on expertise with LLMs and Generative AI (RAG, prompt engineering, structured outputs, evaluation frameworks).
• Experience building agentic AI systems with tool use, orchestration, and multi-step reasoning.
• Working knowledge of MCP or comparable agent orchestration frameworks.
• Experience developing and deploying computer vision models.
• Demonstrated ability to independently lead complex technical initiatives.
• Experience in commercial demand forecasting or time series modelling is a strong asset.
• Experience with signal processing techniques is an asset.
• Experience with ERP systems, retail data models, or supply chain data is an asset.

Technical & Soft Skills

• Advanced Python (PyTorch, scikit-learn, LightGBM, XGBoost, TensorFlow/Keras, pandas, polars, NumPy) and LLM frameworks (LangChain, LlamaIndex, Anthropic/OpenAI SDKs); R is an asset.
• Forecasting libraries (Prophet, DeepAR, ARIMA/SARIMA, Croston/TSB, ensemble methods).
• Experience with Kedro or similar orchestration frameworks and large-scale batch processing.
• MLOps expertise (MLflow, Docker, CI/CD, Git, experiment tracking, model registries, drift detection, retraining).
• Experience with AWS (SageMaker, Lambda, S3, IAM, Batch), Azure ML, Azure DevOps, and Snowflake/Snowpark.
• REST API development (FastAPI, Flask).
• Strong statistical foundations (time series analysis, Bayesian methods, causal inference, experimental design, hypothesis testing).
• Advanced SQL for enterprise-scale analytics.
• Highly autonomous with the ability to independently scope and deliver complex initiatives.
• Excellent written and verbal communication with technical and executive audiences.
• Strong analytical rigor and sound technical judgment.
• Collaborative mindset with cross-functional engineering and MLOps teams.
• Comfortable making decisions and driving outcomes in ambiguous environments.

Additional Information

• This is a hybrid role; 2 days per week in the Montreal, QC office is required.

We thank all applicants for their interest. Only shortlisted candidates will be contacted.

_________________________

Présentation de l'entreprise

Jesta I.S. est une société canadienne spécialisée dans les logiciels d'entreprise, avec plus de 55 ans d'expérience dans la fourniture de solutions stratégiques aux détaillants, grossistes et fabricants de marques du monde entier. Notre plateforme « Vision Suite » prend en charge les opérations complexes du commerce de détail (merchandising, chaîne d'approvisionnement, gestion des stocks, commerce et gestion financière) pour les secteurs de la mode, de la chaussure, des articles de sport, du luxe et du commerce de détail spécialisé. Dans le cadre de notre investissement stratégique dans l'IA, Jesta développe une nouvelle génération d'applications d'entreprise intelligentes intégrant l'analyse prédictive, l'apprentissage automatique, l'IA générative, l'IA agentique et la vision par ordinateur. Notre Centre d'excellence en IA développe des solutions d'IA prêtes à l'emploi, déployées sur les données réelles de nos clients à grande échelle.

Résumé du poste

Nous recherchons un scientifique de données senior possédant une expertise approfondie dans tous les domaines de l'IA moderne de la modélisation prédictive aux grands modèles linguistiques, en passant par les systèmes d'IA agentique et la vision par ordinateur. Ce poste de contributeur senior exige une grande autonomie, un leadership technique et la capacité de mener à bien des projets complexes en IA avec un minimum de supervision. Le candidat retenu assumera l'entière responsabilité de notre pile d'IA de production existante maintenance, amélioration et mise à l'échelle des modèles et pipelines déjà utilisés par nos clients tout en contribuant au développement de nouvelles capacités. Vous travaillerez à la croisée de la modélisation prédictive, de l'IA générative et des logiciels d'entreprise, avec des travaux déployés à grande échelle sur les données réelles de nos clients.
Responsabilités Principales

Modélisation prédictive et prévision de la demande

• Concevoir, développer et optimiser des modèles d'apprentissage automatique pour la prévision de la demande, l'optimisation des stocks et l'analyse des prix.
• Réaliser des analyses exploratoires (EDA), des diagnostics de modèles et des évaluations de la qualité des données.
• Mettre en œuvre des techniques avancées de création de variables (promotions, saisonnalité, jours fériés, ruptures de stock, variables de retard, signaux externes et traitement du signal).
• Concevoir et exécuter des expérimentations, tests d'hypothèses, tests « oracle » et évaluations statistiques.
• Évaluer et comparer différentes approches (LightGBM, Random Forest, Gradient Boosting, PyTorch, DeepAR, ARIMA/SARIMA, Prophet, méthodes d'ensemble, Croston/TSB).
• Gérer le cycle de vie complet des modèles : développement, rétrovalidation, déploiement, surveillance, détection de dérive et réentraînement.

Grands modèles de langage (LLM) et IA générative

• Concevoir et développer des solutions basées sur les LLM (RAG, fine-tuning, prompt engineering, sorties structurées, bases de données vectorielles).
• Développer des systèmes d'IA connectés aux données d'entreprise via des API gouvernées.
• Évaluer et intégrer des modèles fondamentaux commerciaux ou open source en production.
• Mettre en place des mécanismes d'explicabilité et de transparence adaptés aux environnements d'entreprise.

Systèmes d'IA agentique et MCP

• Concevoir et développer des agents autonomes capables de raisonnement en plusieurs étapes et d'utilisation d'outils.
• Développer des intégrations utilisant le Model Context Protocol (MCP) ou des architectures similaires.
• Mettre en œuvre des processus « human-in-the-loop » (HITL), contrôles d'accès et mécanismes d'approbation.
• Définir des standards de fiabilité, de traçabilité et d'auditabilité pour les systèmes agentiques.

API et infrastructure IA de production

• Concevoir des API de lecture sémantique sécurisées reliant les modèles d'IA aux données ERP.
• Développer des pipelines de traitement par lots pour l'inférence et le calcul de variables sur AWS SageMaker et Azure ML.
• Contribuer à l'automatisation CI/CD, aux validations et aux déploiements de modèles.
• Collaborer avec les équipes d'ingénierie des données et MLOps pour industrialiser les modèles (Docker, API, surveillance, inférence à grande échelle).
• Définir des standards pour les pipelines de données, feature stores et versionnement des modèles.
• Collaborer avec les équipes TI et sécurité pour des déploiements conformes et sécurisés.

Vision par ordinateur

• Développer et déployer des modèles de vision par ordinateur pour des cas d'usage liés au commerce de détail.
• Intégrer des capacités multimodales aux pipelines IA et aux modèles prédictifs.
• Assurer une veille technologique sur les architectures de vision les plus récentes.

Gestion des produits IA et amélioration continue

• Assurer la responsabilité des modèles et pipelines IA en production, de leur stabilité et de leur amélioration continue.
• Contribuer au développement de nouvelles fonctionnalités et capacités IA.
• Identifier et résoudre les enjeux liés à la dette technique, aux performances et à l'évolutivité.
• Agir comme responsable du comportement des modèles IA en production et résoudre rapidement les incidents.

Documentation et transfert des connaissances

• Maintenir une documentation complète des modèles, pipelines et expérimentations.
• Assurer la reproductibilité (suivi des expérimentations, contrôle de versions Git, traçabilité des modèles).
• Favoriser le partage des connaissances par des revues de code, présentations techniques et documentation interne.
• Contribuer à la documentation R&D et aux spécifications techniques.

Leadership technique

• Définir les approches techniques et livrer des solutions de façon autonome.
• Offrir du mentorat technique et participer aux revues de code et d'architecture.
• Traduire des besoins d'affaires en solutions d'IA robustes et communiquer avec des publics techniques et non techniques.
• Appliquer les principes d'une IA responsable (équité, transparence, gestion des risques).

Qualifications

Formation

• Doctorat en intelligence artificielle, science des données, informatique ou discipline quantitative connexe fortement privilégié.
• Les personnes candidates détenant une maîtrise et une expérience professionnelle exceptionnelle seront également considérées.

Expérience

• Minimum de 5 ans d'expérience en science des données appliquée en industrie (les stages, travaux académiques et postes de recherche ne sont pas comptabilisés).
• Expérience démontrée dans le déploiement et la maintenance de modèles ML en production.
• Expérience dans la gestion de systèmes IA existants et le développement de nouvelles solutions.
• Expérience pratique avec les LLM et l'IA générative (RAG, prompt engineering, sorties structurées, cadres d'évaluation).
• Expérience dans le développement de systèmes d'IA agentique et connaissance du MCP ou de technologies similaires.
• Expérience en développement et déploiement de modèles de vision par ordinateur.
• Capacité démontrée à gérer de façon autonome des initiatives techniques complexes.
• Une expérience en prévision de la demande ou en modélisation de séries temporelles constitue un atout important.
• Une expérience en traitement du signal constitue un atout.
• Une expérience avec les ERP, les modèles de données du commerce de détail ou de la chaîne d'approvisionnement constitue un atout.

Compétences techniques et comportementales

• Maîtrise avancée de Python (PyTorch, scikit-learn, LightGBM, XGBoost, TensorFlow/Keras, pandas, polars, NumPy) et des cadres LLM (LangChain, LlamaIndex, SDK Anthropic/OpenAI); R constitue un atout.
• Bibliothèques de prévision (Prophet, DeepAR, ARIMA/SARIMA, Croston/TSB, méthodes d'ensemble).
• Expérience avec Kedro ou outils similaires d'orchestration et traitement par lots à grande échelle.
• Solide expérience MLOps (MLflow, Docker, CI/CD, Git, suivi des expérimentations, registres de modèles, détection de dérive, réentraînement).
• Expérience avec AWS, Azure ML, Azure DevOps et Snowflake/Snowpark.
• Conception et intégration d'API REST (FastAPI, Flask ou équivalent).
• Excellentes bases en statistiques (séries temporelles, inférence bayésienne, causalité, conception expérimentale, tests d'hypothèses).
• Excellente maîtrise de SQL pour l'analyse de données complexes.
• Grande autonomie et capacité à mener des projets techniques de bout en bout.
• Excellentes aptitudes en communication écrite et orale auprès d'auditoires techniques et d'affaires.
• Rigueur analytique et jugement technique solide.
• Esprit collaboratif avec des équipes multidisciplinaires.
• Aisance à évoluer dans des contextes ambigus et à prendre des décisions éclairées.

Informations supplémentaires

• Ce poste est hybride : 2 jours par semaine au bureau à Montréal sont requis.

Nous remercions tous les candidats de leur intérêt. Toutefois, seuls les candidats sélectionnés pour une entrevue seront contactés.