DATA SCIENTIST / AI ENGINEER SENIOR TJM MAX 550

🎯 Contexte de la mission

Dans le cadre du développement de projets Data & IA pour l'industrie, nous recherchons un(e) Data Scientist / AI Engineer Senior pour intervenir sur plusieurs cas d'usage d'intelligence artificielle industrielle.

Le consultant intégrera une équipe spécialisée en Data Science, AI Engineering et IA pour l'industrie, intervenant sur différents projets en fonction des priorités métiers.

La mission sera réalisée en collaboration étroite avec les experts métier, équipes produit et partenaires technologiques.

Les problématiques adressées pourront notamment concerner :

• Séries temporelles industrielles : détection d'anomalies, qualification d'alertes, réduction des faux positifs, prévision de variables procédé ou production.

• Maintenance et fiabilité : aide à la décision à partir des historiques équipements et maintenance, identification des modes de défaillance, optimisation des plans de maintenance.

• Données industrielles non structurées : extraction d'informations structurées depuis des rapports, journaux de maintenance et documents techniques.

• Optimisation de la production et des procédés : estimation de quantités, automatisation de la surveillance, priorisation d'opportunités ou d'interventions.

• IA agentique appliquée aux données industrielles : agents outillés et assistants IA combinant données, modèles et connaissances métier, avec des résultats traçables.

🛠️ Missions principales

• Cadrer les cas d'usage avec les équipes métier et produit : traduction du besoin en problématique Data/IA, définition des hypothèses, métriques métier et critères de succès.

• Explorer et qualifier les données : séries temporelles, données de maintenance, documents et données de production.

• Construire des jeux d'évaluation en collaboration avec les experts métier.

• Concevoir, développer et comparer différents modèles par rapport à des baselines métier solides.

• Travailler sur des modèles de Machine Learning, méthodes statistiques, modèles de fondation pour séries temporelles et agents LLM.

• Concevoir des briques GenAI / IA Agentique lorsque pertinent : RAG, extraction structurée, recherche sur cas historiques, agents outillés.

• Industrialiser les solutions : pipelines reproductibles, packaging, APIs, déploiement et supervision en production.

• Assurer le cycle de vie des modèles : suivi des performances, détection de dérive, réentraînement et documentation.

• Restituer les résultats, limites et recommandations aux équipes métier et au management.

• Contribuer aux décisions go / no-go sur les différents cas d'usage.

📦 Livrables

• Notes de cadrage et protocoles d'évaluation.

• Définition des métriques, baselines et jeux de données.

• Rapports d'exploration et benchmarks avec recommandations.

• Code versionné et testé.

• Modèles, agents et composants API déployables.

• Documentation des modèles.

• Indicateurs de suivi des solutions en production.

👤 Expérience recherchée

• 5 ans minimum d'expérience en Data Science / AI Engineering.

• Au moins 2 ans d'expérience sur des projets industriels.

• Expérience de modèles déployés et maintenus en production.

• Capacité à intervenir sur des problématiques Data Science et AI Engineering de bout en bout.

💻 Compétences techniquesExpertise

• Python et écosystème scientifique / ML :

  • Pandas

  • NumPy

  • Scikit-learn

  • PyTorch

• Modélisation de séries temporelles industrielles :

  • Détection d'anomalies

  • Analyse multivariée

  • Prévision

  • Données capteurs bruitées et irrégulières

• Conception d'évaluations rigoureuses :

  • Métriques métier

  • Baselines

  • Arbitrage faux positifs / faux négatifs

  • Reproductibilité des benchmarks

• Industrialisation de solutions ML de bout en bout :

  • MLOps

  • MLflow ou équivalent

  • CI/CD

  • Git / GitHub

  • Packaging

  • Supervision

Maîtrise

• GenAI et systèmes agentiques

  • RAG

  • Sorties structurées

  • Appels d'outils

  • Orchestration d'agents

  • Évaluation et traçabilité des LLM

• Plateformes Cloud et Data :

  • Databricks

  • Azure et/ou AWS

  • SQL

  • APIs / FastAPI

  • Docker

Nice to have

• Maintenance prédictive / conditionnelle

• Fiabilité et modes de défaillance

• RCA / Root Cause Analysis

• Opérations de production industrielle

• Oil & Gas

• Systèmes de données industrielles :

  • PI / Historians

  • Inmation

  • SAP PM

  • Cognite Data Fusion

• IA documentaire / Computer Vision :

  • P&ID

  • Plans techniques

• Usage critique de l'IA dans les pratiques de développement, avec maintien de la compréhension et de la responsabilité technique.

🤝 Compétences comportementales

• Profil Data Scientist / AI Engineer

• Forte orientation métier et capacité à relier la performance du modèle à la décision métier.

• Capacité à travailler avec des experts terrain : maintenance, fiabilité, production.

• Aptitude à vulgariser les résultats et les limites auprès d'interlocuteurs non techniques.

• Rigueur scientifique et esprit critique.

• Capacité à challenger les choix techniques et à exprimer un désaccord de manière constructive.

• Autonomie et organisation.

• Capacité à travailler dans un environnement Agile – Scrum / Kanban.

• Esprit d'équipe et partage de connaissances.

• Français courant.

• Anglais professionnel.

Profil recherché

💻 Compétences techniquesExpertise

• Python et écosystème scientifique / ML :

  • Pandas

  • NumPy

  • Scikit-learn

  • PyTorch

• Modélisation de séries temporelles industrielles :

  • Détection d'anomalies

  • Analyse multivariée

  • Prévision

  • Données capteurs bruitées et irrégulières

• Conception d'évaluations rigoureuses :

  • Métriques métier

  • Baselines

  • Arbitrage faux positifs / faux négatifs

  • Reproductibilité des benchmarks

• Industrialisation de solutions ML de bout en bout :

  • MLOps

  • MLflow ou équivalent

  • CI/CD

  • Git / GitHub

  • Packaging

  • Supervision

Maîtrise

• GenAI et systèmes agentiques

  • RAG

  • Sorties structurées

  • Appels d'outils

  • Orchestration d'agents

  • Évaluation et traçabilité des LLM

• Plateformes Cloud et Data :

  • Databricks

  • Azure et/ou AWS

  • SQL

  • APIs / FastAPI

  • Docker

Nice to have

• Maintenance prédictive / conditionnelle

• Fiabilité et modes de défaillance

• RCA / Root Cause Analysis

• Opérations de production industrielle

• Oil & Gas

• Systèmes de données industrielles :

  • PI / Historians

  • Inmation

  • SAP PM

  • Cognite Data Fusion

• IA documentaire / Computer Vision :

  • P&ID

  • Plans techniques

• Usage critique de l'IA dans les pratiques de développement, avec maintien de la compréhension et de la responsabilité technique.