Senior Data Scientist - ML industriel & optimisation de procédé - Freelance

Contexte - Client grand compte du secteur de l'agroalimentaire

• Maltimize est une solution Data en production dans les malteries d’un grand groupe agroalimentaire développée par une équipe pluri-disciplinaire (PO, UX/UI, Data Engineers, Data Scientists, Développeurs FullStack VueJS/NodeJS,…) de la Digital Factory d’un groupe agricole majeur.
• La solution permet d’avoir une vision de ce qui se passe sur les chaînes de production, de prédire la qualité du malt et les résultats du procédé, et de recommander des recettes aux malteurs.
• Les prédictions reposent sur des modèles de Machine Learning par cible et par site, et sur un optimiseur soumis à des contraintes de procédé.
• Ces modèles doivent être améliorés en visant une progression de l’usage par les malteurs.
• La mission s'inscrit dans la feuille de route pilotée par le Lead Data Scientist, en collaboration étroite avec les malteurs et le reste de l’équipe Digital Factory.

Missions

• Améliorer la performance et la fiabilité des modèles. Des modèles plus justes et plus robustes, sur chaque site.

• Diagnostiquer les modèles par site, par cible et par type d'orge

• Formuler des hypothèses et les valider statistiquement

• Fixer des KPIs permettant de mesurer l’impact de l’amélioration

• Construire des variables à partir de la connaissance du procédé, en s'appuyant sur l'expertise des malteurs

• Faire progresser l'optimiseur de recettes et proposer des plans d'expériences, en validant leur faisabilité avec les malteurs

• Mettre les améliorations en production. Du code fiable, livré selon le cycle develop → préprod → production.

• Écrire un code propre, testé, versionné et relu

• Contribuer à la qualité des données et au réentraînement des modèles

• Suivre les modèles en production (dérive, dégradation)

• Travailler avec les malteurs. Faire de leur expertise un atout pour les modèles, et de la solution un outil qu'ils utilisent.

• Échanger régulièrement avec les malteurs : restitution des résultats, retours sur les recettes recommandées

• Expliquer les recommandations dans leur langage (humidité, couleur, recettes)

• Recueillir leurs retours et les traduire en variables et en contraintes

• Renforcer l’adoption et l’usage de la solution, au fil des livraisons

• Cadrer ce qui est faisable. Des attentes réalistes et des engagements tenus.

• Dire clairement aux malteurs ce qui est possible ou non

• Sur un sujet complexe, revenir avec une réponse validée plutôt que répondre à chaud

• Présenter les résultats de façon claire et constructive : ce qui fonctionne, les limites et les prochaines étapes, en alignant les messages sensibles avec l'équipe Digital Factory

• Porter les sujets confiés de bout en bout. Sur des priorités construites avec le lead DS et les parties prenantes.

• Apporter des propositions

• Représenter l'équipe data sur ses sujets, y compris en l'absence du lead

• Remonter les décisions qui sortent du périmètre convenu

• Documenter et partager

Cadre de la mission

• Périmètre, priorités et livrables construits ensemble avec le lead data scientist et les parties prenantes, et ajustés au fil des points de suivi.
• Livrables attendus : analyses documentées, améliorations de modèles et de l'optimiseur mises en production, suivi des modèles en production, propositions de plans d'expériences/tests, notes de restitution pour les usines, documentation technique.
• Points de suivi réguliers avec le lead data scientist.

Conditions de travail

• Localisation : La Défense
• Présence au bureau : mardi et jeudi (télétravail les autres jours) + présence le mercredi 1 fois par mois
• Démarrage : ASAP
• Charge : temps plein