Contexte

Dans le cadre du développement de solutions innovantes en cybersécurité, nous recherchons un(e) expert(e) en Machine Learning disposant d'une solide expérience en modélisation de données textuelles et semi-structurées appliquées à la détection de menaces.

Le projet porte sur l'analyse de flux HTTP, l'identification de comportements malveillants et la conception de modèles de classification capables de distinguer efficacement le trafic légitime des différentes attaques web.

Nous recherchons avant tout un véritable ingénieur logiciel spécialisé en Machine Learning, capable de concevoir des solutions robustes de bout en bout, et non un simple utilisateur de modèles de langage (LLM).

Missions

Au sein de l'équipe projet, vous serez notamment en charge de :

• Concevoir, entraîner et optimiser des modèles de Machine Learning.

• Développer des moteurs de classification et de détection d'anomalies.

• Analyser des flux HTTP et identifier les patterns caractéristiques des attaques web.

• Construire des représentations pertinentes des données (feature engineering avancé).

• Développer des modèles permettant la classification de payloads HTTP complexes.

• Identifier, généraliser et modéliser les signatures comportementales des attaques.

• Préparer, nettoyer, normaliser, enrichir et transformer des datasets volumineux.

• Concevoir des pipelines de traitement de données robustes et industrialisables.

• Participer au déploiement et à l'industrialisation des modèles en production.

• Collaborer étroitement avec les équipes techniques et métier afin de faire évoluer les solutions.

Compétences techniques attendues

Indispensables

• Minimum 5 à 6 ans d'expérience en Intelligence Artificielle / Machine Learning.

• Excellente maîtrise de Python.

• Solides compétences en Machine Learning appliqué.

• Très bonne maîtrise du traitement et de la préparation des données.

• Expertise en feature engineering.

• Expérience dans la conception de modèles de classification.

• Expérience en détection d'anomalies.

• Maîtrise de l'analyse de données textuelles et semi-structurées.

• Solide expérience en développement logiciel et conception d'applications robustes.

Expertise fortement recherchée

Une expérience concrète dans la classification d'attaques web est indispensable, notamment sur des problématiques telles que :

• SQL Injection

• Cross-Site Scripting (XSS)

• Command Injection

• Analyse de trafic HTTP légitime et malveillant

• Détection comportementale

• Classification de payloads HTTP

Le candidat devra démontrer une bonne compréhension des enjeux cybersécurité liés aux applications web.

Environnement technique

Compétences appréciées :

• NLP (Natural Language Processing)

• Data Engineering

• C++

• Industrialisation de modèles ML

• Pipelines de traitement de données

• Détection d'anomalies

• Classification supervisée et non supervisée

Profil recherché

Nous recherchons un profil capable de :

• Comprendre en profondeur la structure des données de sécurité.

• Identifier les motifs récurrents (patterns) présents dans les requêtes HTTP.

• Construire des représentations pertinentes permettant une classification performante.

• Concevoir des modèles robustes et généralisables.

• Intervenir sur l'ensemble de la chaîne de valeur des données : collecte, exploration, nettoyage, normalisation, enrichissement, transformation et modélisation.

• Produire un code de qualité répondant aux standards de développement logiciel.

Au-delà de l'expertise technique, nous recherchons une personne :

• Autonome.

• Rigoureuse.

• Organisée.

• Fiable.

• Orientée résultats.

• Force de proposition.

• À l'aise dans des environnements techniques exigeants.

Points d'attention

Les profils principalement orientés :

• recherche documentaire,

• moteurs de recherche sémantique,

• systèmes RAG,

• prompting ou utilisation de LLM,

sans expérience significative en Machine Learning appliqué à la cybersécurité et à la classification de données de sécurité ne correspondront pas aux attentes de cette mission.

Une expérience concrète dans l'analyse de données de sécurité, la compréhension des mécanismes d'attaques web et la modélisation de payloads HTTP constitue un critère déterminant.