POSTE : Data Scientist H/F DESCRIPTION : Nous recherchons un(e) Data Scientist pour rejoindre notre équipe lilloise. En tant que Data Scientist, vous serez responsable de concevoir, développer et déployer des solutions d'analyse de données avancées permettant de soutenir les décisions stratégiques de l'entreprise. Vous jouerez un rôle clé dans l'industrialisation des modèles et l'accompagnement des équipes métiers. Vos missions : - Analyser, structurer et valoriser des jeux de données internes et externes. - Développer des modèles de machine learning (prédiction, scoring, segmentation, NLP, etc.). - Concevoir des pipelines de traitement de données robustes et automatisés. - Travailler sur la mise en production des modèles dans un environnement scalable et industrialisé. - Créer des APIs pour exposer les modèles (FastAPI, Flask). - Assurer le suivi post-déploiement : monitoring, versioning, réentraînement, performance. - Collaborer avec les Data Engineers, DevOps et Product Owners pour garantir la cohérence de bout en bout. Déroulement des entretiens : 1 - Prise de Contact (15min par téléphone) 2 - Entretien avec un Ingénieur d'affaires (45 min) 3 - Test technique 4 - Entretien Technique (1h) 5 - Visite des locaux à Marcq-en-Baroeul et/ou du DataLab à Boulogne-Billancourt PROFIL : Ingénieur d'une grande école (Centrale, Mines, Supaero, Supelec, ), vous avez des connaissances en modélisation et machine learning (deep learning, random forest, svm) acquises lors de vos expériences passées. Vous avez de bonnes connaissances en Python (ou R) pour coder ces algorithmes. Vous êtes reconnu(e) pour votre autonomie, votre excellent relationnel et votre capacité à être force de proposition. - Solide maîtrise de Python et des librairies ML (Scikit-learn, XGBoost, TensorFlow ou PyTorch). - Expérience en mise en production de modèles ML (APIs, CI/CD, containerisation). - Bonne connaissance des bases de données (SQL, NoSQL) et des outils de data pipeline (Airflow, Spark, etc.). - Compétences en MLOps : versioning de modèles, monitoring, déploiement cloud (AWS, GCP, ou Azure). - Aisance dans l'analyse métier et la vulgarisation des résultats. - Goût pour l'optimisation, la performance et la qualité logicielle