Le bénéficiaire recherche une ressource expérimentée et autonome pour conception, développement et suivi des projets de Data Science avancée dans le cadre d?une solution Digital Twin. La mission s?inscrit dans un environnement technique exigeant, intégrant des technologies de modélisation graphique telles que TigerGraph et des approches GNN (Graph Neural Networks) pour enrichissement des capacités prédictives et analytiques des jumeaux numériques. Les missions sont: Conception, mise en ?uvre, test et déploiement de modèles de Machine Learning / Deep Learning de bout en bout, adaptés aux problématiques du Digital Twin. Exploration de nouvelles architectures ML/DL, mise en ?uvre de techniques d?apprentissage par transfert et optimisation des performances des modèles. Contribution aux pratiques MLOps : versioning des modèles, suivi des expériences, automatisation des pipelines de déploiement en collaboration avec les ingénieurs. Création de pipelines de données et d?ingénierie de fonctionnalités, en lien avec les exigences du jumeau numérique, en partenariat avec les ingénieurs ML. Conception et implémentation de solutions GenAI alignées avec les besoins IT, notamment autour des LLM, RAG et agents. Intégration de TigerGraph et de GNN dans les workflows analytiques pour modéliser des relations complexes et améliorer les capacités de prédiction. Profil candidat: Compétences attendues Expérience avérée dans la livraison de projets IA/Data en environnement complexe. Maîtrise des concepts avancés en IA/ML/DL, statistiques, séries temporelles, NLP et IA générative. Excellente maîtrise de Python et des bibliothèques open source (scikit-learn, PyTorch, TensorFlow, transformers, etc.). Connaissance pratique de TigerGraph et des architectures GNN (GAT, etc.). Connaissance des pipelines Git & CI /CD et des outils MLOps (MLflow, etc.). Compétences analytiques et de résolution de problèmes solides. Autonomie dans la gestion de projets techniques, capacité à cadrer, suivre et livrer des solutions en lien avec les équipes IT