CONTEXTE & OBJECTIF DU POSTE Le client est une organisation bancaire qui n'a pas encore de vision claire sur son outillage IA. Elle navigue entre des outils aux positionnements très différents (Dataiku, n8n, Claude Code) et a besoin de quelqu'un pour structurer ses choix, produire des recommandations actionnables par persona et valider en pratique sur un cas concret avec son équipe Data Science. L'entreprise a besoin d'un consultant senior en stratégie d'outillage IA, capable de parler plusieurs langages (Data Science, Dev, Analyst, PO) et de mettre les mains dans la pâte pour valider ses recommandations. Mission structurée en 3 livrables one-time sur 3 mois. Trois enjeux concrets : - Produire un benchmark comparatif structuré et défendable des outils IA disponibles, adapté à chaque persona et à chaque étape projet (brainstorming → conception → automatisation → industrialisation) - Implémenter concrètement un use case avec l'équipe Data Science pour valider les recommandations en pratique - Livrer un guide de choix d'outils opérationnel que les équipes peuvent utiliser de façon autonome après la fin de la mission MISSIONS PRINCIPALES & LIVRABLES Benchmark des Solutions IA - Mener une analyse comparative structurée des outils IA selon les cas d'usage, les personas et les étapes projet : Dataiku, n8n, Claude Code et plus largement GitHub Copilot, Cursor, ChatGPT/OpenAI, NotebookLM, Make, Zapier selon les publics - Définir les critères d'évaluation, le scoring et les matrices de décision - Restituer le benchmark de façon compréhensible par des POs comme par des data scientists Implémentation d'un Use Case Concret - Mettre en œuvre techniquement un use case IA avec l'équipe Data Science (Python probable, API LLM, workflow Dataiku ou n8n selon le choix retenu) - Valider en pratique les recommandations du benchmark sur un cas réel - Identifier les points de friction dans le workflow quotidien des data scientists et proposer les bons outils selon leur maturité Guide de Choix par Persona & Étape Projet - Produire une matrice de décision opérationnelle couvrant les quatre personas : Data Scientist, Développeur, Data Analyst, Chef de Projet / PO - Structurer le guide pour qu'il soit utilisable de façon autonome par les équipes après la fin de la mission - Adapter le niveau de détail et le langage à chaque public cible PROFIL RECHERCHÉ - 8 à 15 ans d'expérience, dont une expérience significative à l'interface de la data science, du développement et des équipes métier - Idéalement, profil data scientist senior ayant évolué vers le conseil en IA, ou consultant transformation data/IA en cabinet : parcours les plus pertinents - Expérience de benchmark structuré d'outils technologiques pour des organisations avec des équipes hétérogènes : critère discriminant - Capacité d'implémentation réelle COMPÉTENCES REQUISES - Connaissance des Outils IA du Marché (++) : Dataiku : plateforme MLOps/data science collaborative, gouvernance des modèles, pipelines, recettes visuelles et code ; n8n : orchestration de workflows et automatisation, intégrations API, agents IA ; Claude Code : assistant de développement, différences vs GitHub Copilot, Cursor ; et plus largement : ChatGPT/OpenAI, GitHub Copilot, Cursor, NotebookLM, Make, Zapier selon les personas - Benchmark Technologique (++) : Méthode structurée de comparaison d'outils (critères d'évaluation, scoring, TCO, cas d'usage, matrice de décision) ; expérience de restitution à des audiences mixtes techniques et non-techniques - Vision Personas & Accompagnement Data Science (++) : Compréhension du workflow d'un data scientist (exploration, modélisation, expérimentation, déploiement) et des points de friction ; capacité à adapter le discours et les recommandations selon le niveau de maturité de chaque persona - Implémentation Use Case (+) : Python, API LLM, workflow Dataiku ou n8n - capacité à mettre en œuvre techniquement un cas concret, pas juste à le conseiller - Veille IA Active