Descriptif du poste: Dans le cadre du développement de nos activités en Real-World Evidence (RWE), nous recherchons un(e) Expert(e) RWE. Vous jouerez un rôle clé dans la conception d'études RWE, l'exploitation de données de vie réelle (RWD) et la production d'analyses à forte valeur ajoutée pour soutenir les décisions cliniques, réglementaires et stratégiques. Missions :  * Traduire les besoins cliniques et ceux des parties prenantes en plans d'études RWE opérationnels, minimum viable products et livrables à fort impact. * Piloter des équipes pluridisciplinaires et assurer la gestion des plans projets : jalons, dépendances, risques, coordination. * Mettre en œuvre des méthodes avancées de causal inference (target trial emulation, modélisation contrefactuelle, g-computation), combinées lorsque pertinent avec des approches de machine learning et deep learning. * Travailler dans des environnements analytiques modernes (R, Python, pipelines ML, frameworks de data engineering) pour produire des analyses scalables, robustes et réutilisables. * Garantir l'accès et l'utilisation appropriée de sources de données RWD adaptées, en lien avec les équipes internes et les partenaires externes. * Contribuer à la feuille de route du portefeuille RWE : standards, outils, frameworks analytiques réutilisables. * Produire et soutenir des dossiers RWE de niveau réglementaire, et participer aux échanges avec les autorités (FDA, EMA) et groupes de politique de santé.   Profil recherché:  Profil :  * Bac+5 à Bac+8 en biostatistiques, data science, épidémiologie, santé publique, mathématiques appliquées ou domaine connexe. * Avoir une bonne expérience en RWE, data science appliquée à la santé, épidémiologie ou analytics dans l'industrie pharmaceutique, un organisme de recherche ou une structure de conseil. * Expérience confirmée en gestion de projets complexes et en coordination d'équipes multidisciplinaires. * Maîtrise des méthodes de causal inference et des approches statistiques avancées. * Excellente connaissance des environnements R et/ou Python. * Connaissance des pipelines ML, outils de data engineering et bonnes pratiques de reproductibilité. * Compréhension approfondie des sources de données RWD (claims, EHR, registres, bases nationales, etc.). * Capacité à produire des analyses destinées à un usage réglementaire.