Dans le cadre du programme stratégique HALO, visant à enrichir l'expérience bancaire digitale au sein de l'application mobile d'un grand acteur bancaire, nous recherchons actuellement un.e Data Scientist Senior / Machine Learning Engineer. Vous intégrerez le Chapitre Data, rattaché à la Direction Data, en charge de l'accompagnement des squads dans la conception, l'industrialisation et l'exploitation de cas d'usage Data, Machine Learning et Intelligence Artificielle. Vous évoluerez dans un environnement exigeant, multi-squads, au cœur d'une architecture moderne orientée API et event-driven, avec des enjeux forts de performance, sécurité, conformité et qualité des livrables. ���� Votre rôle En tant que Data Scientist Senior / Machine Learning Engineer, vous intervenez sur l'ensemble du cycle de vie des cas d'usage IA. De la compréhension des besoins métiers jusqu'au déploiement en production et au suivi en RUN, vous êtes garant.e de la performance, de la robustesse et de la valeur des modèles mis en œuvre. Vous travaillez en lien étroit avec les Product Owners, Business Analysts, Data Engineers et équipes métiers afin de transformer des cas d'usage bancaires en solutions data industrialisées. Vos missions ���� Cadrage et analyse des cas d'usage Vous intervenez dès les premières phases des projets pour comprendre et qualifier les besoins : - Analyser les cas d'usage métiers avec les squads - Identifier les problématiques Data / IA pertinentes - Définir les approches de modélisation adaptées - Sélectionner les données utiles et leur méthodologie de traitement - Traduire les besoins métiers en problématiques data exploitables ���� Exploration, prototypage et modélisation Vous construisez et testez les solutions algorithmiques : - Réaliser l'exploration et l'analyse des données - Développer des prototypes de modèles ML / IA - Tester et comparer différents algorithmes - Évaluer les performances des modèles (accuracy, recall, precision.) - Optimiser les modèles selon les contraintes métiers et techniques ���� Industrialisation et déploiement des modèles Vous assurez la mise en production des modèles : - Concevoir et industrialiser des modèles de Machine Learning - Développer les pipelines de training, inference et scoring - Déployer les modèles dans les environnements de production - Intégrer les modèles dans des architectures API et event-driven - Garantir la scalabilité et la robustesse des solutions ���� MLOps, monitoring et RUN Vous assurez la fiabilité dans la durée des modèles déployés : - Mettre en place des dispositifs de monitoring des modèles - Suivre la performance en production - Détecter les dérives et proposer des ajustements - Participer au RUN et à la résolution d'incidents - Améliorer en continu les modèles et pipelines existants ���� Collaboration et communication Vous êtes un acteur clé du delivery en environnement Agile : - Participer aux rituels des squads multi-équipes - Suivre les tâches dans un contexte Agile à l'échelle - Présenter les avancées aux équipes métiers et techniques - Vulgariser les résultats auprès d'interlocuteurs non techniques - Contribuer à la compréhension et l'adoption des solutions IA ���� Environnement fonctionnel & technique ���� Domaine fonctionnel - Banque de détail - Expérience client digitale - Ciblage, recommandation, recherche et prédiction - Parcours clients mobile - Cas d'usage IA et Machine Learning ���� Environnement technique - Python, Scala, Bash - SQL / NoSQL - Spark, PySpark - Kubernetes, Cloudera - AWS SageMaker - Git, CI/CD - MLOps et industrialisation des modèles - Scikit-learn, Pandas, NumPy - Architecture API et event-driven ���� Profil recherché De formation supérieure en informatique, data science ou mathématiques appliquées, vous justifiez d'une expérience significative en Data Science ou Machine Learning Engineering dans des environnements de production. Vous avez déjà travaillé sur des problématiques d'industrialisation de modèles et êtes capable de couvrir l'ensemble du cycle de vie d'un cas d'usage IA. Une expérience dans le secteur bancaire, financier ou assurantiel est fortement appréciée. ���� Compétences attendues Expertise Data Science / ML Engineering - Machine Learning supervisé et non supervisé - Industrialisation de modèles en production - Construction de pipelines de données et ML - MLOps et monitoring de modèles - Python et écosystème Data Science - Spark / calcul distribué Expertise technique - SQL / NoSQL - Kubernetes et environnements cloud - CI/CD et Gi