Dans le cadre d'une mission de longue durée au sein d'un acteur majeur de la grande distribution, vous intégrez une Analytics Factory chargée de concevoir et de déployer des services analytiques avancés à destination des équipes métier. Le projet porte sur la digitalisation et l'automatisation du processus promotionnel via un portail collaboratif intégrant directement les fournisseurs. Au c?ur du dispositif, trois agents intelligents sont en cours de développement et de déploiement : un agent dédié à la négociation (automatisation des demandes, simulations d'impact CA/marge, contre-propositions), un agent de pilotage (ajustement dynamique des catalogues sous contraintes, alertes) et un agent d'administration (génération automatisée d'appels d'offres et de mandats). Ces agents s'inscrivent dans un écosystème Data existant et structuré, avec lequel des connecteurs robustes devront être développés et maintenus. La roadmap prévoit la livraison d'un socle collaboratif de base en première phase, suivie du déploiement complet des agents IA en seconde phase. Vous évoluez dans un environnement Agile/Scrum, en lien étroit avec les équipes métier, data engineering et architecture, et contribuez à toutes les phases du cycle logiciel ? de la conception jusqu'au run en production. Responsabilités : - Concevoir et développer des modèles de Machine Learning et des algorithmes d'optimisation de la performance (pricing, promotion) - Structurer des modèles de données pour alimenter les agents IA (inputs agents, référentiels produits) - Concevoir des workflows agentiques intégrant de l'IA générative et du NLP (analyse de messages, génération de réponses, interaction automatisée) - Développer et déployer des modèles ML en production (Scikit-learn, TensorFlow, PyTorch) - Explorer, transformer, nettoyer et enrichir des jeux de données pour les rendre exploitables - Développer des connecteurs avec l'écosystème data interne et externe - Assurer la qualité, la maintenabilité et la simplicité du code (principes SOLID, YAGNI, tests, Sonar) - Appliquer les pratiques DevOps (CI/CD, Git) et les principes d'observabilité pour le monitoring des modèles - Gérer le versioning des données et des modèles - Contribuer à l'amélioration continue des pratiques de développement au sein de l'équipe