Descriptif du poste:\n\nDans 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.\nMissions : \n* Traduire les besoins cliniques et ceux des parties prenantes en plans d’études RWE opérationnels, minimum viable products et livrables à fort impact.\n* Piloter des équipes pluridisciplinaires et assurer la gestion des plans projets : jalons, dépendances, risques, coordination.\n* 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.\n* Travailler dans des environnements analytiques modernes (R, Python, pipelines ML, frameworks de data engineering) pour produire des analyses scalables, robustes et réutilisables.\n* Garantir l’accès et l’utilisation appropriée de sources de données RWD adaptées, en lien avec les équipes internes et les partenaires externes.\n* Contribuer à la feuille de route du portefeuille RWE : standards, outils, frameworks analytiques réutilisables.\n* Produire et soutenir des dossiers RWE de niveau réglementaire, et participer aux échanges avec les autorités (FDA, EMA) et groupes de politique de santé.\n \n\nProfil recherché:\n\n Profil : \n* Bac+5 à Bac+8 en biostatistiques, data science, épidémiologie, santé publique, mathématiques appliquées ou domaine connexe.\n* 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.\n* Expérience confirmée en gestion de projets complexes et en coordination d’équipes multidisciplinaires.\n* Maîtrise des méthodes de causal inference et des approches statistiques avancées.\n* Excellente connaissance des environnements R et/ou Python.\n* Connaissance des pipelines ML, outils de data engineering et bonnes pratiques de reproductibilité.\n* Compréhension approfondie des sources de données RWD (claims, EHR, registres, bases nationales, etc.).\n* Capacité à produire des analyses destinées à un usage réglementaire.\n