Objectifs principaux : Développer les premiers cas d?usage de personnalisation via des algorithmes de recommandation. Déployer en production et tester (A/B testing) les modèles ML. Mettre en place un monitoring des performances et des indicateurs clés. Conception & Maintenance : Construire des pipelines ML scalables (de la collecte des données à l?exposition via API REST). Structurer le stockage des données et garantir leur intégrité/sécurité. Industrialisation & Infrastructure : Déployer des environnements stables et évolutifs (GCP). Automatiser les workflows (CI/CD avec GitLab). Industrialiser les modèles IA en collaboration avec les Data Scientists. Collaboration & Bonnes Pratiques : Travailler avec les Data Engineers et autres équipes techniques pour appliquer les standards. Documenter les processus et faire de la veille technologique active. Participation aux phases projet : Cadrage, planification, réalisation des tâches en méthode Agile (Scrum/Kanban).