RESPONSABILITÉS : Au sein de la direction SDD, vous intervenez comme Data Scientist complet, capable de concevoir, développer, industrialiser et faire évoluer des modèles de machine learning au service des enjeux métier (valorisation, risque, pilotage marché, IA). Vous travaillez sur des problématiques concrètes à fort impact : valorisation de véhicules, analyse des dynamiques de marché, pilotage du risque et déploiement d'usages IA, en lien direct avec les équipes métiers, data et IT. 1. Développement de modèles machine learning (end-to-end) - Concevoir, développer et challenger des modèles de machine learning (régression, classification, séries temporelles, etc.). - Réaliser l'ensemble de la chaîne : - exploration / compréhension des données - feature engineering - entraînement, tuning, validation - évaluation et backtesting - Assurer la robustesse, la stabilité et la performance des modèles dans la durée. 2. Industrialisation et mise en production - Mettre en production les modèles et garantir leur bonne intégration dans les chaînes de traitement. - Participer à la structuration de pipelines data / ML (préparation, scoring, monitoring). - Mettre en place des dispositifs de suivi de performance, de dérive et de recalibrage. 3. Data engineering & manipulation de données - Construire et exploiter des datasets complexes (internes / externes, marché, risque, véhicules). - Travailler sur des volumétries importantes dans un environnement type Snowflake / SQL. - Structurer, nettoyer et fiabiliser les données utilisées par les modèles. 4. Cas d'usage métier - Développer des modèles autour de : - la valorisation des véhicules et des prix de marché - l'analyse et le pilotage du risque - la compréhension des dynamiques marché - Traduire les problématiques métier en approches quantitatives et proposer des solutions concrètes. 5. Veille et innovation en IA - Assurer une veille active sur les méthodes ML, IA et data science. - Tester et intégrer de nouvelles approches (notamment autour de l'IA générative et des outils data modernes). - Contribuer à la diffusion des pratiques data science et à l'animation des sujets IA au sein de la direction. PROFIL RECHERCHÉ : - Formation supérieure (école d'ingénieur / master) en statistique, data science, mathématiques appliquées ou équivalent. - 3 à 7 ans d'expérience en data science avec réalisation concrète de modèles ML en production. - Expérience avérée sur des projets couvrant tout le cycle de vie d'un modèle. Compétences techniques clés - Très bonne maîtrise de Python et R (librairies ML / data science) - Bonne maîtrise de SQL et manipulation de données - Expérience sur environnements data type Snowflake ou équivalent - Connaissance des pratiques : - feature engineering - validation de modèles - monitoring / drift - MLOps (même partiellement) Ce qui fera la différence: - La capacité à passer de la donnée brute à un modèle robuste exploité en production - La compréhension des enjeux métier (pricing, risque, marché) - Le goût pour les sujets complexes avec forte composante analytique - L'autonomie, rigueur et esprit critique sur les modèles