Concevoir et implémenter des méthodes d'analyse et de traitement appliquées à des sources de données ouvertes et hétérogènes, textuelles et structuréesFormaliser mathématiquement les problèmes rencontrés, choisir les approches adaptées, algorithmes classiques, méthodes statistiques ou apprentissage profond selon la pertinence, et non par défautDévelopper des composants en Python, du prototype au code industrialisable, avec les bonnes pratiques associées, tests, versioning, conteneurisationÉvaluer la robustesse et la généralisation des modèles, analyse des biais et facteurs confondants, performances hors distribution, quantification de l'incertitudeTravailler sur des problématiques de collecte, structuration, rapprochement et enrichissement de données issues de sources multiplesDocumenter les choix méthodologiques et restituer les résultats à l'équipe technique et aux parties prenantes