Référence CSP: 2024-1732833 Finalité du poste - travaille au développement et à l'optimisation des outils de surveillance ou d'anticipation mis en place dans le cadre de l'activité Ruptures de stocks - réalise les analyses des données textuelles grâce à l'IA - définit une stratégie pour l'anticipation des risques de pénurie - développe des modèles prédictifs pour la gestion de risque et l'anticipation des risques de pénurie - établit des programmes de surveillance des risques de pénurie - effectue des analyses croisées sur les différentes sources de données internes ou externes en vue de la détection du signal, la surveillance et l'anticipation - participe en collaboration avec l'autre data scientist à la consolidation du programme de surveillance pro actif de la direction en appliquant les techniques d'IA en vue de la priorisation de la surveillance des médicaments - Développer des indicateurs de suivi des RS en collaboration avec la DI Activités principales Les activités du data scientist de la surveillance sont les suivantes : o Extraire, organiser, structurer les données o Analyser ces différentes sources de données o Développer les techniques de data mining et text mining. o Créer des visualisations de données permettant une interprétation aisée des résultats. o Prototyper puis développer des modèles prédictifs afin de répondre au besoin de surveillance des produits de santé en vue de la détection du signal. Le data scientist transmet les signaux aux évaluateurs du pôle en vue de leur hiérarchisation en niveau de risque Il représente la direction sur les sujets relevant de son domaine de compétence Il est amené à assurer une veille technologique continue Il a un rôle d'information interne sur les sujets de l'intelligence artificielle Il devra établir un benchmarking des techniques et technologies utilisées dans le domaine de la santé.Présentation générale du poste Direction : SURV Pôle : PGS Liaisons : Hiérarchiques : Cheffe de pôle Fonctionnelles : chef de projet Ruptures de stock et les autres directions selon les projets (DI, DSI, DMM...) Collaborations : Internes : autres pôles de la direction et avec les autres data scientist (pôle et autres directions) si nécessaire.