Être Data Scientist / ML Engineer chez Oney, pourquoi c'est mieux ? Plus qu'un poste.une mission pour vous ! Et quelle mission ! Dans le cadre de sa feuille de route IA, Oney développe et accélère l'intégration du Machine & Deep Learning, du NLP et des solutions d'IA Génératives afin de capitaliser sur l'exploitation des données, l'optimisation des processus opérationnels et l'amélioration de l'expérience client. Au sein du pôle Data Science du département Data Innovation & AI, nous développons la nouvelle génération d'outils et de solutions IA permettant à Oney d'offrir les meilleurs produits et services à ses clients. Voici vos principales missions : Les 3 piliers d'intervention du pôle sont les suivants : · Credit Risk Scoring o Pour les équipes Risque / Validation, concevoir et optimiser les scores d'octroi et de comportement, en explorant des approches innovantes o Pour garantir la stabilité du coût du Risque, entrainer et déployer ces solutions, et assurer le monitoring de la dérive des modèles o Travailler en collaboration étroite avec les experts Métiers et les équipes Risque · AI Solutions o Optimiser l'expérience client en intégrant nos modèles d'IA en temps réel sous forme d'API dans nos parcours Digitaux (scoring temps réel, personnalisation des offres de paiement .) o Pour une intégration fluide des modèles, participer à l'architecture technique en suivants les meilleures pratiques de développement (Cloud, MLOps) o Collaborer avec les équipes produit et IT pour industrialiser les solutions · GenAI o Pour transformer nos processus internes (Marketing, Audit, Risque, .) ainsi que la relation et le support Client, prototyper et déployer en Production des solutions d'IA Générative sous forme d'agents (LLM, RAG, .) o Pour automatiser l'octroi d'offre de crédit (Risque), des tâches complexes d'analyse documentaire, et faciliter l'interaction avec nos clients, mettre en place des architectures agentics o Évaluer, optimiser et monitorer les performances des agents (cohérence, diversité, LLM as a Judge, .) Le rôle est hybride, de la maîtrise du risque de crédit et du de Machine Learning traditionnel à l'innovation de pointe en IA Générative. Ce qui nous plaira le plus chez vous, c'est vous-même ! Alors bien évidemment on vous préférera rigoureux, autonome, communicatif, agile et dynamique car c'est ce qui vous permettra de mener au mieux votre mission. Dans votre bagage, on aimerait trouver : Data Science & ML · Solide expérience en modèles supervisés : Logistic Regression, Tree-based models, Gradient Boosting (XGBoost / LightGBM) Connaissances et application des approches explicables (SHAP/LIME, explainaible AI) · Pratique des modèles génératifs & LLM (OpenAI, HuggingFace, fine-tuning) Écosystème Data Engineering & MLOps · Excellente maîtrise du langage Python et de l'écosystème ML : Pandas, Scikit-learn, MLflow, Pydantic, LangChain, LangGraph, FastAPI · Packaging, CI/CD, tests (pytest), feature stores · Déploiement de modèles sous forme d'API et pipelines automatisés (MLFlow, GitHub Actions, Kubernetes, Docker) · Monitoring: data quality, performance, métriques d'évaluation, Back Testing, data / concept drift, RAGAS, LLM as a Judge Outils & Cloud · Azure (Azure ML, Foundry), Databricks, pySpark · Confluence, JIRA, Bitbucket, GitLab, AzureDevOps Une connaissance technique de Snowflake et des enjeux bancaires réglementaire serait un plus (scoring, réglementation). Profil recherché · Vous avez 5 à 7 ans d'expérience · Vous avez un parcours mixte : Data Science + mise en production / MLOps · Vous êtes à l'aise pour discuter autant en termes de modélisation ML que d'architecture du SI · Vous savez travailler avec de multiples métiers : Risque, Paiement, Digital, Fraud, Conformité. · Vous aimez le delivery, l'expérimentation, et les environnements où l'IA a un impact direct sur l'expérience client · Vous avez une appétence pour les solutions d'IA Générative et les approches Agentic