POSTE : Data Scientist - Machine Learning Engineer Confirmé H/F DESCRIPTION : Description de l'entreprise Oney est une banque différente et unique, née du commerce. Guidés par nos valeurs, Liberté, Respect, Enthousiasme, nos milliers de talents présents dans 12 pays travaillent jour après jour à donner la possibilité à chacun d'améliorer son quotidien et de mieux consommer. En créant des solutions de paiement et de financement innovantes nous facilitons la vie de millions de consommateurs et de milliers de commerçants à travers l'Europe. Nous les accompagnons au quotidien pour les aider à faire les bons choix, pour eux comme pour les autres. Partenaire de la transformation du commerce, à la fois créateur et leader du paiement fractionné en France, Oney est présent sur 5 marchés européens avec cette offre full digitale et omnicanale unique sur le marché. Nous nous battons depuis plus de trente-cinq ans pour faciliter les achats quotidiens de nos clients en leur offrant plus que le pouvoir d'achat : le pouvoir de choix. Pour leur permettre de mieux gérer leur argent, en le gérant à leur façon et en accord avec leurs convictions. C'est ce que raconte notre signature : « Your money, your way » Poste et missions Être Data Scientist / ML Engineer chez Oney, pourquoi c'est mieux ? Plus qu'un posteune 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, vous concevez et optimisez les scores d'octroi et de comportement, en explorant des approches innovantes o Pour garantir la stabilité du coût du Risque, vous entrainez et déployez ces solutions, et assurez le monitoring de la dérive des modèles o Travaillez en collaboration étroite avec les experts Métiers et les équipes Risque · AI Solutions o Optimisez 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, participez à l'architecture technique en suivant les meilleures pratiques de développement (Cloud, MLOps) o Collaborez 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, prototypez et déployez 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, vous mettez en place des architectures agentics o Évaluez, optimisez et monitorez les performances des agents (cohérence, diversité, LLM as a Judge, ) Profil et compétences requises 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 & Cloudtrong> · 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~