IA Prédictive MLOps

Description du client

Grand groupe corporate engagé dans une transformation IA/LLM-first à l’échelle de ses processus métiers. Environnement exigeant sur les volets sécurité, gouvernance et scalabilité (SLA stricts, contraintes RGPD, documentation, auditabilité). Plusieurs chantiers IA déjà lancés, avec une volonté claire de structurer un pilier “prévision” industrialisé, connecté aux fonctions clés (supply, finance, pricing…).

Le candidat idéal est un expert en prévision de la demande avec une expérience robuste sur des volumes importants, à l’aise avec les enjeux d’industrialisation et capable d’articuler la performance des modèles autour d’indicateurs métiers concrets. Il intervient dès le cadrage stratégique et porte la mise en production de bout en bout, en lien avec les équipes techniques et métier.

Objectifs de la mission

• Cadrer et prioriser les cas d’usage de prévision de la demande (granularité : SKU, canal, région ; horizon : J+1 à M+12 ; scénarios : P50 / P90).
• Concevoir, entraîner et déployer un moteur de prévision (Forecast Engine) robuste : modèles hiérarchiques, probabilistes, intégrant promotions, effets prix, météo, événements.

Industrialiser l’ensemble de la chaîne ML : feature store, CI/CD, monitoring de la dérive, alerting, retraining automatique.

• Intégrer les prédictions dans les processus S&OP, supply chain, finance, pricing et marketing avec des KPIs métiers mesurables (WAPE, sMAPE, Pinball loss, service level).
• Garantir la gouvernance et la conformité : auditabilité, documentation technique (runbooks, model cards), conformité RGPD.

Assurer une mise en production pérenne dans un environnement hétérogène (ERP, CRM, e-commerce, pricing, météo, analytics web…).

• Démarrage prévu en septembre, cadrage dès août.

Profil recherché

• Expérience : Lead ou expert IA prédictive avec 6+ ans sur des problématiques de prévision de ventes à grande échelle (production réelle en contexte corporate).

Compétences Modélisation :

• Modèles temporels classiques et avancés : ARIMA, ETS, Prophet, XGBoost, LightGBM.
• Deep learning pour séries temporelles : TFT, N-BEATS, DeepAR.
• Prévisions hiérarchiques, probabilistes, scénarios quantiles (P50/P90).

MLOps :

• Maîtrise des outils de gestion de cycle de vie modèle : MLflow, Weights & Biases.
• Orchestration : Airflow, Prefect.
• Infrastructure : CI/CD, Feature Store, Docker, Kubernetes.
• Cloud : AWS, Azure, GCP, Databricks.

Engineering :

• Pratiques robustes : data quality, versioning, gestion du leakage temporel, backtesting rigoureux.

Conformité & documentation :

• Capacité à produire des livrables audités (model cards, runbooks), gestion RGPD intégrée.

Orientation métier :

• À l’aise pour articuler les résultats modèles en métriques opérationnelles (niveau de service, rupture de stock, prévision de marge).
• Collaboration fluide avec les départements sales, supply, finance, marketing.

Bonus :

• Expérience en pricing dynamique, recommandation, personnalisation.
• Bonne compréhension des dynamiques LLM-first (exposition via API, intégration GSEO, etc.).