Candidature ouverte
Candidature fermée
Data Scientist Python — détection d'anomalies
Au sein d'une équipe Data de deux personnes, vous fiabilisez la mesure des tonnages collectés et traités : modèles de prévision, bilans matière et restitutions directes aux équipes opérationnelles d'un acteur de la filière déchets.
Description du client
Le client est un éco-organisme national chargé d'organiser la collecte, le tri et le recyclage des produits de la maison : mobilier, literie, bricolage, jouets. Chaque année, des centaines de milliers de tonnes transitent par son réseau de points de collecte, déchèteries, distributeurs, centres de tri et filières de valorisation.
Son équipe Data compte aujourd'hui un Data Scientist senior et se renforce d'un second profil en prestation, intégré à l'équipe interne. L'enjeu : fiabiliser la mesure des tonnages collectés et traités, détecter les anomalies le long de la chaîne et documenter la composition réelle des flux, afin que les équipes opérationnelles et la direction puissent décider sur des chiffres solides.
Détail & objectif de la mission
Intégré·e à une équipe Data de deux personnes, vous fiabilisez la mesure des tonnages collectés et traités, et transformez ces données en décisions exploitables par les équipes opérationnelles.
- Analyser l'historique des tonnages par point de collecte, flux et période sous Python (pandas, SQL avancé)
- Construire des modèles de détection d'anomalies : ruptures, écarts de saisie, saisonnalité inhabituelle (scikit-learn, statsmodels)
- Développer des prévisions de tonnages par séries temporelles pour identifier en amont les écarts à la norme
- Qualifier les anomalies avec les équipes métier : erreur de mesure, incident opérationnel ou signal réel
- Modéliser la composition des flux (bois, métal, plastiques, rembourrés, matelas) à chaque étape de la chaîne
- Réconcilier les données entre collecte, tri et traitement via des bilans matière entrants/sortants
- Restituer les analyses ad hoc aux équipes opérationnelles et à la direction auprès d'interlocuteurs non techniques
Profil recherché
- 3 à 6 ans d'expérience en data science, dont une partie en conseil ou en environnement opérationnel
- Python en contexte analytique : pandas, scikit-learn, statsmodels ou équivalents
- SQL avancé, sur des volumes importants et des données incomplètes ou incohérentes
- Statistiques appliquées, séries temporelles et détection d'anomalies : modélisation d'écarts, de ruptures et de saisonnalités
- Expérience de l'exploration de données terrain imparfaites : réconciliation entre sources, identification des erreurs de saisie et de mesure
- Restitution de résultats à des interlocuteurs métier non techniques, et capacité à qualifier une anomalie avec eux plutôt qu'à la livrer brute
Un plus : IA générative ou agents IA (LLM, RAG, automatisation d'analyses), connaissance des secteurs environnement, déchets, logistique ou supply chain, outils de visualisation (Power BI, Tableau, Streamlit).
Description du client
Cette mission freelance de data scientist se déroule au sein d'un éco-organisme national responsable de la collecte, du tri et du recyclage des produits de la maison : mobilier, literie, articles de bricolage et jouets. Son réseau rassemble points de collecte, déchèteries, distributeurs, centres de tri et filières de valorisation, par lesquels transitent chaque année des centaines de milliers de tonnes.
L'équipe Data est volontairement resserrée : un Data Scientist senior en interne, rejoint par un second profil en prestation intégré à l'équipe. Le périmètre couvre la fiabilisation de la mesure des tonnages, la détection des anomalies le long de la chaîne et la description de la composition réelle des flux, pour que les équipes opérationnelles comme la direction travaillent sur des chiffres tenables.
Objectifs de la mission
Le cœur du poste consiste à transformer des données de terrain hétérogènes en indicateurs fiables, puis à expliquer ces résultats à des interlocuteurs métier qui ne sont pas data scientists. Les travaux attendus se répartissent ainsi :
- Analyser sous Python (pandas, SQL avancé) l'historique des tonnages par point de collecte, par flux et par période
- Construire des modèles de détection d'anomalies couvrant ruptures, écarts de saisie et saisonnalités inhabituelles, avec scikit-learn et statsmodels
- Mettre en place des prévisions de tonnages par séries temporelles pour repérer en amont les écarts à la norme
- Qualifier chaque anomalie avec les équipes métier : erreur de mesure, incident opérationnel ou signal réel
- Modéliser la composition des flux (bois, métal, plastiques, rembourrés, matelas) à chaque étape de la chaîne
- Réconcilier collecte, tri et traitement au moyen de bilans matière entrants/sortants
- Restituer les analyses ad hoc aux équipes opérationnelles et à la direction
Profil recherché
Le profil attendu est celui d'un·e data scientist de 3 à 6 ans d'expérience, à l'aise avec des données de terrain imparfaites et habitué·e à confronter ses résultats au métier plutôt qu'à livrer un modèle isolé. Une partie du parcours en conseil ou en environnement opérationnel est attendue.
- Python analytique : pandas, scikit-learn, statsmodels ou équivalents
- SQL avancé sur volumes importants et données incomplètes ou incohérentes
- Statistiques appliquées : séries temporelles, détection d'anomalies, modélisation d'écarts, de ruptures et de saisonnalités
- Réconciliation entre sources et identification des erreurs de saisie et de mesure
- Restitution à des interlocuteurs non techniques et qualification des anomalies avec eux
- Appréciés : IA générative ou agents IA (LLM, RAG, automatisation d'analyses), connaissance des secteurs environnement, déchets, logistique ou supply chain, outils de visualisation (Power BI, Tableau, Streamlit)
FAQ
La mission est-elle ouverte au télétravail complet ?
Non, le fonctionnement est hybride : la mission combine télétravail et présence à Paris. Une disponibilité pour des temps sur site est donc nécessaire, notamment pour les échanges avec les équipes opérationnelles.
Quel est le rythme attendu sur cette mission de data scientist ?
La mission est à temps plein, avec un démarrage souhaité dès que possible.
Quelles compétences techniques sont réellement indispensables ?
Python en contexte analytique (pandas, scikit-learn, statsmodels ou équivalents) et un SQL avancé capable de tenir sur des volumes importants sont indispensables, de même qu'une pratique concrète des séries temporelles et de la détection d'anomalies. Les outils de visualisation et l'IA générative sont des atouts, pas des prérequis.
Quel niveau d'expérience est demandé ?
Le client recherche un profil de 3 à 6 ans d'expérience en data science, dont une partie acquise en conseil ou dans un environnement opérationnel.
S'agit-il d'un poste purement technique ou avec une dimension métier ?
Les deux : une part significative du travail consiste à qualifier les anomalies détectées avec les équipes métier et à restituer les analyses à des interlocuteurs non techniques, y compris la direction. Un modèle livré sans interprétation partagée ne répondrait pas au besoin.
Faut-il connaître le secteur des déchets ou du recyclage ?
Ce n'est pas obligatoire : une connaissance des secteurs environnement, déchets, logistique ou supply chain est mentionnée comme un plus. L'expérience de données terrain imparfaites, elle, est attendue.
Mots-clés associés
mission freelance data scientist Python, consultant data science Paris, freelance détection d'anomalies, mission séries temporelles Python, data scientist pandas scikit-learn freelance, consultant SQL avancé données industrielles, freelance data science secteur déchets et recyclage, mission data scientist hybride Paris télétravail, prévision de volumes séries temporelles statsmodels, data scientist réconciliation de données multi-sources, consultant data science environnement et supply chain