Candidature ouverte
Candidature fermée
Data Scientist Python/SQL - détection d'anomalies
Au sein de l'équipe data interne d'un acteur de la grande distribution, modélisation prédictive sur les tonnages collectés, fiabilisation de la mesure le long de la chaîne de traitement des matériaux et restitution aux équipes métier.
Description du client
Acteur de la grande distribution, le client structure en interne son équipe data et souhaite l'étoffer avec un·e second·e data scientist en prestation, aux côtés du data scientist déjà en poste. Les travaux portent sur l'exploitation des données issues des opérations de collecte et de traitement des matériaux.
L'enjeu est double : prédire et identifier les anomalies sur les tonnages collectés, et comprendre la nature des matériaux à chaque étape de la chaîne de collecte et de traitement afin de fiabiliser la mesure. Un contexte qui demande autant de rigueur analytique que de recul métier pour distinguer un écart significatif d'un simple bruit.
Détail & objectif de la mission
Intégrer une équipe data interne d'un acteur de la grande distribution pour traiter des sujets de prédiction et de fiabilisation de la donnée sur les flux de collecte et de traitement des matériaux.
- Développer en Python et SQL des modèles de détection d'anomalies sur les tonnages collectés
- Construire des modèles prédictifs sur les volumes collectés et en évaluer la performance
- Mener une étude de caractérisation des types de matériaux le long de la chaîne de collecte et de traitement
- Fiabiliser la mesure à chaque étape du processus en identifiant les écarts et leurs causes
- Explorer et crunch des jeux de données métier pour qualifier ce qui relève de l'anomalie ou du signal business
- Restituer les analyses aux équipes métier en explicitant les implications opérationnelles des résultats
- Expérimenter, le cas échéant, des approches d'IA générative ou d'agents sur les cas d'usage identifiés
Profil recherché
- Maîtrise de Python et SQL pour l'exploration, le nettoyage et le traitement de volumes de données hétérogènes
- Pratique confirmée de l'algorithmie et de la modélisation prédictive, notamment sur des problématiques de détection d'anomalies
- Expérience de bout en bout sur des travaux d'analyse exploratoire : cadrage de la question, construction des indicateurs, restitution des résultats
- Capacité à relier les chiffres produits à leur signification métier : identifier qu'une valeur constitue une anomalie, un biais de mesure ou un signal exploitable
- Habitude de travailler en interaction directe avec des interlocuteurs métier pour cadrer les besoins et challenger les données sources
Un plus : une première expérience en IA générative ou sur des architectures d'agents, ainsi qu'une connaissance du secteur de la grande distribution ou du retail.
Description du client
Le client est un acteur de la grande distribution qui internalise progressivement ses compétences data. L'équipe compte déjà un data scientist en poste et s'élargit avec un·e second·e data scientist en prestation. Le périmètre couvre les données produites par les opérations de collecte et de traitement des matériaux, depuis la mesure sur le terrain jusqu'aux indicateurs utilisés par les équipes métier.
Deux sujets structurent le travail : anticiper et repérer les anomalies sur les tonnages collectés, et caractériser la nature des matériaux aux différentes étapes de la chaîne pour fiabiliser la mesure. La difficulté est moins technique que d'interprétation : il faut pouvoir trancher entre un écart réel, un biais de mesure et du bruit.
Objectifs de la mission
La mission consiste à renforcer une équipe data interne sur des travaux de prédiction et de fiabilisation de la donnée appliqués aux flux de collecte et de traitement des matériaux, avec une restitution directe auprès des équipes métier.
- Concevoir en Python et SQL des modèles de détection d'anomalies appliqués aux tonnages collectés
- Construire des modèles de prévision des volumes collectés et mesurer leur performance
- Réaliser une étude de caractérisation des types de matériaux tout au long de la chaîne de collecte et de traitement
- Identifier les écarts de mesure étape par étape et remonter à leurs causes
- Explorer des jeux de données métier pour distinguer ce qui relève de l'anomalie de ce qui relève du signal business
- Présenter les analyses aux interlocuteurs métier en explicitant leurs conséquences opérationnelles
- Tester, selon les cas d'usage retenus, des approches d'IA générative ou d'agents
Profil recherché
Le poste s'adresse à un·e data scientist à l'aise aussi bien sur la modélisation que sur le dialogue métier, capable de mener une analyse de bout en bout sans cadrage préalable détaillé.
- Python et SQL maîtrisés pour explorer, nettoyer et traiter des données hétérogènes
- Pratique confirmée de l'algorithmie et de la modélisation prédictive, en particulier sur la détection d'anomalies
- Autonomie sur un cycle d'analyse exploratoire complet : formulation de la question, construction des indicateurs, restitution
- Aptitude à qualifier un résultat chiffré — anomalie, biais de mesure ou signal exploitable
- Habitude des échanges directs avec des interlocuteurs métier pour cadrer un besoin et challenger les données sources
- Appréciés : une première expérience en IA générative ou sur des architectures d'agents, et une connaissance du retail ou de la grande distribution
FAQ
La mission de data scientist est-elle ouverte au télétravail complet ?
La mission s'exerce en télétravail, avec un fonctionnement hybride qui suppose une présence sur site ponctuelle. Les modalités précises de cette présence sont à caler avec le client lors de la qualification.
Quel est le rythme d'engagement attendu sur cette mission freelance ?
La mission est à temps plein, aux côtés du data scientist déjà en poste dans l'équipe data interne du client.
Quand la mission démarre-t-elle ?
Le démarrage est prévu dès que possible : les profils disponibles à court terme sont examinés en priorité.
Quelles compétences techniques sont réellement indispensables pour postuler ?
Python et SQL sont les deux socles attendus, associés à une pratique confirmée de la modélisation prédictive et de la détection d'anomalies. Le reste du périmètre, notamment l'IA générative, relève des atouts et non des prérequis.
Faut-il une expérience en IA générative ou sur des agents pour être retenu·e ?
Non, ce n'est pas un prérequis. Une première expérience sur l'IA générative ou sur des architectures d'agents constitue un plus, car ces approches pourront être expérimentées sur certains cas d'usage.
Une connaissance du secteur de la grande distribution est-elle exigée ?
Elle n'est pas exigée mais appréciée. Ce qui compte davantage, c'est la capacité à interpréter un résultat chiffré au regard du processus métier qui l'a produit et à en discuter avec les équipes opérationnelles.
Mots-clés associés
mission freelance data scientist Python SQL, consultant détection d'anomalies freelance, data scientist modélisation prédictive en télétravail, mission data science grande distribution, freelance machine learning détection d'anomalies, data scientist analyse exploratoire de données, mission freelance prévision de volumes, consultant data science retail, data scientist fiabilisation de la donnée, mission data scientist IA générative, freelance data science temps plein hybride