GEC - Lead Data Scientist

Data Scientist is needed in Paris, France.

Client: GEC

Location: Paris, IDF, fr

Contract: Contract

Job Description

Notre client recherche un Lead Data Scientist pour accompagner un programme stratégique autour de l’implémentation et de l’industrialisation de cas d’usage Data Science appliqués à la gestion et à l’optimisation d’actifs énergétiques renouvelables (photovoltaïque, stockage batterie, éolien). Le Lead Data Scientist interviendra avec une forte dimension stratégique et technique afin de structurer les use cases, développer des briques algorithmiques robustes et piloter leur industrialisation au sein d’une plateforme Data moderne. Il/elle jouera également un rôle central dans la mise en place des bonnes pratiques MLOps, la gouvernance des modèles et l’alignement entre enjeux métiers et solutions data.

Requirements

Périmètre de mission :

• Structuration des Use Cases :
• Formalisation des cas d’usage Data Science à partir des besoins métiers (performance des actifs, opérations & maintenance, pilotage financier).
• Définition des KPIs et indicateurs de succès.
• Priorisation des use cases selon leur impact métier et leur faisabilité technique.
• Définition de l’architecture cible pour leur intégration dans la plateforme.
• Implémentation algorithmique :
• Conception et développement de briques algorithmiques robustes et industrialisables.
• Développement de modèles de prévision (séries temporelles, machine learning, approches hybrides).
• Mise en place de modèles de segmentation et clustering d’actifs.
• Détection d’anomalies et identification précoce de dérives opérationnelles.
• Modélisation de l’impact financier des écarts de production.
• Benchmark et optimisation de la performance des actifs.
• Industrialisation & MLOps :
• Déploiement des pipelines Data Science sur Databricks.
• Orchestration des workflows via Apache Airflow.
• Mise en place de pipelines batch et near real-time.
• Définition et mise en œuvre d’un framework MLOps.
• Gestion du cycle de vie des modèles (versioning, monitoring, reproductibilité).

Livrables attendus :

• Formalisation technique des use cases priorisés.
• Briques algorithmiques développées, testées et validées.
• Pipelines Data & ML industrialisés.
• Documentation technique complète.
• Framework MLOps structuré et opérationnel.

Expertise souhaitée

Environnement technique :

• Databricks (data platform & compute).
• Apache Airflow (orchestration).
• Python (expert).
• SQL.
• MLflow ou équivalent.
• Expérience sur des données industrielles volumineuses (séries temporelles).

Profil :

• Senior avec forte expérience en Data Science appliquée.
• Capacité à interagir avec des interlocuteurs métiers et à traduire les besoins business.
• Expérience en gouvernance des modèles et structuration d’environnements Data.
• Orientation résultats et impact métier.