Data Scientist Senior - Prévision & Fiabilité Logistique Secteur Défense H/F ALTEN

Contexte

Dans un contexte industriel critique, nous accompagnons un acteur majeur du secteur défense dans la transformation de ses outils de prévision logistique et industrielle.

L'enjeu principal : fiabiliser les dates de livraison (Estimated Delivery Date - EDD) sur des flux complexes (pièces de rechange, réparation, overhaul), afin de réduire les écarts, stabiliser les engagements clients et améliorer la performance opérationnelle globale.

Vous intervenez sur un projet à fort impact business, où les prédictions alimentent directement des engagements contractuels et des SLA clients.

Objectifs du projet

- Réduire significativement l'erreur de prévision des dates de livraison
- Limiter la volatilité des dates communiquées aux clients (« date flapping »)
- Introduire des modèles probabilistes et data-driven en remplacement de règles déterministes classiques
- Apporter de la transparence et de la confiance sur les engagements de livraison
- Contribuer à une performance On-Time Delivery (OTD) 90 %

Vos missions

En tant que Data Scientist Senior, vous serez responsable de la conception, du développement et de l'optimisation de modèles de prévision avancés.

Data Science & Modélisation

- Concevoir des modèles de régression avancés pour la prédiction de délais (EDD)
- Mettre en oeuvre des approches probabilistes (quantile regression, distributions de probabilité)
- Exploiter des modèles tree-based (XGBoost, LightGBM, CatBoost)
- Étudier et implémenter, si pertinent, des architectures Deep Learning temporelles (TFT, RNN spécialisés)
- Développer des modèles time-to-event / survival analysis pour modéliser les durées entre étapes industrielles

Feature Engineering & Data Quality

- Transformer des signaux bruts complexes en variables à forte valeur ajoutée :

- encodage temporel cyclique
- gestion de variables à forte cardinalité (IDs, références pièces)
- pondération backlog / charge industrielle
- Travailler sur des données industrielles réelles, bruitées et hétérogènes

Performance & Industrialisation

- Concevoir des fonctions de coût personnalisées (pénalisation asymétrique des retards)
- Optimiser l'inférence pour garantir des temps de réponse compatibles avec des usages temps réel
- Participer aux choix d'architecture pour un déploiement robuste en production
- Contribuer à l'interprétabilité des modèles (SHAP, LIME)