Data Scientist - Ml Engineer Senior - Credit Risk MLOps & IA H/F

collectivite

Information importante

Type de contrat: Freelance

Taux journalier : 700€

Localisation : Lille, France

Date de démarrage :

Urgent

Mode de travail : Hybride

Publié le : 30 juin 2026

Le besoin

Dans le cadre d'une feuille de route IA ambitieuse, l'objectif est d'accélérer l'intégration du Machine Learning, du Deep Learning, du NLP et des solutions d'IA Générative afin de mieux exploiter les données, optimiser les processus opérationnels et améliorer l'expérience client.

La priorité porte sur une expertise solide en Machine Learning traditionnel, avec une forte capacité d'engineering pour industrialiser les modèles et les intégrer dans un système d'information cible. Une expérience métier dans les environnements de scoring non réglementaire, d'octroi de crédit, de comportement client ou de recouvrement est fortement attendue. Une expérience en IA Générative constitue un plus apprécié.

La mission couvrira plusieurs axes.

Credit Risk Scoring

Vous interviendrez auprès des équipes Risque et Validation afin de concevoir, optimiser et industrialiser des modèles de scoring d'octroi et de comportement.

Vos missions incluront notamment :

• Concevoir, entraîner et comparer différents modèles de scoring.

• Explorer des approches innovantes tout en garantissant leur robustesse, leur explicabilité et leur exploitabilité métier.

• Contribuer à la stabilité du coût du risque grâce au déploiement de solutions fiables et monitorées.

• Mettre en place le suivi de performance des modèles, le backtesting, le monitoring de dérive des données et de dérive conceptuelle.

• Collaborer étroitement avec les experts métiers, les équipes Risque, Paiement, Digital, Fraud et Conformité.

AI Solutions & Industrialisation

Vous contribuerez à l'intégration de modèles d'IA dans les parcours digitaux, notamment sous forme d'API temps réel.

Les objectifs seront de :

• Déployer des modèles ML dans des environnements industrialisés.

• Participer à l'architecture technique des solutions IA, en appliquant les bonnes pratiques Cloud, MLOps et Software Engineering.

• Développer des API robustes pour des cas d'usage tels que le scoring temps réel, la personnalisation d'offres de paiement ou l'automatisation de décisions opérationnelles.

• Collaborer avec les équipes Produit et IT pour assurer une intégration fluide, maintenable et scalable.

IA Générative

En complément du socle Machine Learning, vous pourrez contribuer à des cas d'usage d'IA Générative visant à transformer les processus internes et la relation client.

Les travaux pourront porter sur :

• Le prototypage et le déploiement en production de solutions basées sur des LLM, du RAG ou des agents.

• L'automatisation de tâches complexes d'analyse documentaire.

• La mise en place d'architectures agentiques pour des cas d'usage Risque, Marketing, Audit ou Support Client.

• L'évaluation, l'optimisation et le monitoring des performances des agents : cohérence, diversité, pertinence, RAGAS, LLM as a Judge.

Plus largement, la mission consistera à prendre en charge tout le cycle de valorisation de la donnée : identification des sources pertinentes, collecte, analyse de qualité, redressement, préparation, modélisation, évaluation, data visualisation, storytelling, puis intégration des résultats dans les outils et processus métiers.

Vous serez également amené à traduire des problématiques métiers en problèmes statistiques ou mathématiques, puis à restituer les résultats de manière claire, exploitable et orientée décision.

Profil recherché

Vous disposez de 5 à 7 ans d'expérience sur des missions mêlant Data Science, Machine Learning et mise en production de modèles.

Vous avez un excellent niveau en Machine Learning traditionnel et une expérience concrète de l'industrialisation de modèles dans des environnements complexes. Une maîtrise des enjeux liés au risque de crédit, au scoring d'octroi, au scoring comportemental ou au recouvrement est fortement souhaitée.

Vous êtes capable d'échanger aussi bien sur les choix de modélisation que sur l'architecture technique, les pipelines de données, les contraintes SI et les bonnes pratiques de déploiement.

Compétences techniques attendues

Data Science & Machine Learning

• Solide expérience des modèles supervisés : régression logistique, modèles tree-based, Gradient Boosting, XGBoost, LightGBM.

• Maîtrise des problématiques de scoring, de calibration, de performance, de robustesse et de monitoring.

• Bonne connaissance des approches d'explicabilité : SHAP, LIME, Explainable AI.

• Capacité à comparer différentes méthodes de calcul et à anticiper leurs avantages et limites dans un contexte métier.

• Connaissance ou pratique des modèles génératifs et LLM : OpenAI, Hugging Face, fine-tuning.

Data Engineering & MLOps

• Excellente maîtrise de Python et de l'écosystème ML : Pandas, Scikit-learn, MLflow, Pydantic, FastAPI.

• Expérience en packaging, CI/CD, tests automatisés avec pytest, feature stores.

• Déploiement de modèles sous forme d'API.

• Mise en place de pipelines automatisés avec MLflow, GitHub Actions, Kubernetes, Docker.

• Monitoring de modèles : data quality, performance, métriques d'évaluation, backtesting, data drift, concept drift.

• Connaissance de LangChain, LangGraph, RAGAS et LLM as a Judge appréciée.

Outils & Cloud

• Azure, Azure ML, Azure AI Foundry.

• Databricks, PySpark.

• Confluence, JIRA, Bitbucket, GitLab, Azure DevOps.

• Une connaissance technique de Snowflake serait un plus.

• Une bonne compréhension des enjeux bancaires et réglementaires liés au scoring serait également appréciée.

Qualités attendues

• Forte culture delivery et sens du résultat.

• Capacité à évoluer dans des environnements métiers variés et exigeants.

• Rigueur analytique, esprit critique et capacité à challenger les approches.

• Aisance dans la collaboration avec des équipes Risque, Paiement, Digital, Fraud, Conformité, Produit et IT.

• Capacité à vulgariser des sujets techniques auprès d'interlocuteurs métiers.

• Goût pour l'expérimentation, l'industrialisation et les cas d'usage IA à impact concret.

• Appétence pour les solutions d'IA Générative et les architectures agentiques.

Cette mission offre l'opportunité de contribuer à des projets IA à fort impact, au croisement de la Data Science, du Credit Risk, du MLOps et de l'innovation appliquée aux parcours clients et aux processus opérationnels.