Expert en Investigations Numériques - Data Scientist H/F - Direction de l'administration pénitentiaire - Administration Centrale

Le renseignement pénitentiaire repose sur la collecte, le traitement et la diffusion d'informations en lien avec les risques d'atteinte à la sécurité de l'administration pénitentiaire, aux intérêts de la société, sous des finalités légalement encadrées de prévention contre le terrorisme, de prévention contre la criminalité et la délinquance organisés, et de prévention contre les évasions, de maintien de la sécurité et du bon ordre dans les établissements pénitentiaires.

Le service à compétence nationale élabore la politique nationale du renseignement pénitentiaire, traduite dans sa doctrine, dont il garantit l'application par son réseau. Par ailleurs, il centralise la gestion du recueil, du traitement et de la conservation du renseignement répondant à ses finalités et en lien avec les personnes détenues ou suivies en milieu ouvert. Ces informations peuvent provenir de sources humaines, techniques, partenariales, ouvertes ou fermées.Placées sous l'autorité hiérarchique du chef de pôle lui-même rattaché aux chefs de section Investigations Numériques et de son adjoint, L'investigateur numérique est chargé de collecter, analyser et interpréter les données numériques dans le cadre d'enquêtes et d'investigations numériques. Il utilise ses compétences en science des données pour identifier des preuves numériques, analyser des tendances et des modèles, et fournir des informations pertinentes pour résoudre des affaires judiciaires ou des problèmes liés à la sécurité informatique.

- Identifier et collecter les données numériques pertinentes provenant de différentes sources telles que les ordinateurs, les serveurs, les réseaux, les dispositifs mobiles, etc.

- Utiliser des outils et des techniques de collecte de données forensiques pour garantir l'intégrité et la fiabilité des données collectées.

- Utiliser des méthodes statistiques, des algorithmes d'apprentissage automatique et d'autres techniques d'analyse de données pour

examiner les données numériques de masse et identifier des modèles ou des anomalies.

- Interpréter les résultats de l'analyse pour identifier des preuves potentielles ou des comportements suspects.

- Préparer des rapports détaillés sur les résultats de l'analyse des données, en mettant en évidence les conclusions importantes et les recommandations pour les parties concernées.

- Présenter les résultats de manière claire et accessible, aussi bien à des publics techniques que non techniques.

- Collaborer avec d'autres pôles techniques, des analystes dans la phase d'échange opérationnelle.

- Participer à des réunions et à des séances de formation pour partager les connaissances et les meilleures pratiques en matière d'investigation numérique.

Programmation : Maîtrisez au moins un langage de programmation comme Python ou R, ainsi que les bibliothèques populaires telles que NumPy, Pandas et Scikit-learn.
Connaissances informatiques et électrotechniques: OS (Windows, Linux), gestion systèmes et hardware, téléphonie (réparation, changement de pièces et détection de panne), Android (ADB Tools, Bootloader), iOS, récupération de données sur tous support numérique.
Analyse de données : Comprenez les méthodes d'analyse statistique et exploratoire des données, y compris la manipulation de données, la visualisation et l'interprétation des résultats.
Développement et de Scripting: Python, NodeJs

(Niveau pratique - à acquérir)

Machine learning : Familiarisez-vous avec les algorithmes de machine learning tels que la régression, la classification, le clustering, les arbres de décision, les méthodes ensemblistes, etc.

Apprentissage en profondeur (Deep Learning) : Ayez une compréhension des réseaux de neurones artificiels, des architectures comme les réseaux de neurones convolutifs (CNN) et récurrents (RNN), ainsi que des frameworks comme TensorFlow ou PyTorch.
Compétences en communication : Capacité à communiquer efficacement les résultats et les implications des analyses aux non-techniciens, ainsi qu'à collaborer avec d'autres membres de l'équipe.
Big Data : Connaissances en traitement et analyse de grands ensembles de données, notamment avec des outils comme Hadoop, Spark et SQL.