Data Scientist - Lead IA Gen H/F - StarClay

L'approche de Starclay au sein du Groupe Partenor se caractérise par une double compétence Métier et SI ; mettre les utilisateurs au centre de tous les projets depuis la formalisation des besoins jusqu'à la formation de ces derniers.

Nous nous positionnons en tant qu'acteur clé dans les dispositifs d'amélioration continue notamment à travers l'IA générative.Acteur majeur et innovant du secteur bancaire et du paiement, notre client place l'intelligence artificielle au coeur de sa stratégie de croissance. Dans le cadre de l'accélération de sa roadmap IA, nous recrutons un Expert Data Science & MLOps pour intégrer le pôle Data Innovation & AI.

Rattaché(e) au département Innovation, vous jouerez un rôle moteur dans le développement et l'industrialisation de solutions de Machine Learning et d'IA Générative. Vous ferez le pont entre la modélisation de pointe et la mise en production à l'échelle.

Votre mission :

- Industrialisation ML & Temps Réel : Intégrer des modèles de scoring et de personnalisation via des API en temps réel dans les parcours digitaux
- Architecture & MLOps : Participer à la définition de l'architecture technique (Cloud, CI/CD) pour garantir une intégration fluide et robuste des modèles
- Révolution GenAI & Agents : Prototyper et déployer des solutions d'IA Générative (LLM, RAG) et concevoir des architectures agentiques pour automatiser des processus complexes (analyse documentaire, octroi de crédit, support client)
- Performance & Monitoring : Mettre en place les outils d'évaluation et de monitoring (LLM as a Judge, RAGAS, détection de drift) pour garantir la pertinence et l'éthique des solutions
- Collaboration transverse : Travailler en synergie avec les équipes Produit, IT et les métiers (Risque, Marketing, Conformité)

Issu d'une formation Bac +5, vous disposez d'un parcours mixte Data Science + MLOps et justifiez d'une expérience de 6 à 9 ans dans des environnements exigeants.

- Data Science & ML : Maîtrise des modèles supervisés (XGBoost, LightGBM), de l'IA explicable (SHAP/LIME) et des LLM (OpenAI, HuggingFace)
- Stack Technique : Python (Pandas, Scikit-learn), LangChain/LangGraph, FastAPI
- Écosystème MLOps : MLflow, Pydantic, GitHub Actions, Docker, Kubernetes
- Cloud & Data : Environnement Azure (Azure ML, Foundry) ou Databricks (PySpark)
- Le petit plus : Connaissance de Snowflake et appétence pour les enjeux réglementaires bancaires