Data Scientist (CDI)
L’équipe & ton positionnement
Tu rejoins le RED (Research, Engineering & Development, 20+ personnes) et tu évolues au carrefour de la Data, du Produit, du commercial (SOS) et des clients . Ton rôle : faire passer la donnée d’Upply de « puissante mais brute » à « actionnable et livrée » — côté clients comme en interne.
Ta mission
Tu es responsable des modèles qui font la valeur d’Upply : prédiction de prix, indices UFI, scoring. Concrètement, tu travailles sur du benchmark de prix par lane et par corridor, de la modélisation hiérarchique (multilevel, du port/du tronçon jusqu’au continent), de l’estimation de distributions et d’indices de confiance, sur des données de facturation réelles à grande échelle. Tu conçois ces modèles, tu les industrialises et tu les fais progresser, en lien étroit avec les Data Engineers et le Produit.
Tes responsabilités
1. Conception & amélioration des modèles
Concevoir, maintenir et améliorer les modèles de prédiction d’Upply (pricing, indices, séries temporelles).
Créer de nouveaux modèles (ML, DL, économétrie, genAI) pour répondre aux besoins produits et clients.
Assurer l’amélioration continue du code et des modèles (refacto, tests, performance, mises à jour régulières).
Réaliser une veille techno continue sur les approches data & IA pertinentes, et proposer des évolutions.
2. Données & qualité au service des modèles
Identifier et prioriser les besoins en données (nouvelles sources, enrichissements, contraintes d’hébergement).
Gérer les outliers et mener les vérifications métier qui fiabilisent les modèles.
Co-construire avec les Data Engineers les pipelines de features et de scoring (batch & near real-time).
Définir des Data Contracts orientés modèles.
Réaliser des analyses ad-hoc pour éclairer les décisions Produit & Business (en lien avec l’Analytics Engineer pour la restitution et les dashboards).
3. Industrialisation & MLOps
Définir, avec les Data Engineers, les besoins d’industrialisation (pipelines, jobs, déploiements).
Mettre en place le monitoring des modèles (qualité, dérive, latence, coûts) et alerter en cas de dérive.
Maintenir et faire évoluer les packages internes (ex. pypply, libs stats/modèles).
Mener des A/B tests et expérimentations avec des métriques d’évaluation métier.
4. Référent·e technique & transmission
Être le point de contact privilégié sur les questions techniques liées aux modèles (interne & externe).
Produire une documentation claire : model cards, hypothèses, limites, KPIs de suivi.
Accompagner les profils plus juniors : pair-programming, revues de notebooks, cadrage de POCs.
Vulgariser les choix de modèles, leurs hypothèses et leurs limites auprès des équipes non techniques.