Software Engineer – Risk Modelling & Data (H/F)

Chez Citalid, on transforme la Cyber Threat Intelligence et la posture de défense d’une organisation en une estimation financière du risque cyber, chiffrée, explicable, et actionnables par les décideurs. Notre produit repose sur des modèles quantitatifs au cœur desquels se trouvent des ingénieurs capables de faire le lien entre la rigueur du code et la robustesse des résultats.

Ce poste est avant tout un rôle d’ingénierie backend à forte composante data : tu conçois et industrialises les pipelines et services qui font tourner nos modèles en production. La modélisation (probabiliste, quantitative) est une dimension réelle du poste, pas du machine learning générique, mais de la simulation de risque avec une exigence d’explicabilité forte.

Ce que tu feras

Ingénierie backend & performance

• Concevoir et développer les services et API qui exécutent nos modèles de risque (calcul distribué, pipelines de calcul, mise en cache).
• Industrialiser les modèles du prototype à la production : robustesse, scalabilité, optimisation des temps de traitement.
• Assurer la qualité du code : profiling, tests, revue, documentation, bonnes pratiques (PEP8, typage, structuration).

Data & modélisation

• Développer les pipelines d’ingestion et de transformation des données de menace et de posture.
• Implémenter en production des traitements quantitatifs : simulations Monte Carlo, calcul matriciel, modèles probabilistes (approche FAIR).
• Analyser les sorties des modèles, identifier les biais ou incohérences, contribuer aux améliorations méthodologiques avec l’équipe data science.
• Veiller à l’explicabilité des résultats : chez Citalid, chaque chiffre de risque doit pouvoir être justifié et retracé auprès du client.

Indispensable

• 2 ans minimum sur un poste d’ingénierie logicielle à forte composante data.
• Solide maîtrise de Python dans un contexte applicatif : algorithmie, structures de données, bonnes pratiques (PEP8, typage, tests).
• Profiling, optimisation des performances, gestion mémoire, calcul matriciel.
• Maîtrise de numpy et pandas ; connaissances solides en statistiques / probabilités / modélisation quantitative (dont méthodes de simulation type Monte Carlo).
• Connaissance d’un framework API Python (Django ou équivalent) et des pratiques backend associées.

Un vrai plus

• Librairies complémentaires : xarray, scipy, networkx, scikit-learn.
• Appétence ou expérience en cybersécurité, gestion du risque ou modélisation financière du risque.
• Expérience de l’industrialisation de modèles (MLOps, passage prototype vers production).

Ce qu’on attend au-delà des compétences techniques

• Rigueur : documentation, tests, capacité à challenger ses propres résultats.
• Sens de la qualité et de la maintenabilité — produire un travail fiable dans le temps.
• Autonomie, tout en sachant demander de l’aide et confronter ses idées.
• À l’aise avec l’incertitude méthodologique : nos modèles évoluent, les bonnes réponses ne sont pas toujours écrites à l’avance.
• Capacité à dialoguer avec des profils variés (data, dev, produit, métier) et à vulgariser des sujets complexes.