Data Scientist / Machine Learning Engineer (h/f)

Oney est une banque unique, issue du commerce et experte du financement de la consommation. Depuis 40 ans, Oney crée des solutions de paiement, de financement, d’assurance et de lutte contre la fraude.
Filiale du Groupe BPCE et de ELO (ex Auchan Holding), elle représente le savant mélange entre savoir-faire bancaire et ADN commerçant.
Chaque jour, ce sont plus de 1 900 collaborateurs qui portent en Europe une vision positive de la consommation, avec une ambition ; celle de donner à chacun le pouvoir d’améliorer son quotidien et de mieux consommer.
Au total, ce sont 6,7 millions de clients qui utilisent au quotidien les solutions Oney pour effectuer leurs achats et réaliser leurs projets, via nos 37 000 commerçants partenaires.

Ce que nous vous proposons

Être Data Scientist / ML Engineer chez Oney, pourquoi c’est mieux ?

Plus qu’un poste…une mission pour vous ! Et quelle mission !

Dans le cadre de sa feuille de route IA, Oney développe et accélère l’intégration du Machine & Deep Learning, du NLP et des solutions d’IA Génératives afin de capitaliser sur l’exploitation des données, l’optimisation des processus opérationnels et l’amélioration de l’expérience client.

Au sein du pôle Data Science du département Data Innovation & AI, nous développons la nouvelle génération d’outils et de solutions IA permettant à Oney d’offrir les meilleurs produits et services à ses clients.

Voici vos principales missions :

Les 3 piliers d’intervention du pôle sont les suivants :

· Credit Risk Scoring

o Pour les équipes Risque / Validation, vous concevez et optimisez les scores d’octroi et de comportement, en explorant des approches innovantes

o Pour garantir la stabilité du coût du Risque, vous entrainez et déployez ces solutions, et assurez le monitoring de la dérive des modèles

o Travaillez en collaboration étroite avec les experts Métiers et les équipes Risque

· AI Solutions

o Optimisez l’expérience client en intégrant nos modèles d’IA en temps réel sous forme d’API dans nos parcours Digitaux (scoring temps réel, personnalisation des offres de paiement …)

o Pour une intégration fluide des modèles, participez à l’architecture technique en suivant les meilleures pratiques de développement (Cloud, MLOps)

o Collaborez avec les équipes produit et IT pour industrialiser les solutions

· GenAI

o Pour transformer nos processus internes (Marketing, Audit, Risque, …) ainsi que la relation et le support Client, prototypez et déployez en Production des solutions d’IA Générative sous forme d’agents (LLM, RAG, …)

o Pour automatiser l’octroi d’offre de crédit (Risque), des tâches complexes d’analyse documentaire, et faciliter l’interaction avec nos clients, vous mettez en place des architectures agentics

o Évaluez, optimisez et monitorez les performances des agents (cohérence, diversité, LLM as a Judge, …)

Ce qui nous plaira le plus chez vous

Ce qui nous plaira le plus chez vous, c’est vous-même ! Alors bien évidemment on vous préférera rigoureux, autonome, communicatif, agile et dynamique car c’est ce qui vous permettra de mener au mieux votre mission. Dans votre bagage, on aimerait trouver :

Data Science & ML

· Solide expérience en modèles supervisés : Logistic Regression, Tree-based models, Gradient Boosting (XGBoost / LightGBM)

· Connaissances et application des approches explicables (SHAP/LIME, explainaible AI)

· Pratique des modèles génératifs & LLM (OpenAI, HuggingFace, fine-tuning)

Écosystème Data Engineering & MLOps

· Excellente maîtrise du langage Python et de l’écosystème ML : Pandas, Scikit-learn, MLflow, Pydantic, LangChain, LangGraph, FastAPI

· Packaging, CI/CD, tests (pytest), feature stores

· Déploiement de modèles sous forme d’API et pipelines automatisés (MLFlow, GitHub Actions, Kubernetes, Docker)

· Monitoring: data quality, performance, métriques d’évaluation, Back Testing, data / concept drift, RAGAS, LLM as a Judge

Outils & Cloudtrong>

· Azure (Azure ML, Foundry), Databricks, pySpark

· Confluence, JIRA, Bitbucket, GitLab, AzureDevOps

Une connaissance technique de Snowflake et des enjeux bancaires réglementaire serait un plus (scoring, réglementation).

Profil recherché

· Vous avez 5 à 7 ans d’expérience

· Vous avez un parcours mixte : Data Science + mise en production / MLOps

· Vous êtes à l’aise pour discuter autant en termes de modélisation ML que d’architecture du SI

· Vous savez travailler avec de multiples métiers : Risque, Paiement, Digital, Fraud, Conformité…

· Vous aimez le delivery, l’expérimentation, et les environnements où l’IA a un impact direct sur l’expérience client

· Vous avez une appétence pour les solutions d’IA Générative et les approches Agentic